Rice evapotranspiration estimation and irrigation optimization based on coupling UAV multispectral and thermal infrared imagery with the FAO-56 model
Diese Studie schlägt ein neuartiges Framework vor, das UAV-Multispektral- und Thermalinfrarotbilder mit dem FAO-56-Modell und der NSGA-II-Optimierung integriert, um die Evapotranspiration von Reis präzise zu schätzen und optimale Wasser-Stickstoff-Managementstrategien zu identifizieren, die ein hohes Ertragsniveau, Ressourceneffizienz und niedrige Treibhausgasemissionen in der kalten Schwarzerde-Region Nordostchinas in Einklang bringen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie sind ein Chefkoch, der versucht, die perfekte Schüssel Reis zu kochen. Sie wissen, dass Wasser und Dünger die geheimen Zutaten sind, aber das richtige Gleichgewicht zu finden, ist knifflig. Zu viel Wasser, und der Reis wird matschig; zu wenig, und er wird hart und traurig. Zu viel Dünger, und man verschwendet Geld und verschmutzt die Luft; zu wenig, und der Reis bleibt klein. Seit Jahrzehnten raten Landwirte die richtigen Mengen basierend auf alten Gewohnheiten und dem Wetter, aber das ist, als würde man versuchen, mit einer Augenbinde ein bewegliches Ziel zu treffen. Dies ist besonders schwierig in kalten Regionen, in denen die Wachstumsperiode kurz und das Wetter unvorhersehbar ist.
Wissenschaftler haben versucht, dieses Rätsel mithilfe eines Konzepts namens „Evapotranspiration“ zu lösen. Stellen Sie sich dies als die persönliche Schweißrate der Reispflanze vor. Genau wie Sie schwitzen, wenn Sie rennen oder es heiß ist, „schwitzen“ Pflanzen Wasser durch ihre Blätter, um abzukühlen und zu wachsen. Wenn Sie genau wissen, wie viel die Pflanze jeden Tag schwitzt, können Sie ihr gerade genug Wasser geben, um sie glücklich zu machen, ohne einen Tropfen zu verschwenden. Die große Frage ist: Wie misst man diesen unsichtbaren Schweiß über ein ganzes Feld, ohne durch jede einzelne Pflanze zu laufen? Hier beginnt die Geschichte der High-Tech-Landwirtschaft, die Felder in datenreiche Spielplätze verwandelt, in denen Drohnen als die Augen des Landwirts fungieren.
Der Drohnen-Detektiv und der Schweiß des Reises
In dieser Studie beschlossen ein Team von Forschern in den kalten Schwarzerdeböden Nordostchinas, die Reislandwirtschaft von einem „Ratespiel“ auf „Präzisionswissenschaft“ aufzurüsten. Sie wollten genau herausfinden, wie viel Wasser und Dünger Reis benötigt, um groß zu werden, Wasser zu sparen und den Planeten gleichzeitig kühl zu halten. Zu diesem Zweck bauten sie ein hochmodernes System, das fliegende Roboter (Drohnen), komplexe Mathematik und ein klassisches landwirtschaftliches Regelwerk kombiniert.
Die fliegenden Augen
Die Forscher schickten zwei Arten von Drohnen über ihre Reisfelder. Eine Drohne trug eine „multispektrale“ Kamera, die Farben sieht, die Menschen nicht sehen können, wie zum Beispiel die spezifischen Grüntöne, die uns verraten, wie gesund die Blätter sind. Die andere Drohne trug eine „Thermalkamera“, die Hitze sieht. Dies ist entscheidend, denn eine durstige Pflanze wird heißer, genau wie Ihre Haut heiß wird, wenn Sie rennen und Fieber bekommen. Durch das Betrachten der Hitze und der Grünfärbung des Reises konnten die Drohnen genau bestimmen, wie viel die Pflanzen an jedem gegebenen Tag „geschwitzt“ (Evapotranspiration) hatten.
