စိုက်ပျိုးရေးပညာရှင်များသည်ဥနံပါတ်များကိုပုံဖော်နိုင်ရန်အတွက်ပင်စည်လူ ဦး ရေကိုသိရန်လိုအပ်သည်.
စိုက်ပျိုးသူများအနေဖြင့်အချိန်တန်လျှင်အာလူးစိုက်သည့်လူ ဦး ရေပမာဏကိုလယ်ကွင်းအတိုင်းအတာဖြင့်အကဲဖြတ်နိုင်မည်ဖြစ်သည်။ ၎င်းသည် AHDB ရန်ပုံငွေ PhD ကျောင်းသားဂျိုးဇက် Mhango ၏ Harper Adams တက္ကသိုလ်၏လုပ်ဆောင်မှုကြောင့်ဖြစ်သည်။ သူ၏ဆုံးဖြတ်ချက်ချသည့်ကိရိယာသစ်သည်ပင်မနံပါတ်များကိုတွက်ချက်ရန်အတွက်မောင်းသူမဲ့လေယာဉ်မှကောက်ယူရရှိသောပုံများနှင့်အတူ Deep Learning ဟုခေါ်သောအတုထောက်လှမ်းရေးကိုအသုံးပြုသည်။
ဒီနည်းပညာဟာအရာဝတ္ထုတွေကိုရှာဖွေတွေ့ရှိနိုင်ပြီး၊ ကိုယ်တိုင်မောင်းနှင်တဲ့ကားတွေမှာစက်ပစ္စည်းအမြင်အတွက်အသုံးပြုပါတယ်။ Mr Mhango က“ စိုက်ပျိုးရေးပညာရှင်တွေကဥနံပါတ်ကိုပုံဖော်နိုင်ဖို့ပင်မလူ ဦး ရေကိုသိဖို့လိုတယ်။
လွန်ခဲ့သော ၂ နှစ်တာကာလအတွင်းအာလူးစိုက်ခင်းတစ်လျှောက်တွင်ပင်စည်သိပ်သည်းမှုအမြင့်ဆုံးကွဲပြားမှုကိုခန့်မှန်း။ အပင် ၇၀ တွင်ပြသခြင်းအားဖြင့်အတုထောက်လှမ်းရေးကို အခြေခံ၍ နည်းစနစ်များကိုတီထွင်ခဲ့သည်။ မောင်းသူမဲ့လေယာဉ်မှရသောအနီရောင်၊ အပြာရောင်နှင့်အစိမ်းရောင်လှိုင်းအလျားများကို အသုံးပြု၍ အသီးအရွက်များညွှန်းကိန်းများကိုလေ့လာခြင်းအားဖြင့်ဂျိုးဇက်သည်အာလူးပင်များ၏ meristematic အကြံဥာဏ်များကိုရေတွက်။ ပင်စည်မှတ်တိုင်များကိုကိုယ်စားပြုနိုင်ကြောင်းတွေ့ရှိခဲ့သည်။
နက်ရှိုင်းစွာသင်ယူခြင်းသည်ပင်စည်နံပါတ်များကိုခန့်မှန်းရန်အားကောင်းသောမော်ဒယ်လ်ကိုတီထွင်ရန်အသုံးပြုသည်။ ဤကိရိယာသည်အဓိကအားဖြင့်ရိတ်သိမ်းမှုဆုံးဖြတ်ချက်များကိုလွယ်ကူချောမွေ့စေရန်ရည်ရွယ်သည်။ သို့မှသာဥပိုမိုများပြားသောareasရိယာများကိုပိုမိုစုဆောင်းရန်အချိန်ပိုရနိုင်ပြီးပိုနည်းသောဥများနည်းသောဥများကို ဦး စွာရိတ်သိမ်းနိုင်သည်။
