A vízhiány egyre nagyobb kihívást jelent a mezőgazdaság számára, különösen azokban a térségekben, ahol a csapadék egyenetlen eloszlása és a gyakori aszályok veszélyeztetik a termésbiztonságot.
Az öntözés megfelelő időzítéséhez azonban nem elegendő ismerni az időjárási körülményeket: azt is tudni kell, mennyi víz áll rendelkezésre a talajban.
A talajnedvesség hagyományos meghatározása többnyire helyszíni mintavétellel vagy telepített mérőeszközökkel történik. Ezek pontos eredményeket szolgáltathatnak, de nagyobb mezőgazdasági területeken időigényesek, és nem feltétlenül mutatják meg a táblán belüli különbségeket. A távérzékelés ezzel szemben lehetőséget kínál arra, hogy a gazdálkodók nagyobb területek vízellátottságáról kapjanak részletes információkat.
A búza egyik legérzékenyebb fejlődési szakaszát vizsgálták
A kínai Zhengzhou Egyetem és kutatópartnerei az Agronomy folyóiratban publikált tanulmányukban azt vizsgálták, miként becsülhető meg a talaj nedvességtartalma drónos felvételek és gépi tanulási algoritmusok segítségével.
A kutatást a kínai Henan tartományban, egy 5,93 négyzetkilométeres, jellemzően őszi búzával és kukoricával művelt területen végezték. A mérésekre 2025 márciusának végén, a búza szárba indulásának időszakában került sor.
Ez a fejlődési szakasz különösen fontos a termésképzés szempontjából. A növény vízigénye ilyenkor jelentősen megnő, a nedvességhiány pedig kedvezőtlenül befolyásolhatja a kalász fejlődését és a szemek számát. Ugyanakkor a túlzott vízellátás sem előnyös, mivel fokozhatja a megdőlés és bizonyos növénybetegségek kockázatát.
A kutatók összesen 90 mintavételi ponton határozták meg a talaj felső, 0–20 centiméteres rétegének nedvességtartalmát. Ezzel párhuzamosan multispektrális kamerával és radarral felszerelt drónok segítségével gyűjtöttek adatokat a növényállományról és a talajfelszínről.
A növényzet alatt rejtőző nedvességet is becsülték
A módszer egyik legfontosabb sajátossága, hogy két eltérő távérzékelési technológiát kapcsoltak össze.
A multispektrális kamerák a növények által visszavert fény különböző hullámhosszait vizsgálják. Ezekből olyan vegetációs indexek számíthatók, amelyek információt szolgáltatnak a növényállomány állapotáról és fejlődéséről.
A szintetikus apertúrájú radar, vagyis a SAR ezzel szemben mikrohullámú jeleket használ. Ezek bizonyos körülmények között a növényzeten keresztül is képesek információt szolgáltatni a talajfelszínről. A visszaverődő radarjelek azonban nemcsak a talaj nedvességtartalmától, hanem a növényzet tulajdonságaitól és más felszíni tényezőktől is függenek.
A kutatók ezért az úgynevezett vízfelhőmodellt is alkalmazták, amely segít elkülöníteni a növényzet és az alatta található talaj hozzájárulását a radarjelhez. Az így kapott adatokat három különböző gépi tanulási algoritmussal dolgozták fel.
A kutatók arra is kíváncsiak voltak, hogy a különböző mérési adatok együttes felhasználása javítja-e a becslések pontosságát.
