Növénytermesztés távlatokból – Multispektrális távérzékelés

A világon megfigyelhető trendek alapján itthon is jelentős szerep jut majd a drónoknak, amik hozzájárulhatnak a mezőgazdaság digitalizációjához, a fenntartható, hatékony és környezetbarát gazdálkodási módszerek kidolgozásához.

A növényi stressz

A drónok és főleg a multispektrális kamerák feladatának megértéséhez szükség van egy kis növényélettani alapozásra. A növények helyhez kötött életmódúak, nem képesek aktív helyváltoztatásra, emiatt sokkal kitettebbek a környezet megváltozásának, mint az állatok.

Adott környezeti tényező megváltozása ezért stresszt okozhat a növény számára.

Embereknél és állatoknál a stressz egy jól definiált állapot: főleg nyugtalanságot, idegességet, egy túlerőltetett állapotot jelent, aminek lelki és akár fizikai megnyilvánulásai is lehetnek. Ki látott már ideges növényt? Szándékosan nem stresszest említünk, mert a növények is stresszelnek, csak ennek a jellege más mint az embereknél.

Mivel a növények nem képesek aktív helyváltoztatásra, nyilvánvaló, ha valamilyen változás történik a környezetükben, akkor ahhoz alkalmazkodniuk kell. Ennek érdekében egy rendkívül összetett anyagcserét fejlesztettek ki az evolúció során, aminek segítségével helyben képesek reagálni a környezeti kihívásokra. De mégis, hol vannak a határaik?

A definíció szerint a növényi stressz az a fiziológiai vagy élettani állapot, amelyben a növények növekedése, fejlődése és szaporodása az optimális alkalmazkodás tartományán kívül, a fokozott környezeti terhelés miatt a genomban meghatározott lehetőségek alatt marad (Szigeti, 2018).

1. ábra Az élettani funkciók változása a környezeti tényezők intenzitásának függvényében

Tehát a növényeknek, és egyébként minden élőlénynek, van egy optimális alkalmazkodási tartománya, amiben jól érzik magukat, ahol minden adott az optimális fejlődéshez. A kedvezőtlen körülményekhez azonban valahogy alkalmazkodniuk kell.

Ekkor termelődnek a növényben olyan stresszvédő vegyületek, amiknek segítségével a növény átvészelheti a kritikus időszakot. (Ezek szintetikus formáját, a növényével mindenben megegyező vegyületeket ma már széles körben használnak a növényi stresszválasz erősítésére, amiket növénykondícionáló szereknek hívunk.) A stresszfaktorok elleni védekezés a növény számára viszont időveszteséget jelent, emiatt nem jut elég idő és energia a növekedéshez, fejlődéshez, terméskötéshez.

Mi okoz stresszt?

Tulajdonképpen bármi, ami a növényt tartósan az optimális alkalmazkodási tartományán kívülre szorítja. A hőmérséklet extrém változásai, túl sok vagy túl kevés csapadék, túl erős vagy túl kevés napfény, környezetszennyezés miatt a talajba kerülő nehézfémek, tápanyaghiány, túl sok tápanyag. A mezőgazdasági monokultúrákban bármelyik komoly problémát okozhat. Ehhez adódnak hozzá a gyakran előforduló patogén fertőzések és herbivorok, melyek tovább gyengítik az egyébként is nehéz helyzetben lévő növényeket. Tehát a növénynek a növekedés és védekezés közötti egyensúlyt kell megtalálnia, amit az extrém időjárásváltozások egyre nehezebbé tesznek. Szakmai értelemben mindez a növény fitneszét, vagyis az utódokra fordítható energia mennyiségét csökkenti. Ez egyszerűen lefordítva gazdasági növények esetében a termésmennyiség csökkenéséhez vezet.

Minden évben jelentős terméskiesést okoz az aszály, a hirtelen leeső túl sok csapadék miatt kialakuló belvíz és a párás időben elszaporodó patogének által okozott abiotikus és biotikus stressz. Meddig képesek ehhez alkalmazkodni a növények? Evolúciós léptékben elvileg tudnának, azonban ez egy lassú folyamat, a klímaváltozás pedig ennél sokkal gyorsabban történik. Ellenállóbb fajták nemesítése is több éves folyamat, a génmódosítás pedig az Európai Unióban, így Magyarországon sem engedélyezett.

Tehát a mezőgazdaságnak fel van adva a lecke, valahogy reagálni kell. Azzal kell dolgozni ami rendelkezésre áll és azért kell dolgozni, hogy új precíziós módszereket állíthassunk „hadrendbe”.

