တိကျသောစိုက်ပျိုးရေးအလေ့အကျင့်များတွင် စိုက်ပျိုးသူ ၀င်ငွေတိုးလာစေရန်နှင့် သဘာဝပတ်ဝန်းကျင်အပေါ် စိုက်ပျိုးရေးအကျိုးသက်ရောက်မှုကို တစ်ပြိုင်နက်တည်း လျှော့ချရန်အတွက် သီးနှံအထွက်နှုန်းကို ကောင်းမွန်စေရန်အတွက် တိကျသောမျိုးစေ့၊ ဆည်မြောင်း၊ မြေသြဇာနှင့် ပိုးသတ်ဆေးအသုံးပြုမှုတို့ ပါဝင်ပါသည်။ ဤဆောင်းပါးတွင်၊ အာလူးထုတ်လုပ်မှုတွင် ပြောင်းလဲနိုင်သောနှုန်း ဆည်ရေသွင်းခြင်းနှင့် အဝေးမှ အာရုံခံခြင်းကဲ့သို့သော PA အလေ့အကျင့်များကို အသုံးပြုခြင်းအကြောင်း ဆွေးနွေးပါမည်။
International Society of Precision Agriculture အရ "တိကျသောစိုက်ပျိုးရေး (PA)) သည် အရင်းအမြစ်အသုံးပြုမှုထိရောက်မှုအတွက် ခန့်မှန်းခြေကွဲပြားမှုအလိုက် စီမံခန့်ခွဲမှုဆိုင်ရာဆုံးဖြတ်ချက်များကို ပံ့ပိုးပေးရန်အတွက် ယာယီ၊ အပိုင်းနှင့် တစ်သီးပုဂ္ဂလဒေတာများကို စုဆောင်း၊ စီမံဆောင်ရွက်ခြင်း၊ ခွဲခြမ်းစိတ်ဖြာပြီး ၎င်းကို အခြားအချက်အလက်များနှင့် ပေါင်းစပ်ပေးသည့် စီမံခန့်ခွဲမှုဗျူဟာတစ်ခုဖြစ်သည်။ ကုန်ထုတ်စွမ်းအား၊ အရည်အသွေး၊ အမြတ်အစွန်းနှင့် လယ်ယာထွက်ကုန်များ၏ ရေရှည်တည်တံ့ခိုင်မြဲရေး။”
တစ်နည်းဆိုရသော် PA သည် မှန်ကန်သော၊ မှန်ကန်သောနေရာ၌၊ မှန်ကန်သောအချိန်နှင့် မှန်ကန်သောနည်းလမ်းဖြင့် လုပ်ဆောင်ရန်ဖြစ်နိုင်ခြေကို ပေးဆောင်သည်။ အာလူးကဲ့သို့သော တန်ဖိုးမြင့်သီးနှံများသည် သွင်းအားစုကုန်ကျစရိတ်များသောကြောင့် PA ကိုမွေးစားရန်အတွက် ကိုယ်စားလှယ်ကောင်းများအဖြစ် အသိအမှတ်ပြုခံရပါသည်။ ထို့အပြင် အာလူးဥ၏ အထွက်နှုန်းနှင့် အရည်အသွေးသည် ထုတ်လုပ်မှုအလေ့အကျင့်များနှင့် ပတ်ဝန်းကျင်အခြေအနေများအတွက် အာရုံခံနိုင်စွမ်းရှိသော တိကျသောစီမံခန့်ခွဲမှုကို စီးပွားရေးအရ အရေးပါစေသည်။
အမျိုးမျိုးသောနှုန်းကိုဆည်မြောင်း
