Прецизното земеделие предполага своевременно изпълнение на селскостопански дейности с висока производителност, намален брой операции и минимални разходи. Всичко това е възможно единствено, ако се вземат решения, които са базирани на голямо количество данни. Събирането, анализирането и визуализирането на данни е в основата на прецизното земеделие и оптимизациите на процесите.
Борбата с болестите през последните години е станала много трудна задача, защото метеорологичните условия са все по-сложни и създават големи предизвикателства пред земеделците. Основните въпроси са: Кога да се пръска превантивно? Да се пръска ли с лечебна цел, защото може би превенцията не е сработила?
Има два начина на работа: 1. Може да използвате времеви-базиран подход и подход базиран на събития. Чакате, докато растението се развие до определена степен, температурата да достигне до определена стойност, започват да се появяват вредители и тогава започвате да пръскате. След това третиранията се подновяват през определен интервал от време. Този начин на работа може да осигурява добра защита, но генерира прекалено много голям разход на пари и излишно третиране. 2. Използване на компютърни модели за болести. При тези модели се използват автоматични метеорологични станции, които събират данни от полето, предават ги в реално време към сървър, който ги анализира и веднага изчислява дали има риск от дадена болест.
Едно от най-практичните приложения на компютърните технологии е в автоматичните метеорологична станции. Тези станции могат да изпращат данни в реално време към смартфона Ви за 14 измерители – температура и относителна влажност на въздуха, листна влажност, валежи, скорост и посока на вятъра, слънчева радиация, температура и влажност на почвата, фотосинтетична активност, атмосферно налягане, точка на оросяване и евапотранспирация.
Получаването на данни не е единствената полза от тези станции. По-важното е, че софтуерът Ви предупреждава, че има голям риск за начало на инкубационния период на някоя болест, например за мана и тогава може да се пръска, а не да чакате първите признаци на болестта. Има следните готови модели за болести по лозата: мана по лозата (Plasmopаra viticola) – модел базиран на валежи и температурна сума; брашнеста мана (Uncinula necator) по модела на Гублер-Томас и по модела на Каст; сиво гниене по модела на Брум. На смартфона си може да получавате и предупреждения, че има риск от измръзване, висока или ниска влажност и др.
Друга много полезна функционалност е автоматичното изчисляване на денградусите и спрямо резултата да се взема решение. Тези стойности се използват с различни цели: при развитие на болести и вредители, при избор на сортове, прогнозиране на фази на развитие, определяне кога трябва да се извършват селскостопански операции и др.
Един от ограничаващите климатични фактори за отглеждането на гроздето е температурата или с други думи топлината. Обичайно е средната годишна температура да се приема като индикатор, но от гледна точка на лозарството се оказва недостатъчна. Сумата от ефективните температури с биологичен минимум (температурен праг) от 10° C се е показала като най-доброто заместване на средната температура. Вегетационният период на лозата продължава от началото на април до края на октомври. Топлината влияе върху развитието на растенията, тя влияе и върху цикъла на развитие на растителните патогени и вредители. Температурните суми се използват за определяне зрелостта на ооспорите при лозите. Счита се, че оспорите са зрели, когато сумата е от 160º C до 170º C от началото на календарната година с температурен праг от 8º C.
Проучване, проведено в Турция, използва температурни суми за определяне на присъствието на лозов молец. Резултатите показват, че първото поколение се е появило при сума от 120° C, второто поколение около 520° C, а третото поколение около 1047° C.
Автоматичните метеорологични станции могат да изчисляват температурните суми и да помагат при превенцията срещу болести и вредители по лозата и други култури.
Имаме готови модели за болести за: лозя, ябълки, картофи, маслини, маруля, царевица, ягоди, кромид, слънчоглед, цвекло, ориз, орехи.
Инж. Владислав Великов, „Великов Компютърс” ЕООД