“ ယခင်ကလေ့ကျင့်ထားသောမော်ဒယ်များကမြေperရိယာတွင်ပင်စည်နံပါတ်များများများစားစားရှိပါကဥ၏ပျမ်းမျှအရွယ်အစားအားဖြင့်ကုန်ကျစရိတ်ဖြင့်ဥပိုမိုမြင့်မားမည်ဟုမျှော်လင့်ရကြောင်းပြသခဲ့သည်။ စိုက်ပျိုးသူများအနေဖြင့်အာလူးပင်စည်လူ ဦး ရေနှင့်ဥအထွက်နှုန်းတို့၏အရွယ်အစားနှင့်အရွယ်အစားဖြန့်ဖြူးမှုတို့အကြားအကျွမ်းတ ၀ င်ရှိကြောင်းနှင့်ရိတ်သိမ်းချိန်နှင့် ပတ်သက်၍ ဆုံးဖြတ်ချက်များကိုပုံမှန်အားဖြင့်လယ်ယာအနှံ့အပြား၌အထွက်နှုန်းများစွာအပေါ်တွင်အခြေခံသည်။
"ဒီမော်ဒယ်နှင့်အခြားသူများအကြားခြားနားချက်ကတိကျစွာစိုက်ပျိုးရေးအတွက်စီမံခန့်ခွဲမှုဇုန်ကိုအကြမ်းဖျင်းမှသတင်းအချက်အလက်များကိုပေးအတွင်း - အတွင်းအပြောင်းအလဲတိုင်းတာရန်စွမ်းရည်ကိုထောက်ပံ့ပေးသောကြောင့်ဖြစ်သည်။ ဂျိုးဇက်၏မော်ဒယ်လ်သစ်ကို Shropshire နှင့် Lincolnshire ရှိအာလူးစိုက်ခင်းများတွင်စမ်းသပ်ခဲ့ပြီးအလွန်အလားအလာကောင်းကြောင်းသူကပြောသည်။ "ဒီကိရိယာအသစ်ကတိကျတဲ့လယ်ယာမြေကိုရဖို့ပိုပြီးလွယ်ကူသွားအောင်လုပ်လိမ့်မယ်။ ဘာလို့လဲဆိုတော့ဒီသတင်းကအပူချိန်အရအချိန်နှင့်ရိတ်သိမ်းခြင်း၊
ဓာတ်မြေသြဇာအထွက်နှုန်းသို့ဘာသာပြန်ဆို
သူ၏လေ့လာမှုများအရသူသည်လယ်ကွင်း ၅ ခုတွင်အာလူးသီးနှံစွမ်းဆောင်ရည်ကိုမြေပုံထုတ်ခြင်း၊ နိုက်ထရိုဂျင် (N)၊ ဖော့စဖရပ် (P) နှင့်ဆာလဖာ (S) နှင့်ဓာတ်မြေသြဇာပြောင်းလဲပုံနှင့်ကွဲပြားခြားနားပုံတို့ကိုလေ့လာခဲ့သည်။ သူတို့ပံ့ပိုးကူညီရပ်တန့်။ မြေဆီလွှာတွင်ရရှိနိုင်သောအဆင့်များကြောင့်မြေဆီသြဇာဓာတ်များကိုတုံ့ပြန်မှုသည်လယ်ပြင်၌ကွဲပြားနိုင်သည်။ ဓာတ်မြေသြဇာသုံးစွဲပြီးနောက်မြေဆီလွှာကိုနမူနာယူပြီး၊ များစွာသောလယ်ကွင်းများတွင်ဥအရွယ်အစားသေးငယ်သည့်လယ်ကွင်းအတွင်း P ၏ပိုမိုမြင့်မားသောအဆင့်များနှင့်ဆက်နွယ်သောဓာတ်မြေသြဇာလွန်ကဲမှု၏သက်သေသာဓကကိုတွေ့ရှိခဲ့သည်။
