വളരുന്ന സീസണിലെ ചില കാലഘട്ടങ്ങളിൽ, ഏറ്റവും കാര്യക്ഷമമായ രീതിയിൽ വളം പ്രയോഗിക്കുന്നതിന് ഉരുളക്കിഴങ്ങ് കർഷകർ അവരുടെ വിളകളുടെ നൈട്രജൻ നില പതിവായി നിരീക്ഷിക്കണം.
ഓരോ വയലിലെയും ചെടികളിൽ നിന്ന് ഇലകൾ ശേഖരിക്കുകയും നൈട്രേറ്റ് വിശകലനത്തിനായി ലാബിലേക്ക് അയയ്ക്കുകയും ചെയ്യുക എന്നതാണ് ഒരു സാധാരണ രീതി. കുറച്ച് ദിവസങ്ങൾക്കുള്ളിൽ, കൂടുതൽ നൈട്രജൻ വളം ആവശ്യമാണോ അതോ പ്രകടനം സാധാരണമാണോ എന്ന് സൂചിപ്പിക്കുന്ന ഫലങ്ങൾ കർഷകർക്ക് ലഭിക്കും. സിസ്റ്റം പ്രവർത്തിക്കുന്നു, എന്നാൽ ഈ പ്രക്രിയ ത്വരിതപ്പെടുത്താൻ കഴിയും, പറയുന്നു I. വാങ്, ഡോസന്റ് വിസ്കോൺസിൻ-മാഡിസൺ യൂണിവേഴ്സിറ്റി, ഹോർട്ടികൾച്ചർ വകുപ്പ്.
"ഇലകൾ ശേഖരിക്കുന്നതിന് ധാരാളം സമയവും പരിശ്രമവും ആവശ്യമാണ്," വാങ് പറയുന്നു.
“ചിലപ്പോൾ ഫലങ്ങൾ തെറ്റിദ്ധരിപ്പിക്കുന്നതാകാം, കാരണം ഇലകളിലെ നൈട്രേറ്റിന്റെ അളവ് കാലാവസ്ഥാ സാഹചര്യങ്ങളോ സാമ്പിൾ എടുക്കുന്ന സമയമോ പോലുള്ള പല ഘടകങ്ങളാലും സ്വാധീനിക്കപ്പെടാം. കൂടാതെ, ഫലങ്ങൾ ഫീൽഡിനുള്ളിലെ സ്ഥല വ്യത്യാസങ്ങൾ [നൈട്രജൻ ആവശ്യകതകൾ] കണക്കിലെടുക്കുന്നില്ല.
പദ്ധതിക്ക് ധനസഹായം നൽകി USDA നാഷണൽ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് ഫുഡ് ആൻഡ് അഗ്രികൾച്ചർ, ഒരു ഹൈപ്പർസ്പെക്ട്രൽ ക്യാമറയിൽ നിന്നുള്ള ഡാറ്റയുടെ ശേഖരണവും പ്രോസസ്സിംഗും ഉൾപ്പെടുന്നു. ഇത് ഒരു UAV (ആളില്ലാത്ത ആകാശ വാഹനം) അല്ലെങ്കിൽ പഠിച്ച ഉരുളക്കിഴങ്ങ് പ്രദേശങ്ങൾക്ക് മുകളിലൂടെ പറക്കുന്ന ഒരു താഴ്ന്ന പറക്കുന്ന വിമാനത്തിൽ ഇൻസ്റ്റാൾ ചെയ്തിട്ടുണ്ട്.
ഇൻ-സീസൺ പ്ലാന്റ് നൈട്രജൻ നില, വിളവ്, ഗുണമേന്മ, അവസാന സീസണിലെ സാമ്പത്തിക വരുമാനം എന്നിവയുമായി ചിത്രങ്ങളെ ബന്ധിപ്പിക്കുന്നതിന് വാങ് ടീം കമ്പ്യൂട്ടർ മോഡലുകൾ വികസിപ്പിക്കുന്നു.
"എപ്പോൾ, എത്രമാത്രം വളപ്രയോഗം നടത്തണം എന്നതിനെക്കുറിച്ചുള്ള വിവരങ്ങളിലേക്ക് ഹൈപ്പർസ്പെക്ട്രൽ ഇമേജുകളെ പരിവർത്തനം ചെയ്യുന്ന ഒരു ഓൺലൈൻ പ്രോഗ്രാം വികസിപ്പിക്കുമെന്ന് ഞാനും എന്റെ സ്റ്റാഫും പ്രതീക്ഷിക്കുന്നു, അതുവഴി കർഷകർക്ക് കുറഞ്ഞ പാരിസ്ഥിതിക ആഘാതത്തിൽ പരമാവധി ലാഭം നേടാനാകും," വാങ് പറയുന്നു.