A egyre kiszámíthatatlanabb időjárás miatt az elmúlt években a termésbiztonság és annak növelése került középpontba. Ennek javításához számos megoldással lehet találkozni, amiből a drónokat és a multispektrális távérzékelést szeretnénk kiemelni. E módszer lehetőséget nyújt a növények állapotának monitorozására a problémák azonosítására és minél gyorsabb kezelésére. A multispektrális távérzékeléssel régóta foglalkoznak, de mostanra ért el addig a technikai fejlődés, hogy hatékony és kézzel fogható módszer legyen a kezünkben a termésbiztonság javítására.

A multispektrális távérzékelés

Min alapul a multispektrális távérzékelés? Tulajdonképpen a növény által visszavert, vagy reflektált fényen és annak mennyiségének detektálásán. Ennek tipikus profilja van, aminek egy általánosított változatát a 2. ábra mutatja. Egy ilyen reflektancia spektrumot hiperspektrális kamerával drónról vagy műholdról lehet felvenni, amit már nagyon régen alkalmaznak. Ebből a spektrumból ki lehet emelni 5 hullámsávot, aminek felhasználásával a növények állapotának felmérését elvégezhetjük.

Ezek a tartományok a Micasense Red-Edge MX kamera esetében kékben (B) 475nm-nél, zöldben (G) 560 nm-nél, vörösben (R) 668 nm-nél, távoli vörösben (FR, az angol red-edge-nek mondja) 717 nm-nél és közeli infravörösben (NIR) 840 nm-nél találhatóak. A látható hullámhossz tartományban (400-700 nm) a reflektanciát alapvetően a növényekben található klorofill szabja meg. A klorofill a növények fotoszintéziséhez szükséges színanyag és a látható hullámhossz tartományban több ponton is elnyelést mutat. Az egyik a kék tartományban a másik a vörösben található. Ezeknél a pontoknál látszik is, hogy alacsony a reflektancia, mivel ezt a fényt a növény hasznosítja. A távoli vörös tartományban egyre jobban előtérbe kerül a fényvisszaverés, ami a közeli infravörösben a legnagyobb.

2. ábra Egy egészséges növény tipikus reflektancia spektruma. Színes oszlopokkal jelöltük a Micasense Red-edge MX multispektrális kamera által használt hullámhossz tartományokat. (fotosz. hat.: fotoszintetikus hatékonyság; FR: távoli vörös (far red); NIR: közeli infravörös (near infrared)) (Peñuelas és Filella, 1998 nyomán)

A részletezett hullámhossz tartományokat felhasználva számos diagnosztikai módszert használhatunk a növények állapotának felméréséhez. Ide tartozik a klorofilltartalom, a tápanyag ellátottság, de fejlődési vagy fenológiai különbségeket is ki lehet mutatni. Hogyan?

A 2. ábrán látható spektrum egy egészséges növény reflektanciáját mutatja. „Beteg” növény esetén ez a spektrum megváltozik. A kék tartományban minimális változás történik. Ezzel szemben a zöld és vörös tartományban a reflektancia megnő, amíg a távoli vörös és közeli infravörös tartományokban lecsökken. Ebből egyértelműen adódik, hogy többféle stressz vagy vegetációs index számolható, melyek jól leírják a növények állapotváltozásait.

A leggyakrabban használt vegetációs indexek

Ebben a fejezetben felsorolt indexek hamisszínes felvételeit a 3., 4., és 5. ábrán szemléltetjük

Az NDVI (Normalized Difference Vegetation Index) a NIR és R tartományokat használja, amiből a zöld biomassza mennyiségére és állapotára lehet következtetni. Ez az index a növények fiatal korában jól használható, viszont idővel telítődik és csak a nagy problémákat lehet vele kimutatni. Tehát alapvetően például a vetés minőségének feltérképezésére, tőszámlálásra alkalmas.

3. ábra NDVI felvételek hamisszínes változatai. Bal oldalon egy fejlett és fiatal növényzet közötti különbségek, a jobb oldalon körülbelül 3 hetes kukorica látható.

A GNDVI (Green NDVI) a G és NIR tartományokat használja. Az NDVI telítődése után lehet hasznos, ahol még az NDRE nem elég megbízható. A GRVI (Green-Red Vegetation Index) a G és R sávokat használja. Ez is az NDVI kiváltására használható, valamivel érzékenyebb.

4.ábra A GRVI felvételek hamisszínes változatai. A képeken ugyanazok a növények láthatóak, mint a 3. ábra esetében.

Az NDRE (Normalized Difference Red-Edge index) a FR és NIR tartományokat használja. A fiatal növényeket nem érzékeli, ezért az NDVI-al ellentétben a kifejlett növények vizsgálatára alkalmas. Értéke nagyon jól korrelál a klorofilltartalommal.