အာလူးတွင်ဥဥများစုစည်းထားသည့်ဥတစ်မျိုးရှိပြီးသာမာန်ဥများအနက်အချို့သာအာဟာရဓာတ်များကိုအပြည့်အ ၀ အသုံးချနိုင်သည်ကိုကျွန်ုပ်တို့နားလည်ထားသည်။ “ သို့သော်စိုက်ပျိုးသူများ၏လယ်ကွင်းများတွင်တွေ့ရသည့်အာဟာရဓာတ်များမြင့်မားစွာဖြင့်ကျွန်ုပ်တို့သည်ဤအချက်သည်အမြဲတမ်းမဖြစ်နိုင်ကြောင်းသက်သေအထောက်အထားများစုဆောင်းနေသည်။ လေ့လာတွေ့ရှိချက်များအရလေ့လာမှုတွင်တွေ့ရှိရသောနယ်ပယ်အားလုံးသည်အာဟာရဓာတ်များကိုအမြင့်ဆုံးရရှိထားပြီးထိုနယ်မြေများအတွင်း P ပမာဏနှင့်ဥအရွယ်အစားဖြန့်ဖြူးခြင်းတို့အကြားသိသိသာသာအနုတ်လက္ခဏာဆက်နွယ်မှုရှိသည်။
"ထိန်းချုပ်ထားသောကုသမှုနှင့်အတူကျပန်းစမ်းသပ်ချက်ကိုအသုံးပြု။ မယ့်အစား, ငါတို့အမှန်တကယ်လယ်ကွင်းအခြေအနေများတွင်မြေဆီလွှာနှင့်ဥအရွယ်အစားဖြန့်ဖြူးအကြားဆက်နွယ်မှုကိုနားလည်ချင်တယ်။ " ရလဒ်အနေဖြင့်သူသည်မော်ဒယ်များကိုတည်ဆောက်ရန်ပထဝီစာရင်းအင်းဆိုင်ရာစစ်တမ်းကောက်ယူမှုနည်းလမ်းကိုအသုံးပြုခဲ့သည်။ ၎င်းသည်ပုံမှန်လယ်သမားများ၏လယ်ကွင်းများတွင်တွေ့ရသည့်ဆက်ဆံရေးကိုပိုမိုရောင်ပြန်ဟပ်နိုင်သည့်မြှောက်ဖော်ကိန်းများဖြင့်မော်ဒယ်များကိုတည်ဆောက်ရန်ဖြစ်သည်ဟုသူကယုံကြည်သည်။ “ ကိစ္စတော်တော်များများမှာတောင်သူလယ်သမားတွေဟာသူတို့ရဲ့သီးနှံတွေလုံလောက်တဲ့အာဟာရရှိအောင်ကြိုးစားဖို့မြေသြဇာအလွန်များနေတယ်၊ ဒါပေမဲ့ဒါကအထွက်နှုန်းနဲ့အရည်အသွေးအပေါ်ဆိုးကျိုးသက်ရောက်စေနိုင်တယ်။ ”
ဤမော်ဒယ်များ၏သုံးဖက်မြင်သဘောသဘာဝသည်ပင်မရေတွက်ခြင်းပုံစံနှင့်ပေါင်းစပ်ပြီးကြိုတင်ဟောကိန်းများတိုးတက်စေရန်ဂြိုလ်တုပုံရိပ်များပါ ၀ င်သည်။ ဂျိုးဇက်၏ပါရဂူဘွဲ့၏တတိယအစိတ်အပိုင်းတွင်လွတ်လပ်စွာရရှိနိုင်သည့် high-resolution multispectral ဂြိုလ်တုပုံရိပ်များကိုသူ၏လေ့လာမှုနေရာများမှပေါင်းစည်းခြင်းပါဝင်သည်။ ဂြိုဟ်တုပုံရိပ်သည်စပါးရိတ်သိမ်းချိန်မတိုင်မီအာလူးအထွက်နှုန်းနှင့်ဥအရွယ်အစားဖြန့်ဖြူးခြင်း၏ပိုမိုကောင်းမွန်သောကြိုတင်ခန့်မှန်းခြင်းတိကျမှန်ကန်မှုကိုမည်သို့အောင်မြင်စေနိုင်မည်ကိုကျွန်ုပ်တို့တိုင်းတာလိမ့်မည်။
Agronomy Week မှတင်ပြချက်ကိုကြည့်ပါ။
ကဏ္:များ အာလူး
သငျသညျဖွစျရမညျ အတွက် logged မှတ်ချက် post ဖို့။