Giriş
Drone’ların tarımda kullanımı son yıllarda hızla artarak tarım uzmanlarının mahsulleri izleme ve yönetme şeklini değiştirdi. Bu gelişim, gelişmiş sensörler, artan uçuş özerkliği ve toplanan verileri analiz etmek için yapay zeka algoritmalarının geliştirilmesi sayesinde istikrarlı bir şekilde devam ediyor.

Geleneksel tarımda, herhangi bir sorunu veya hastalık belirtisini tespit etmek için mahsulün izlenmesi çoğunlukla görsel olarak veya tahmin modelleri aracılığıyla yapılır. Öte yandan dronların kullanımıyla, belirli sensörler aracılığıyla ekili alanların havadan ayrıntılı bir görüntüsünü elde etmek, yüksek çözünürlüklü görüntüler yakalamak , su stresi, canlılık farklılıkları, belirli hastalık türlerinin salgınları ve diğer sorunlar gibi parametreleri tespit etmek mümkündür.

Bu gelişmiş izleme teknolojisinin profesyonel bilgi ve sahadaki görsel değerlendirmelerle entegrasyonu sayesinde, dronlar agronomik araştırmalar için güçlü bir araç olarak kullanılabilir ve bir dizi faaliyet için agronomiste değerli destek sağlayabilir(Şekil 1).

Şekil 1: Tarımda drone iş akışı (üstte), üzüm bağı canlılık haritası (solda) ve 3 sınıfta bitkisel canlılık bölgelendirmesi (sağda)

iDrone: tarım uzmanının güçlü bir müttefiki olarak drone
Agrobit, bu alandaki uzun yıllara dayanan deneyimi sayesinde iDrone Aşağıdaki yöntemlerlearaştırma süresini ve maliyetlerini azaltarak çiftçinin, tarım uzmanının ve tarım teknisyeninin çalışmalarını optimize etmeye yardımcı olmak için hizmet

1. Hava Fotogrametrisi
Dronlar mahsullerin havadan görsel olarak izlenmesi için kullanılabilir ve teknisyenlerin şunları yapmasını sağlar büyük ölçekte tesis koşullarının kapsamlı ve ayrıntılı bir görünümünü elde etmek ve tarihselleştirmek.

Bir drone’dan görünür uzaktan algılama görüntüleri elde edilebilir:

• görünür haritalar (RGB), bu sayede bitki örtülü alanı ölçmek, bitkileri veya arızaları saymak (Şekil 2), mahsulleri görsel olarak incelemek mümkündür
• Ürünlerin biyokütlesinin ölçülebildiği, ürünlerin ve arazinin 3 boyutlu modelleri (Şekil 2)
• Yeni tarım veya sulama sistemleri tasarlarken de yararlı olan sayısal yükseklik modelleri (DEM, DSM)

Teknisyenler, sezon boyunca birkaç uçuşu tekrarlayarak bitkilerin büyüme eğilimini değerlendirebilir ve gerekirse yetiştirme işlemlerinde ayarlamalar yapabilir.

Şekil 2: Bir üzüm bağının 3D modeli (solda) ve bitki ve arıza sayıları (sağda)

2. Multispektral haritalar
Canlılık haritaları tarımda aşağıdakiler için kullanılan araçlardır Bitkilerin sağlığını ve canlılığını ayrıntılı ve mekansal olarak doğru bir şekilde değerlendirir. Bu haritalar bitki sağlığı, büyüme, besin alımı ve su stresi gibi çeşitli faktörlerle ilişkilendirilebilen bitki canlılığı hakkında bilgi sağlar.

Multispektral uzaktan algılama drone görüntüleri ve bitki örtüsü endekslerinin kullanımı sayesinde elde etmek mümkündür:

• arazilerin daha kuvvetli ve daha az kuvvetli alanlar arasında ayırt edilmesine olanak tanıyan canlılık haritaları (endeksler: NDVI, OSAVI)
• stresli ve yetersiz alanları belirlemek için klorofil haritaları (indeksler: GNDVI, NDRE, MCARI, TCARI)
• yaşlanmaya bağlı olası stresi tespit etmek için antosiyanin ve karotenoid haritaları (indeksler: ARI, CRI)

Gereksinimlere bağlı olarak, bu bilgiler örneğin gübreleme, tedavi veya farklılaştırılmış hasat için yararlı reçete haritalarına dönüştürülebilir.

3. Isı haritaları
Su stresi haritaları, su stresi seviyesi hakkında mekansal olarak ayrıntılı bilgi sağlar. bitkilerin su stresiteknisyenlerin bilinçli su yönetimi ve sulama kararlarıörneğin ayarlayarak hassas sulama sistemi su stresi bölgelendirmesine dayanmaktadır.

Bir drone’dan uzaktan algılama termal görüntüleri ve bitki örtüsü endekslerinin kullanımı sayesinde elde etmek mümkündür:

• su stresi haritaları (endeksler: CWSI, NDWI, PRI), su stresini veya bitki su kıtlığını belirlemek için
• toprak sıcaklığı haritaları , su basmasını tespit etmek için de yararlıdır

Sonuçlar
Özetle, drone kullanımı ile aşağıdakileri gerçekleştirmek mümkündür ekili alanların doğru haritalanması diğer manuel araştırmalara göre daha yüksek verimlilik ve zamanlılıkla. Dronlar oldukça geniş alanlar üzerinde uçabilir, topografik, termal ve multispektral veriler toplayarak ekinlerin durumu hakkında ayrıntılı bilgi sağlayabilir. teknisyenlerin daha bilinçli mahsul yönetimi kararları almasını sağlar.

Bu teknolojiler teknisyenin üretimi optimize etmesini, israfı azaltmasını ve tarımsal girdilerin uygulanmasında verimliliği artırmasını sağlayarak hastalık ve zararlılar gibi sorunlara daha hızlı yanıt verilmesini sağlar. Ayrıca, parsel içindeki değişkenliğin kesin olarak belirlenmesine olanak tanıyarak teknisyenin bu değişkenliği azaltmak için stratejiler planlamasını (farklılaştırılmış gübreleme) veya nihai ürünü iyileştirmek için farklı canlılık özelliklerine sahip bölgelere ait meyvelerin farklılaştırılmış hasat stratejisini önermesini sağlar (olgunluk durumuna göre ayrı hasat ).

Bitki sağlığı uygulamaları alanında drone teknolojisi, 2030 yılına kadar kimyasal girdileri yüzde 50 oranında azaltmayı ve tarım sektörü için ekonomik, çevresel ve sosyal sürdürülebilirliği artırmayı amaçlayan Avrupa Yeşil Anlaşması ve Tarladan Çatala stratejisi doğrultusunda da büyük bir katkı sağlayabilir. Aslında, drone haritaları ve 3D modeller bitkilerin kalınlık, yükseklik ve hacim gibi biyometrik özelliklerini analiz etmeyi mümkün kılarak bitkilerin gerçek vejetatif gelişimine dayalı olarak farklılaştırılmış tedaviler için reçete haritalarının oluşturulmasını sağlar. Bu aynı zamanda, dozu artık sadece kg/ha veya ml/hl olarak değil, aynı zamanda yaprak duvarı alanı (Leaf Wall Area) başına kg ürün olarak, yani kg/10.000 m^2 LWA olarak ifade eden yeni bitki koruma ürünlerinin piyasaya sürülmesiyle de uyumludur.