5. ábra Az NDRE felvételek hamisszínes változatai. A képen csak a fejlett növényzet látható, mivel ezzel az indexszel ez vizsgálható nagy pontossággal. Megfigyelhetőek finom különbségek, amelyek az előző két ábrán nem lehet felfedezni.

Hogyan készül egy elemzés?

Az első lépés a repülési terv elkészítése, ami során kijelöljük a berepülendő területet, a repülés sebességét, a repülési magasságot. Ezután betápláljuk a drónnak, ami automatikusan elvégzi a megírt programot. Normális esetben semmi dolgunk nincs. A drón elmegy, elkészíti a felvételeket és magától vissza is jön.

Micasense Red-edge MX multispektrális kamerával felszerelt DJI Inspire 2 drón

Drónpilóta képzésre azért van szükség, mert a hatékony térképkészítés alapos ismereteket igényel, hiszen a repülési magasság, a sebesség, az átfedések mind összefüggnek egymással és komoly feltételeket támasztanak. Emellett ha valamilyen külső tényező okán be kell avatkozni a drón repülésébe, akkor az eszközt biztonságosan haza is kell reptetni és le is kell szállni vele.

A drón sok-sok kis felvételt készít a kijelölt területről, amiből egy nagyot kell összerakni, ezt hívjuk ortofotónak. Rajta lesz a teljes vizsgált földterület, az összes hullámsáv és a gps koordináták. Ezt a felvételt használhatjuk további elemzésekre. Az analízisek során indexeket számolunk. Ezek általában normalizált értékeket adnak, amik 0 és 1 közé esnek. Ezeket már be lehet színezni, hogy látványosabb felvételt kapjunk.

A felvételek tehát tartalmazzák a GPS koordinátákat, gyakorlatilag minden pixelhez rendelhető egy koordináta. Ezáltal a felvételek térképen ábrázolhatóak, ami több földterület esetén kifejezetten hasznos. Ezt online felületeken lehet elvégezni.  Ilyen például az AGRONmaps.

Az elemzések elkészülte után az eredményeket a térképes hozzáférés mellett jegyzőkönyv formájában mentjük el, illetve adjuk oda az ügyfélnek.

Fejlesztési lehetőségek a multispektrális távérzékelésben

A multispektrális távérzékelésben még hatalmas fejlesztési potenciál van. Számos lehetőség adott, amik részletes kidolgozásához a felvételekből kinyerhető számokat és a statisztikát kell segítségül hívni. Az évek során számos indexet kidolgoztak, de az érzékenységüket lehet fokozni részletesebb klorofill térképek, tápanyagtartalom és stressztérképek előállításához. Érdekes terület, hogy milyen pontossággal tudunk egyes patogéneket jelezni a korai fertőzési stádiumokban. Ez a terület még nagyon gyerekcipőben jár. Legtöbbször már csak a súlyos problémákat lehet felfedezni. Ezt speciális indexek kidolgozásával és a földekre telepített hőmérséklet és páratartalom szenzorokkal akár előre is hozhatjuk.

A növényeknek speciális multispektrális profilja van, a fajok között egyértelmű különbségek mutathatóak ki. Ezzel szemben akár fajták között is különbséget lehet tenni, ami a növénynemesítési folyamatokat nagyban segítheti. Megvizsgálhatjuk, hogy a talaj tápanyagtartalmának megváltozására hogyan reagál például adott búzafajta.

Ide tartozik még a vadkáranalízis, ami egy jól működő rendszer, de a precizitáson és az automatizáláson mindig lehet dolgozni.

Az egyik legfontosabb terület a pontos és részletes kijuttatási térképek készítése. Ezek segítségével irányítottan célba lehet juttatni herbicideket, fungicideket, növénykondícionáló szereket, műtrágyát, stb. Részletes koordinátákat adhatunk meg a drónnak vagy a traktornak, ezzel nagyban csökkenthetjük adott földterület kezelésére fordított költségeket. Mindezt egy stressztérkép elkészítésével tudjuk kombinálni, ami ezáltal lehetővé teszi az esetleges problémák azonosítását és kezelését. Ma még nincsenek olyan megbízható módszerek, amikkel a talaj tápanyagtartalmát, a gyomokat vizsgálni és azonosítani lehetne. Ezeken a területeken dolgozunk, hogy minél jobb szolgáltatásokat tudjunk nyújtani.

Felhasznált irodalom:

Feñuelas J, Filella I (1998): Visible and near- infrared reflectance techniques for diagnosing plant physiological status. Trends In Plant Science. 3 (4), 151-156 http://doi.org/10.1016/S1360-1385(98)01213-8

Szigeti Z (2018): A növényi stresszel kapcsolatos felfogásunk változásai. Botanikai Közlemények. 105 (2) 1–14

Minden jog fenntartva!

Balassa György

Növénybiológus – ELTE
AGRON Technologies