在生长季节的某些时期,马铃薯种植者必须定期监测作物的氮状况,以便以最有效的方式施肥。
一种常见的做法是从每个田地的植物中收集叶子,然后将它们送到实验室进行硝酸盐分析。 几天之内,种植者就会收到结果,表明是否需要更多的氮肥或性能是否正常。 系统工作,但这个过程可以加速,说 一、王, 讲解员 威斯康星大学麦迪逊分校,园艺系。
“收集树叶需要花费大量时间和精力,”王说。
“有时结果可能会产生误导,因为叶子中的硝酸盐含量会受到许多因素的影响,例如天气条件或采样时间。 此外,结果没有考虑到该领域内的空间差异[氮需求]。”
项目资助 美国农业部国家粮食和农业研究所,涉及从高光谱相机收集和处理数据。 它安装在无人机(无人驾驶飞行器)或低空飞行的飞机上,飞越所研究的马铃薯地区。
Wang 的团队正在开发计算机模型,将图像与当季植物氮状态、产量、质量和季末经济回报联系起来。
“我和我的员工希望开发一个在线程序,将高光谱图像转换为有关施肥时间和施肥量的信息,以便种植者能够在对环境影响最小的情况下实现利润最大化,”王说。
“导致冠层状态变化的因素,例如营养状况、水分或疾病的存在与否,与光谱反射率相关,因此可以在高光谱图像中可视化,”王氏学院的研究生 Trevor Crosby 说。实验室。
在 70 x 150 米研究领域的一次飞行中,可以收集数十张图像,每张图像包含数百个光谱带。 为了加快图像处理速度,王聘请了两名关键员工。 Phil Townsend 是森林和野生动物生态学教授,是遥感技术的领导者。 农业与应用经济学系教授兼专家保罗·米切尔(Paul Mitchell)进行了经济分析,基于该分析的计算机模型提出了施氮的建议。
克罗斯比率先进行地面测量,从马铃薯生长各个阶段的实地调查地点收集数据。 这包括叶面积指数、叶和茎中的总氮浓度、块茎的数量和单个块茎的重量,以及土壤湿度和温度、太阳辐射和风速等环境因素。 在收获时,它测量块茎的总产量及其大小。
克罗斯比随后开发了改进的模型,将高光谱图像与地面测量联系起来。 目标是实时预测作物的氮素状态,并预测季节末块茎的产量。 至此,现场工作和图像处理完成,Crosby 正专注于模型开发。
王与该州的马铃薯和蔬菜种植者广泛分享他的研究。 他与全州的农民有着良好的关系,许多人都期待着他的研究成果。