ပြောင်းလဲနိုင်သောနှုန်းထား ဆည်မြောင်းစနစ် (VRI) နည်းပညာသည် အလယ်ဗဟိုမဏ္ဍိုင်၏ အလျားတစ်လျှောက် တူညီသည့်နှုန်းတစ်ခုထက် ကွဲပြားသောနှုန်းဖြင့် ရေကို သက်ရောက်သည်။ VRI ကို အသုံးချရန် အဆင့်နှစ်ဆင့်ရှိသည်- ပထမ၊ မြေဆီလွှာလျှပ်စစ်စီးကူးမှု (EC) သို့မဟုတ် အမြင့်မြေပုံဆွဲခြင်းအပေါ် အခြေခံ၍ နယ်ပယ်ကို မတူညီသော စီမံခန့်ခွဲမှုဇုန်များအဖြစ် ပိုင်းခြားထားသည်။ ဒုတိယအချက်မှာ၊ စနစ်သည် တစ်ဦးချင်း နော်ဇယ်များ (nozzle control VRI) ကို အဖွင့်အပိတ် ပြုလုပ်ခြင်း သို့မဟုတ် pivot ၏ ရွေ့လျားနေသော အမြန်နှုန်း (speed control VRI) ကို အဖွင့်အပိတ် ပြုလုပ်ခြင်းဖြင့် စနစ်သည် သီးခြားရေပမာဏကို အသုံးချသည်။
VRI သည် မတူညီသော ကောက်ပဲသီးနှံများ သို့မဟုတ် ပျိုးပင်များ၊ ကွဲပြားသော မြေအမျိုးအစားများ၊ မြင့်သောနေရာများ သို့မဟုတ် စိုစွတ်ပြီး ရွှဲစိုမှုဖြစ်နိုင်ခြေနည်းပါးသောနေရာများနှင့် လယ်ကွင်းအတွင်းရှိ ပတ်ဝန်းကျင်နှင့် ထိခိုက်လွယ်သောနေရာများတွင် ကွဲပြားသောနှုန်းဖြင့် ရေကို အသုံးချနိုင်သည်။ VRI ၏ အဓိကရည်မှန်းချက်မှာ ဆည်မြောင်းအလွန်အကျွံ စိုက်ပျိုးခြင်းကို ရှောင်ရှားရန်ဖြစ်ပြီး သီးနှံအထွက်နှုန်းနှင့် အရည်အသွေးကို ထိန်းသိမ်းထားစဉ် သို့မဟုတ် တိုးမြင့်နေချိန်တွင် ရေကို အလဟဿမဖြစ်စေရန်နှင့် ရေအားဖိစီးမှုမရှိစေရန်ဖြစ်သည်။
2018 ခုနှစ် နွေရာသီတွင် Wisconsin ရှိ စီးပွားဖြစ်အာလူး (Russet Burbank) ထုတ်လုပ်မှုတွင် VRI ကို အသုံးပြုခြင်း၏ အကျိုးကျေးဇူးများကို တွက်ချက်ရန် လေ့လာမှုတစ်ခုကို ပြုလုပ်ခဲ့ပါသည်။ နော်ဇယ်ထိန်းချုပ်မှု VRI နှင့် အမြန်နှုန်းထိန်းချုပ်မှု VRI တို့ဖြင့် ရေသွင်းထားသော နယ်ပယ်နှစ်ခုကို ကျွန်ုပ်တို့ ကောက်ယူခဲ့သည်။
နယ်ပယ်တစ်ခုစီတွင် အမြင့်ဆုံးနှင့် အနိမ့်ဆုံးနေရာများကြား အမြင့်ပေ ၁၅ ပေခန့် ကွာဟချက်ရှိသည်။ ရိတ်သိမ်းချိန်တွင်၊ ကျွန်ုပ်တို့သည် အခြောက်ဆုံးဧရိယာ၏ အခြောက်သွေ့ဆုံးဧရိယာ၊ ကိုယ်စားပြုအများဆုံး/ပျမ်းမျှဧရိယာနှင့် နယ်ပယ်တစ်ခုစီ၏ အစိုဆုံးဧရိယာတို့ကို အကဲဖြတ်ပါသည်။ နော်ဇယ်ထိန်းချုပ်မှု VRI (ပုံ 15a) အောက်တွင် ပျမ်းမျှဧရိယာနှင့် နှိုင်းယှဉ်ပါက အစိုဆုံးဧရိယာတွင် အထွက်နှုန်း (1 cwt/a၊ p<140 ခန့်) သိသိသာသာ လျော့ကျသွားပါသည်။ အခြောက်သွေ့ဆုံးဧရိယာမှ အထွက်နှုန်းသည် ပျမ်းမျှဧရိယာထက် (0.05 cwt/a၊ p>20 ခန့်) ပိုများသည်။ အမြန်နှုန်းထိန်းချုပ်မှု VRI (ပုံ 0.05b) အောက်တွင် အခြောက်ခံသောဧရိယာရှိ အရေအတွက်သည် ပျမ်းမျှနှင့် အစိုဆုံးဧရိယာများထက် ပိုများသော်လည်း တည်နေရာသုံးခုကြားတွင် သိသာထင်ရှားသောအထွက်နှုန်းကွာခြားချက်မရှိပါ။