Das alte Regelwerk vs. neue Daten
Normalerweise verwenden Landwirte einen berühmten Leitfaden namens FAO-56-Modell, um den Wasserbedarf zu schätzen. Stellen Sie sich dieses Modell wie ein Standard-Rezeptbuch vor. Aber Standardrezepte berücksichtigen nicht, dass es heute heißer sein könnte als gestern oder dass ein bestimmtes Stück Reis durstiger sein könnte als das nächste. Die Forscher erkannten, dass sie, anstatt das Rezept einfach blind zu befolgen, die Drohnendaten nutzen könnten, um das Rezept in Echtzeit zu aktualisieren. Sie nutzten die „Grünheits“-Messwerte der Drohne, um herauszufinden, wie viel des Bodens von Blättern bedeckt war, und die „Hitzemessungen“, um zu sehen, ob die Pflanzen unter Stress standen. Dies ermöglichte es ihnen, den täglichen Wasserbedarf mit einer viel höheren Genauigkeit als zuvor zu berechnen.
Der Balanceakt
Soburch sie genau wussten, wie viel Wasser der Reis verbrauchte, standen sie vor einem schwierigen mathematischen Problem. Sie wollten das „Goldene Mittelmaß“ finden, das:
- Die größte Ernte erzielt.
- Am wenigsten Wasser verbraucht.
- Den geringsten Einsatz an Dünger erfordert.
- Die geringste Menge an Treibhausgasen (die den Planeten erwärmen) produziert.
Das Problem ist, dass diese Ziele oft gegeneinander arbeiten. Um die größte Ernte zu erzielen, benötigt man normalerweise mehr Wasser und Dünger, was wiederum mehr Verschmutzung erzeugt. Um Wasser zu sparen, erhält man vielleicht eine kleinere Ernte. Um dies zu lösen, verwendeten die Forscher einen superintelligenten Computer-Algorithmus (genannt NSGA-II), der wie ein Schiedsrichter fungierte und tausende verschiedene Kombinationen testete, um den bestmöglichen Kompromiss zu finden.
Was sie fanden
Die Studie bestätigte, dass Wasser und Dünger wie ein Tanzteam zusammenarbeiten; wenn einer aus der Reihe tanzt, leidet die gesamte Performance. Sie fanden heraus, dass:
- Die beste Kombination für den Ertrag: Die Gabe von 80 % des maximalen Wassers und 155 kg/ha Stickstoffdünger produzierte den meisten Reis (etwa 11.883 kg pro Hektar).
- Der beste Allrounder: Die „perfekte“ Lösung war jedoch nicht diejenante mit dem meisten Reis. Der Computer fand ein „Szenario S5“, das insgesamt das beste Gleichgewicht darbot. Dieser Plan sah 669,94 mm Bewässerung und 117,48 kg/ha Stickstoff vor.
- Das Ergebnis: Dieser ausgewogene Plan produzierte massive 11.473,43 kg/ha Reis (fast so viel wie das Maximum!), verbrauchte aber weniger Wasser und Dünger und hielt die Umweltbelastung niedriger.
Warum es wichtig ist
Die Forscher entdeckten, dass ihr drohnenbasiertes System unglaublich genau war. Wenn sie ihre Drohnenberechnungen mit dem tatsächlich im Boden gemessenen Wasser verglichen, stimmten die Zahlen mit einer Korrelation von 0,89 überein (ein sehr starker Wert). Das bedeutet, dass die Drohnen den „Schweiß“ des Reises fast perfekt vorhersagen konnten.
Sie bewiesen auch, dass man sich nicht zwischen einer großen Ernte und einem sauberen Planeten entscheiden muss. Indem man Echtzeitdaten von Drohnen nutzt, um die Wasser- und Düngergabe zu steuern, können Landwirte aufhören zu raten und anfangen zu optimieren. Anstatt Wasser und Dünger nach einem Zeitplan zu verabreichen, der vielleicht falsch ist, können sie dem Reis genau das geben, was er braucht, und zwar genau dann, wenn er es braucht.
Letztendlich legt diese Studie nahe, dass die Zukunft der Landwirtschaft in kalten Regionen nicht darin besteht, härter zu arbeiten, sondern klüger zu beobachten. Indem man Drohnen als Augen und Computer als Gehirn einsetzt, können Landwirte mehr Lebensmittel anbauen, kostbares Wasser sparen und die Luft sauberer halten – und das alles, ohne die Größe ihrer Ernte zu opfern. Es ist ein Win-Win-Win für den Reis, den Landwirt und den Planeten.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.