Χρήση δεδομένων των drones για διαφοροποιημένη λίπανση (Φάνης Γέμτος)*
Ιδιαίτερα ενδιαφέρουσα είναι η χρήση του χρώματος των φυτών για την αζωτούχο λίπανση. Εάν δεν υπάρχει άλλος λόγος για αλλαγή χρώματος προς το κίτρινο (όπως έγραψα στο προηγούμενο), τότε η αιτία είναι η έλλειψη αζώτου.
Ξεκινώντας από αυτήν την ιδέα, έγιναν οι πρώτες προσεγγίσεις. Ο παραγωγός φρόντιζε ένα μικρό κομμάτι του χωραφιού (λίγα τετραγωνικά) να έχει πλήρη αζωτούχο λίπανση. Εάν ο αισθητήρας πάρει μία εικόνα το κομματιού, τότε έχουμε το χρώμα (NDVI) της πλήρους αζωτούχου λίπανσης. Κάθε σημείο του χωραφιού με το ίδιο χρώμα δε χρειάζεται επιπλέον αζωτούχο λίπασμα. Κάθε διαφορετικός χρωματισμός προς το κίτρινο σημαίνει μεγαλύτερη ανάγκη για άζωτο.
Ερευνητικές μελέτες έδωσαν εξισώσεις, που εκτιμούσαν το ποσοστό του λιπάσματος ως προς την επιθυμητή δόση που έπρεπε να εφαρμοστεί ανάλογα με το χρώμα της φυτείας. Η ιδέα αυτή αποτέλεσε τη βάση λιπασματοδιανομέων, που εφάρμοζαν διαφορετική δόση του αζώτου ανάλογα με το χρώμα της φυτείας. Η ιδέα εφαρμόστηκε με δύο τρόπους. Στον έναν, χάρτες του χωραφιού με το χρώμα των φυτών, που δημιουργούνται από αισθητήρες σε εναέρια μέσα (δορυφόρους, ΜΕΟ) δημιουργούσαν χάρτη εφαρμογής του λιπάσματος, που εισάγονταν στον αντίστοιχο λιπασματοδιανομέα, που έκανε την εφαρμογή στο χωράφι. Η δεύτερη εφαρμογή έγινε με αισθητήρες τοποθετημένους στην οροφή του τρακτέρ (βλ. φωτογραφία με το σύστημα της YARA που πρωτοπόρησε στις εφαρμογές αυτές), που μετρούσαν τον δείκτη βλάστησης μπροστά από το τρακτέρ και ρύθμιζαν αυτόματα την εφαρμοζόμενη ποσότητα του αζωτούχου λιπάσματος.
Τα συστήματα εξελίχθηκαν και σήμερα δε χρειάζονται πλέον περιοχές με πλήρη λίπανση. Αλλά με τις πρώτες διαδρομές επιτυγχάνουν αυτόματη ρύθμιση της δόσης με μεγάλη επιτυχία.
Το δεύτερο σύστημα δοκιμάσαμε στο πρόγραμμα Ελληνικού Σίτου MISKO με μεγάλη επιτυχία και με ουσιαστική μείωση του εφαρμοζόμενου λιπάσματος, χωρίς μείωση της απόδοσης της φυτείας, αντίθετα είχαμε μικρές αυξήσεις. Αυτό που ήταν ιδιαίτερα εντυπωσιακό ήταν ότι στο τμήμα του χωραφιού, που την προηγούμενη χρονιά ήταν σπαρμένο με κουκιά και προφανώς υπήρχε άζωτο, το σύστημα της Augmenta, που χρησιμοποιήσαμε, έριξε λιγότερο λίπασμα, ενώ ο παραγωγός εφάρμοσε παντού το ίδιο. Σκεφτείτε ότι το παραπάνω απ’ ό,τι χρειάζεται άζωτο δεν επιβαρύνει μόνο το κόστος παραγωγής, αλλά είναι επιβλαβές για το περιβάλλον, καθώς το επιπλέον άζωτο εκπλύνεται στα βαθύτερα στρώματα, ρυπαίνοντας τους υπόγειους υδροφορείς. Είναι προφανής η ωφέλεια από τη διαφοροποιημένη αζωτούχο λίπανση για το περιβάλλον.
Τώρα σκεφτείτε τη δυνατότητα που μπορεί να σας δώσει η εικόνα του χωραφιού σε διάφορα στάδια της ανάπτυξης της φυτείας. Θα έχετε μπροστά σας μία εικόνα του χωραφιού σε κάθε στάδιο και κυρίως μετά από κάθε ιδιαίτερο καιρικό φαινόμενο ή κάποια επέμβαση που κάνατε. Ας προσπαθήσουμε να δούμε τι ωφέλειες θα είχαμε. Ο κάθε αγρότης εμπειρικά θυμάται ποια είναι η επίδραση κάθε γεγονότος στο χωράφι του. Προφανώς θυμάται τι έκανε την προηγούμενη, ίσως και την προ-προηγούμενη. Πιο πίσω, η μνήμη είναι αδύνατη και τα στοιχεία δύσκολα αξιοποιήσιμα. Με τις εικόνες – χάρτες του χωραφιού, είτε τυπωμένους, είτε στον υπολογιστή του, είτε στο κινητό του, αποκτά μνήμα για πολλά χρόνια. Αν, μάλιστα, κρατά και ένα ημερολόγιο για τον καιρό και τις επεμβάσεις που κάνει στο χωράφι του, έχει δεδομένα πολλών ετών να αναλύσει και να αποκτήσει τη γνώση τι να εφαρμόσει σε ανάλογες καταστάσεις στο μέλλον. Αν στους χάρτες των ΜΕΟ προσθέσουμε και χάρτες της παραγωγής, τότε έχουμε και μια σύνδεση των εικόνων του χωραφιού με την παραγωγή. Αν προσθέσουμε και χάρτες ηλεκτρικής αγωγιμότητας του εδάφους που μας δίνουν την εικόνα της διαφοροποίησης του εδάφους, έχουμε και το υπόβαθρο πάνω στο οποίο λειτουργούμε.