ကျွန်ုပ်တို့၏အချက်အလက်များက အကြံပြုထားသည်-
- VRI ကို အသုံးပြုခြင်း၏ ကြီးမားသော အကျိုးကျေးဇူးမှာ အထွက်နှုန်းနှင့် အရည်အသွေးကို မြှင့်တင်ရန်ဖြစ်ပြီး၊ ထို့ကြောင့် ဆည်မြောင်းအောက်ပိုင်း ပိုမိုအားနည်းသော လယ်ကွင်း၏ အမြတ်အစွန်း (သို့မဟုတ်) မြင့်မားသော ဧရိယာအတွင်း အမြတ်အစွန်းကို မြှင့်တင်ရန်ဖြစ်သည်။ VRI သည် အပင်များ၏ အမြစ်တွယ်သည့်ဇုန်အတွင်း မြေဆီလွှာအစိုဓာတ်ကို ထိန်းသိမ်းပေးနိုင်သည်။
- VRI သည် ဆည်မြောင်းရေကို ချွေတာနိုင်ပြီး စိုစွတ်သော သို့မဟုတ် ပြည့်ဝသော လယ်ကွင်း၏ နိမ့်ပါးသော ဧရိယာတွင် ဆည်မြောင်း၏ ထိရောက်မှုကို မြှင့်တင်နိုင်သည်။ သို့သော်လည်း VRI အောက်တွင်ပင်၊ နိမ့်သောဧရိယာရှိ အာလူးအထွက်နှုန်းနှင့် အရည်အသွေးကို စီမံခန့်ခွဲရန်မှာ စိန်ခေါ်မှုများ ရှိနေဆဲဖြစ်သည်။ အပင်များသည် ပို၍ပုပ်ပွပြီး ချို့ယွင်းချက်ပြဿနာများရှိတတ်သောကြောင့်၊
- VRI သည် အာလူးအမြတ်အစွန်းကို တိုးတက်စေပြီး ရေကို ချွေတာရန် အလားအလာရှိသော စနစ်တစ်ခုဖြစ်သော်လည်း ကွဲပြားမှုရှိသော နယ်ပယ်များတွင် ၎င်းကို ပိုမိုကောင်းမွန်စွာ စီမံခန့်ခွဲနိုင်စေရန် နောက်ထပ် ချိန်ညှိမှု လိုအပ်ပါသည်။
အဝေးမှ အာရုံခံခြင်းနှင့် စက်သင်ယူခြင်း။
အထွက်နှုန်းနှင့် အမြတ်အစွန်းကို ထိန်းသိမ်းရန်အတွက် အာလူးလယ်သမားများသည် သီးနှံများအတွက် နိုက်ထရိုဂျင်လိုအပ်ချက်ကို ဖြည့်ဆည်းပေးရမည်ဖြစ်သည်။ မြေအောက်ရေတွင် နိုက်ထရိတ်နှင့်ပတ်သက်သော စည်းမျဉ်းစည်းကမ်းနှင့် ဥပဒေရေးရာ မသေချာမရေရာမှုများနှင့် ဆက်စပ်နေသော ငွေကြေးဆိုင်ရာ အန္တရာယ်များကို လျှော့ချရန်နှင့် စိုက်ပျိုးရာသီတစ်လျှောက်တွင် မှန်ကန်သောနိုက်ထရိုဂျင်ပမာဏကို အချိန်မှန်အသုံးချနိုင်ရန် စီမံခန့်ခွဲရေးကိရိယာအသစ်များ လိုအပ်ပါသည်။
