Forscher der Universität von Missouri haben gezeigt, dass Drohnen in Kombination mit künstlicher Intelligenz die Gesundheit von Maispflanzen effizienter bewerten können als herkömmliche Scouting -Methoden, was potenzielle Gewinne bei der Verwendung von Düngemitteln und Umweltmanagement bietet.
Die in Mitte -} Missouri -Maisfelder durchgeführte Studie verwendete Drohnen, die mit multispektralen Kameras ausgestattet sind, um Wellenlängen wie in der Nähe von - Infrarot und rot - Kantenlicht zu erfassen, die mit der pflanzlichen Gesundheit verbunden sind, aber nicht mit dem menschlichen Blick auf die pflanzliche Gesundheit verbunden sind. Durch die Kombination dieser Bilder mit Bodendaten und der Verarbeitung von Maschinen - Lernmodellen schätzte das Team die Blattchlorophyll -Werte - Ein Schlüsselindikator für den Stickstoffstatus - über ganze Felder mit hoher Genauigkeit.
"Das Kenntnis des Chlorophyllgehalts jeder Pflanze hilft den Landwirten, den richtigen Zeitpunkt, den richtigen Ort und die Menge der Stickstoffanwendung zu bestimmen", sagte Jianfeng Zhou, Associate Professor am College of Agriculture, Food and Natural Resources und Co -} Director of Research am Research -Forschungs- und Extension -Zentrum von Mizzous. "Das kann die Erträge erhöhen und gleichzeitig überschüssigen chemischen Gebrauch reduzieren, die sich auf die Umwelt auswirken."
Mais gehört zu den sticksten {- anspruchsvollen Pflanzen, was eine präzise Nährstoffmanagement zu einem erheblichen Kosten und Nachhaltigkeitsproblem macht. Über - Die Anwendung erhöht die Kosten und kann zu Wasserverschmutzung führen, während unter - Anwendung die Erträge reduzieren kann.
Das Forschungsteam unter der Leitung des Doktorandenstudenten Fengkai Tian stellte fest, dass eine solche Überwachung von AG - Tech -Dienstanbietern kommerziell geliefert werden könnte, sodass die Landwirte profitieren können, ohne in Drohnenbetrieb oder Datenverarbeitung zu profitieren. Während sich die Studie auf Mais konzentrierte, könnte die Methode für andere Pflanzen, einschließlich Sojabohnen und Weizen, angepasst werden, wobei Anpassungen für unterschiedliche Nährstoffprofile berücksichtigt werden.
Die Ergebnisse, veröffentlicht inSmart Agricultural Technologywurden in Zusammenarbeit mit dem Agrarforschungsdienst des US -Landwirtschaftsministeriums produziert. Die Arbeit spiegelt einen breiteren Druck innerhalb der Präzisionslandwirtschaft wider, um Fernerkundung, KI und gezielte Input -Management zu integrieren, um die Effizienz zu verbessern und die Auswirkungen auf die Umwelt zu verringern.