“പോഷകാവസ്ഥ, ഈർപ്പം അല്ലെങ്കിൽ രോഗത്തിന്റെ സാന്നിധ്യം, അഭാവം എന്നിവ പോലെ മേലാപ്പിന്റെ അവസ്ഥയിൽ മാറ്റങ്ങൾ വരുത്തുന്ന ഘടകങ്ങൾ സ്പെക്ട്രൽ പ്രതിഫലനവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു, അതിനാൽ ഹൈപ്പർസ്പെക്ട്രൽ ചിത്രങ്ങളിൽ ദൃശ്യവത്കരിക്കാനാകും,” വാങ്സിലെ ബിരുദ വിദ്യാർത്ഥിയായ ട്രെവർ ക്രോസ്ബി പറയുന്നു. ലാബ്.
70 മുതൽ 150 മീറ്റർ വരെ നീളമുള്ള ഒരു ഫ്ലൈറ്റിൽ, നൂറുകണക്കിന് സ്പെക്ട്രൽ ബാൻഡുകൾ അടങ്ങിയ ഡസൻ കണക്കിന് ചിത്രങ്ങൾ ശേഖരിക്കാനാകും. ഇമേജ് പ്രോസസ്സിംഗ് വേഗത്തിലാക്കാൻ, വാങ് രണ്ട് പ്രധാന ജീവനക്കാരെ നിയമിച്ചു. ഫോറസ്റ്റ് ആന്റ് വൈൽഡ് ലൈഫ് ഇക്കോളജി പ്രൊഫസറായ ഫിൽ ടൗൺസെൻഡ് റിമോട്ട് സെൻസിംഗ് ടെക്നോളജിയിൽ ഒരു നേതാവാണ്. അഗ്രികൾച്ചറൽ ആൻഡ് അപ്ലൈഡ് ഇക്കണോമിക്സ് വകുപ്പിലെ പ്രൊഫസറും സ്പെഷ്യലിസ്റ്റുമായ പോൾ മിച്ചൽ ഒരു സാമ്പത്തിക വിശകലനം നടത്തുന്നു, അതിനെ അടിസ്ഥാനമാക്കി ഒരു കമ്പ്യൂട്ടർ മോഡൽ നൈട്രജൻ പ്രയോഗത്തിനായി ശുപാർശകൾ നൽകുന്നു.
ക്രോസ്ബി, നിലം അളക്കുന്നതിൽ നേതൃത്വം നൽകി, ഉരുളക്കിഴങ്ങ് വളർച്ചയുടെ വിവിധ ഘട്ടങ്ങളിൽ ഫീൽഡ് സർവേ സൈറ്റുകളിൽ നിന്ന് വിവരങ്ങൾ ശേഖരിച്ചു. ഇതിൽ ഇലകളുടെ വിസ്തീർണ്ണ സൂചിക, ഇലകളിലെയും തണ്ടുകളിലെയും മൊത്തം നൈട്രജൻ സാന്ദ്രത, കിഴങ്ങുകളുടെ എണ്ണവും വ്യക്തിഗത കിഴങ്ങുകളുടെ തൂക്കവും, മണ്ണിന്റെ ഈർപ്പവും താപനിലയും, സൗരവികിരണം, കാറ്റിന്റെ വേഗത തുടങ്ങിയ പാരിസ്ഥിതിക ഘടകങ്ങളും ഉൾപ്പെടുന്നു. വിളവെടുപ്പ് സമയത്ത്, ഇത് കിഴങ്ങുവർഗ്ഗങ്ങളുടെ മൊത്തത്തിലുള്ള വിളവും അവയുടെ വലുപ്പവും അളക്കുന്നു.
ക്രോസ്ബി പിന്നീട് ഹൈപ്പർസ്പെക്ട്രൽ ചിത്രങ്ങളെ ഗ്രൗണ്ട് അധിഷ്ഠിത അളവുകളുമായി ബന്ധിപ്പിക്കുന്ന മെച്ചപ്പെട്ട മോഡലുകൾ വികസിപ്പിച്ചെടുത്തു. വിളകളുടെ നൈട്രജൻ നില തത്സമയം പ്രവചിക്കുകയും സീസണിന്റെ അവസാനത്തിൽ കിഴങ്ങുവർഗ്ഗങ്ങളുടെ വിളവ് പ്രവചിക്കുകയും ചെയ്യുക എന്നതാണ് ലക്ഷ്യം. ഈ ഘട്ടത്തിൽ, ഫീൽഡ് വർക്കുകളും ഇമേജ് പ്രോസസ്സിംഗും പൂർത്തിയായി, ക്രോസ്ബി മോഡൽ വികസനത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു.
സംസ്ഥാനത്തെ ഉരുളക്കിഴങ്ങ്, പച്ചക്കറി കർഷകരുമായി വാങ് തന്റെ ഗവേഷണം വ്യാപകമായി പങ്കിടുന്നു. സംസ്ഥാനത്തുടനീളമുള്ള കർഷകരുമായി അദ്ദേഹത്തിന് നല്ല ബന്ധമുണ്ട്, പലരും അദ്ദേഹത്തിന്റെ ഗവേഷണ ഫലങ്ങൾക്കായി കാത്തിരിക്കുകയാണ്.