ရာသီအာလူးအပင်၏ နိုက်ထရိုဂျင် အခြေအနေကို စောင့်ကြည့်ရာတွင် အသုံးများသောနည်းလမ်းများသည် လုပ်သားလိုအပ်သော၊ အချိန်ကုန်၊ တစ်ခါတစ်ရံ အထင်အမြင်လွဲမှားစေကာ နယ်ပယ်အတွင်းတွင်သာ ဆိုဒ်သီးသန့်ဖြစ်သည်။ ထို့အပြင်၊ အဝေးမှ အာရုံခံပုံရိပ်ကို အသုံးပြု၍ ရာသီတွင်း အပင်နိုက်ထရိုဂျင် အခြေအနေကို ခန့်မှန်းရန်နှင့် ရာသီကုန်တွင် ဥအထွက်နှုန်းကို ခန့်မှန်းရန် လယ်ကွင်းမြေပုံတစ်ခုလုံးကို ထုတ်ပေးသည့် အများသူငှာရရှိနိုင်သည့် ကိရိယာများ မရှိပါ။
အဝေးမှ အာရုံခံခြင်း သည် လက်ရှိ ရာသီသီးနှံ စိုက်ပျိုးထုတ်လုပ်မှု စီမံခန့်ခွဲမှု အလေ့အကျင့်များကို မြှင့်တင်ရန် ဆန်းသစ်သော၊ အချိန်မီ၊ အဖျက်အဆီးမရှိ နှင့် နေရာဒေသအလိုက် ကျယ်ကျယ်ပြန့်ပြန့် ချဉ်းကပ်မှုတစ်ခု ဖြစ်သည်။ အဝေးမှ အာရုံခံခြင်း သည် ပုံမှန်အားဖြင့် သီးနှံအာဟာရများ စုပ်ယူမှု ကောင်းမွန်သော အင်္ဂါရပ်များကို ဖမ်းယူနိုင်သည့် ကျဉ်းမြောင်းသော ရောင်စဉ်တန်းများ (~ 3-10 nm) အများအပြားကို ပေးဆောင်သည်။ အရွက်ဧရိယာညွှန်းကိန်း၊ ဇီဝဒြပ်ထု၊ ရွက်နု N အာရုံစူးစိုက်မှုစသည့် သီးနှံအညွှန်းကိန်းများ/ကိန်းရှင်များကို ခန့်မှန်းရာတွင် အဝေးမှအာရုံခံခြင်းအား ထိရောက်စွာအသုံးချနိုင်ကြောင်း လေ့လာမှုများစွာက ညွှန်ပြခဲ့သည်။
သီးနှံစရိုက်လက္ခဏာများကို ကြိုတင်ခန့်မှန်းရန်/ပုံစံပြရန် အသုံးပြုသည့်နည်းလမ်းများသည် ရောင်စဉ်တန်းအချက်ပြမှုများနှင့် အကွက်တိုင်းတာမှုများကြားတွင် ကြိုတင်ခန့်မှန်းခြင်းဆိုင်ရာ အယ်လဂိုရီသမ်များကို တည်ဆောက်ခြင်းအပေါ် အဓိကအာရုံစိုက်သည်။ စံပြခန့်မှန်းသူသည် အသီးအရွက်အညွှန်းကိန်းများ (VI) သည် ရောင်ပြန်ဟပ်မှုနှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော ရောင်စဉ်တန်းများကို သင်္ချာနည်းအရပေါင်းစပ်ခြင်းဖြစ်သည်။ ဥပမာအားဖြင့်၊ ဒေသဆိုင်ရာနှင့် ကမ္ဘာလုံးဆိုင်ရာ အတိုင်းအတာများတွင် အသီးအရွက်များ ရွေ့လျားမှုကို စောင့်ကြည့်ရန် ၎င်း၏ရိုးရှင်းသော အပလီကေးရှင်းကြောင့် ယခင်လေ့လာမှုများတွင် ပုံမှန်ခြားနားသော အသီးအရွက်အညွှန်းကိန်း (NDVI) ကို တွင်ကျယ်စွာ အသုံးပြုခဲ့သည်။