Όλα αυτά τα στοιχεία μάς δίνουν τη δυνατότητα να καταλάβουμε πολλά φαινόμενα στο χωράφι μας. Θα σας δώσω ένα παράδειγμα (νομίζω ότι το έχω αναφέρει και παλαιότερα). Σε ένα χωράφι που μελετούσαμε για πολλά χρόνια, είχαμε απεικονίσει τα χαρακτηριστικά του εδάφους. Το χωράφι είχε βαρύτερο έδαφος βόρεια και ελαφρύτερο νότια. Η παραγωγή βαμβακιού συνήθως ήταν μεγαλύτερη στο βόρειο τμήμα και μικρότερη στο νότιο. Μια χρονιά διαπιστώσαμε ότι το νότιο τμήμα είχε μεγαλύτερη παραγωγή. Τι είχε συμβεί ; Η χρονιά είχε μια βροχερή και σχετικά κρύα άνοιξη. Προφανώς το βαρύτερο έδαφος κράτησε περισσότερη υγρασία και θερμάνθηκε αργότερα την άνοιξη από το ελαφρύτερο που στράγγισε ευκολότερα και ζεστάθηκε νωρίτερα, επιτρέποντας την καλύτερη αρχική ανάπτυξη του βαμβακιού, που έδωσε τελικά καλύτερη παραγωγή. Συμπέρασμα για τον παραγωγό : Σε χρονιές με υγρή και κρύα άνοιξη το νότιο τμήμα ήθελε περισσότερο λίπασμα κ.λπ. για να δώσει τη μεγαλύτερη παραγωγή.
Μια δεύτερη εφαρμογή είχαμε σε έναν οπωρώνα που παρακολουθούσαμε τους δείκτες βλάστησης στη διάρκεια της βλαστικής περιόδου κάθε εβδομάδα. Διαπιστώσαμε ότι η καλύτερη συμφωνία δείκτη βλάστησης και παραγωγής ήταν στο τέλος Ιουνίου. Αυτό μας υποδείκνυε ότι η καλύτερη περίοδος περιποίησης του οπωρώνα ήταν τον Ιούνιο και θα μας έδινε την καλύτερη παραγωγή.
Αυτά τα αποτελέσματα μας έδωσαν οι εμπειρικές αναλύσεις των εικόνων που είχαμε. Εκείνη την εποχή (δεκαετία του 2000-2010) αυτά ήταν τα εργαλεία που είχαμε. Σήμερα, όμως, με την ανάπτυξη της τεχνολογίας και των δυνατοτήτων ανάλυσης πολλών δεδομένων οι αναλύσεις είναι λεπτομερέστερες και αναλυτικότερες. Με τη χρήση τεχνητής νοημοσύνης τα πράγματα γίνονται ακόμα ευκολότερα και μπορούν να μας βοηθήσουν στην καλύτερη διαχείριση των χωραφιών μας.
Είναι εύκολα όλα αυτά να τα εφαρμόσουν οι αγρότες μας ; Προφανώς όχι. Ιδιαίτερα οι μεγαλύτερης ηλικίας, που είναι και οι περισσότεροι. Αυτό μας κάνει να σκεφτόμαστε ότι θα βρεθούμε σε δυσμενή θέση στον ανταγωνισμό με αγρότες που χρησιμοποιούν αυτές τις νέες τεχνολογίες.
Πώς θα τους ανταγωνιστούμε ; Προφανώς με μειωμένα εισοδήματα και αμοιβή εργασίας. Αποτέλεσμα της χαμηλής παραγωγικότητάς μας.
Τι πρέπει να κάνουμε ; Η λύση μάλλον δεν είναι οι αποζημιώσεις και οι παράνομες και νόμιμες επιδοτήσεις που εφαρμόζει το ΥΠΑΑΤ και στα οποία πλειοδοτεί και η αντιπολίτευση.
Χρειαζόμαστε σύστημα βασικής τεχνικής εκπαίδευσης και διαρκούς εκπαίδευσης των αγροτών, μαζί με ένα σύστημα σύνδεσης έρευνας και γεωργικής παραγωγής, καθώς και συμβούλους για του αγρότες. Διαφορετικά θα μένουμε συνεχώς πίσω.
*Φάνης Γέμτος, γεωπόνος, ομότιμος καθηγητής του Πανεπιστημίου Θεσσαλίας, μέλος της Ε.Δ.Υ.ΘΕ.
ΠΗΓΗ : ΕΛΕΥΘΕΡΙΑ