ကျွန်ုပ်တို့သည် N အခြေအနေကို ခန့်မှန်းရန်နှင့် အာလူးမျိုးဥလေးမျိုး၏ နောက်ဆုံးအထွက်နှုန်းကို ခန့်မှန်းရန် NDVI ကိုအသုံးပြုသော အထောက်အကူပြု vector စက် (DT)၊ ပံ့ပိုးမှု vector စက် (SVM) နှင့် ကျပန်းသစ်တော (RF)) ကို လေ့လာပြီးပြီ Russet၊ Snowden နှင့် Hodag အပါအဝင် chipper နှစ်ခု) သည် 2018 နှင့် 2019 တွင် ကြီးထွားလာနေသောရာသီနှစ်ခုအတွက်ဖြစ်သည်။
ကျွန်ုပ်တို့၏ ပဏာမရလဒ်များအရ NDVI သည် အညှာ NO3-N မှဖော်ပြသော အာလူး N အခြေအနေကို ခန့်မှန်းရန် အလားအလာကောင်းရှိကြောင်း၊ အရွက်စုစုပေါင်း N သို့မဟုတ် စပျစ်နွယ်ပင်စုစုပေါင်း N နှင့် ရာသီကုန်စုစုပေါင်းအထွက်နှုန်း (ဇယား 4) ကို ခန့်မှန်းနိုင်မည်ဖြစ်သည်။ မော်ဒယ်များအတွက် ကောင်းမွန်သော အံဝင်ခွင်ကျမှုကို တိုင်းတာရန်အတွက် 2 မှ 0 အထိ အကွာအဝေးရှိသော R1 ကို အသုံးပြုခဲ့သည်။ R2 မြင့်လေ၊ ခန့်မှန်းလေ ပိုကောင်းလေဖြစ်သည်။ R2 သည် 0.75 ထက် မြင့်မားပါက အလွန်ကောင်းသော ခန့်မှန်းချက်ဟု ယူဆပါသည်။
VRI စနစ်နှစ်ခုလုံးတွင်၊ အစိုဆုံးဧရိယာမှဥများသည် အခြောက်သွေ့ဆုံးနှင့် ပျမ်းမျှဧရိယာများမှ အပင်များနှင့် နှိုင်းယှဉ်ပါက တိကျသောဆွဲငင်အားနည်းပါးပြီး နော်ဇယ်ထိန်းချုပ်မှုစနစ်အောက်တွင် ကွာခြားချက်မှာ သိသိသာသာဖြစ်သည် (ဇယား 1)။
ပုံ 2 သည် အကွက်တစ်ခုစီ၏ အစိုဆုံးဧရိယာမှ ဥများသည် အလျားနှင့် အနံအချိုး သိသိသာသာမြင့်မားကြောင်း ပြသထားသည်။ အလားတူ ဖြစ်ပွားမှုနှုန်း မြင့်မားခဲ့သည်။
အကွက်နှစ်ခုလုံး၏အစိုဆုံးဧရိယာများမှဥများတွင်အခေါင်းပေါက်ရှိနှလုံးနှင့်အမြန်နှုန်းထိန်းချုပ်မှုစနစ် (ဇယား 2) အောက်တွင်သိသိသာသာကွာခြားသည်။
48°F အောက်တွင် သိုလှောင်ထားစဉ်တွင်၊ အကွက်နှစ်ခုလုံး၏ အစိုဆုံးနေရာများမှ ဥများတွင် ပုပ်ခြင်းဖြစ်ပွားမှုပိုများသည်ကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည် (ပုံ 3)။ ရွှဲရွှဲမြေများတွင် စိုက်ပျိုးထားသော ဥများသည် မျက်နှာပြင်ပေါ်ရှိ ပဲစင်းငုံများကို ကျယ်စေပြီး လယ်ကွင်းအတွင်းနှင့် သိုလှောင်မှုအတွင်း ပိုးမွှားများအတွက် ပြီးပြည့်စုံသော ဝင်ရောက်မှုအမှတ်များ ဖန်တီးပေးသည်ဟု ယူဆရသည်။
ထို့အပြင်၊ ကျွန်ုပ်တို့သည် အမြန်နှုန်းထိန်းချုပ်မှု VRI စနစ်၏ ဆည်မြောင်းထိရောက်မှု (IE) ကို တွက်ချက်ခဲ့သည် (nozzle control VRI နံပါတ်များကို မရရှိနိုင်ပါ)၊ ၎င်းသည် အစိုဆုံးဧရိယာတွင် IE ၏ ပျမ်းမျှဧရိယာနှင့် နှိုင်းယှဉ်ပါက သိသာထင်ရှားစွာ တိုးတက်မှုရှိကြောင်း ပြသခဲ့သည်။ လယ်ကွင်း။ အခြောက်သွေ့ဆုံးဧရိယာရှိ IE သည် ပျမ်းမျှ (ဇယား 3) ထက် အနည်းငယ် မြင့်မားသည်။
နိုက်ထရိုဂျင်အခြေအနေအတွက်၊ အညှာနိုက်ထရိတ်-N ကိုခန့်မှန်းရန် NDVI ကိုအသုံးပြုခြင်းသည် အရွက်စုစုပေါင်း N နှင့် စပျစ်နွယ်ပင်စုစုပေါင်း N တို့နှင့်နှိုင်းယှဉ်ပါက အာလူးအမျိုးအစားနှစ်မျိုးလုံးအတွက် အကောင်းဆုံး R2 ရလဒ်များကို ထုတ်ပေးသည်။ စုစုပေါင်းအထွက်နှုန်းခန့်မှန်းချက်အတွက် DT နှင့် RF တို့သည် SVM ထက် ပိုမိုကောင်းမွန်ပြီး ရလဒ်များ 2019 သည် 2018 ထက် ပိုကောင်းခဲ့သည် (ဇယား 4၊ အထက်)။
ယခုအချိန်အထိ ကျွန်ုပ်တို့တွေ့ရှိခဲ့သည်
- 1) အဆုံးအဖြတ်သစ်ပင်နှင့် ကျပန်းသစ်တောများသည် ရာသီအလိုက် N အနေအထားနှင့် အာလူးအတွက် ရာသီကုန်အထွက်နှုန်းနှစ်မျိုးလုံးကို ခန့်မှန်းနိုင်သော vector machine ထက် ပိုမိုကောင်းမွန်ပါသည်။
- 2) အရွက် သို့မဟုတ် စပျစ်နွယ်ပင်များရှိ စုစုပေါင်း N နှင့် နှိုင်းယှဉ်ပါက NDVI နှင့် စက်သင်ယူမှုပုံစံများကို အသုံးပြု၍ အညှာနိုက်ထရိတ်-N ကို ပိုမိုကောင်းမွန်စွာ ခန့်မှန်းနိုင်သည်။ ကျွန်ုပ်တို့သည် မော်ဒယ်များကို တရားဝင်အတည်ပြုပြီး အာလူးမျိုးကွဲများဆိုင်ရာ အချက်အလက်များကို နှစ်ပေါင်းများစွာ ပိုမိုအသုံးပြုကာ ဤလုပ်ငန်းကို ချဲ့ထွင်ပါမည်။
စာရေးသူသည် Wisconsin အာလူးနှင့် ဟင်းသီးဟင်းရွက်စိုက်ပျိုးသူများအသင်း၊ Wisconsin Department of Agriculture, Trade and Consumer Protection, Wisconsin Fertilizer Research Council, နှင့် University of Wisconsin-Madison College of Agricultural and Life Sciences တို့ကို ရန်ပုံငွေပံ့ပိုးပေးသည့်အတွက် ကျေးဇူးတင်ပါသည်။
— Yi Wang သည် University of Wisconsin-Madison ၏ ပန်းစိုက်ခင်းဌာနရှိ လက်ထောက်ပါမောက္ခဖြစ်သည်။ သူမသည် Spudman's Emerging Leader Award ၏ ယခင်ဆုရှင်တစ်ဦးဖြစ်သည်။