Láng Vince

Ez a táblán belüli változatosság eltérő mértékű lehet kultúránként és évjáratonként. Jellemzően azonban elmondható, hogy a táblán belüli mintázat, melyet a vegetáció, vagy a talajtulajdonságok 'kirajzolnak' minden évben hasonló. A mintázat ezek mellett sok esetben, főleg szárazabb években a domborzattal, így a növények számára elérhető és felvehető vízzel mutat hasonlóságot (1. ábra). Egyes években akár már minimális, mikrodomborzati különbségek is jelentős hozambeli különbséget jelentenek. Ennek a mintázatnak a felmérésére több módszer is a gazdálkodó rendelkezésére áll és ezek alapját képezik a helyspecifikus gazdálkodásnak. A távérzékelés, a talajszkennelés és a hozamtérképezés azok a napjainkban széles körben elterjedt adatgyűjtési módszerek, melyekkel ezt a táblán belüli hetero­genitást vizsgáljuk, mérjük, számszerűsítjük.

1. ábra: domborzat modell (bal) és hozamtérkép (jobb) közötti hasonlóság öntözött táblán, mezőségi talajokkal jellemzett területen

Adatgyűjtés távérzékeléssel

A távérzékelés során a vizsgálat tárgya és a szenzor között nincsen közvetlen kapcsolat. Az adatgyűjtés során a műholdakra, repülőkre, erő- vagy munkagépre, illetve drónra szerelt szenzor az elektromágneses sugárzás felszíni visszaverődését méri, leggyakrabban láthatófény és infravörös hullámhossz tartományban. A mezőgazdasági távérzékelés már több mint 50 éves múltra tekint vissza. Az elmúlt évtizedekben a távérzékelés eszközei azonban jelentősen megváltoztak. Napjainkban olcsón igen nagy részletességgel tudunk távérzékelési adatokhoz jutni, vagy akár saját adatokat gyűjteni.

A technológiát a precíziós gazdálkodásban legszélesebb körben a táblán belüli heterogenitás térbeli és időbeli változásának megfigyelésére, nyomon követésére használjuk. További, és korábban már alkalmazott felhasználási lehetőségek többek között a szervesanyag-tartalom becslése a talajokban, hozambecslés, talajnedvesség okozta stressz, kórokozó, kártevő jelenlét és gyomtérképezés. Ezekhez a felhasználási területekhez a rendelkezésre álló fénytartományokból (kék, zöld, piros, közeli infravörös, red-edge stb.), úgynevezett indexeket számítunk, melyek a fénytartományok kombinációja, valamilyen matematikai formulával előállítva. Ezek közül a legelterjedtebb és a legtöbb hazai szakmai rendezvényen megemlítésre kerülő az ún. NDVI-érték (Normalized difference vegetative index). Az index, mely egy -1 és +1 közötti relatív érték a vörös és közeli infravörös színtartományt használja a matematikai formulában. Ennek háttere, hogy a vörös színtartományban a növényi klorofil a és b jelentős fényt nyel el, így a reflektanciája alacsony, míg a közeli infravörös tartományban ez a reflektancia jelentős. Az index tehát utal a biomasszára, a növény egészségi állapotára, így felhasználható tápanyaghiány, vízgazdálkodási problémák, kórokozók, kártevők jelenlétének észlelésére, vagy akár káresemények térképezésére.

A távérzékelési adatgyűjtés során rendelkezésre álló fénytartományok (spektrális felbontás) mellett fontos paramétere az adatoknak az úgynevezett térbeli felbontás (pixelméret). A térbeli felbontás a legkisebb ábrázolt területnek a mérete. Ez a modern és széles körben elérhető műholdak esetében 10–25 méter, egyes kereskedelmi műholdak esetében pedig akár 0,5 méter is lehet. Repülőgépről vagy drónról végzett távérzékeléssel pedig a centiméter alatti térbeli felbontás is elérhető a megfelelő repülési paraméterek és optikai eszközök alkalmazásával.

Az adatelemzéshez és interpretációhoz szükséges térbeli felbontást a cél definiálja. Egy talajmintavétel tervezéshez jellemzően nem szükséges a centiméteres terepi felbontás, így az elvégezhető műholdképek, vagy alacsonyabb felbontású adatbázisok felhasználásával, míg a növényvédelmi jellegű adatgyűjtések esetében a részletesebb adat elengedhetetlen. A nagyobb felbontású állományokból újramintavételezéssel előállítható kisebb felbontású állomány (centiméteres felbontásból méteres vagy nagyobb), mely lehetővé teszi a könnyebb feldolgozást és tárolást, ez visszafele (több méteres állományból centiméteres) nem mondható el.

A térbeli felbontás megválasztásánál fontos figyelembe venni az előállított adatbázis méretét is és annak feldolgozásához szükséges hardverkapacitást. Egy-egy hazai gazdaság összes táblájának távérzékelési adata 1 vagy legrosszabb esetben 4 Landsat vagy Sentinel műholdképen megtalálható, mely nyers adatbázisnak a mérete körülbelül 4 Gb, a feldolgozott, táblákra vágott adatállomány pedig csupán néhány Mb-t tesz ki, addig ugyanez egy 5 centiméteres térbeli felbontású, drónról készített ortofotó esetében 20 hektáronként eléri az 1 Gb-t is. A kettő közötti különbség az adatfeldolgozásnál hatványozódik, így a hardverigény és az adatfeldolgozás időigénye is lényegesen eltér.

A harmadik lényeges paramétere a távérzékelési adatoknak az időbeli felbontás, mely azt az időtartamot jelenti, amely két egymást követő megfigyelés között eltelik. Ez a műholdak esetében jellemzően állandó és kiszámítható intervallum, míg drónok esetében a felhasználótól (és természetesen a repülésre alkalmas időpontoktól) függ a felvételezések között eltelt idő. A rendszeres adatgyűjtés, adatelérés a különböző jelenségek időbeli nyomon követésére alkalmas. A mezőgazdasági területeken végbemenő folyamatoknak pedig különböző jellegzetes időrendszere van. Egyes káresemények időben rendkívül gyorsan játszódnak le (pl.: viharkár), míg más folyamatok, például a növényállomány növekedése lényegesen lassabban.

Napjainkban a távérzékelés a precíziós gazdálkodás egyik legolcsóbb adatforrása. A műholdak nagy területekről gyűjtenek rendszeresen adatot, melyek sok platformon keresztül hozzáférhetők a termelők, szaktanácsadók számára. A rendszeres adatgyűjtés lehetővé teszi az állomány állapotának nyomon követését és a döntéstámogatást. A nagy múltra visszatekintő, adatfeldolgozási és kiértékelési folyamatok pedig biztosítják a standard adatok előállítását. Azt azonban le kell szögezni, hogy csupán a távérzékelési adatokra támaszkodni nem lehet. A precíziós, helyspecifikus gazdálkodás a sokrétű adatokon kell hogy támaszkodjon. Csak egy NDVI kép nem alkalmas arra, hogy a következő évi differenciált tápanyag-kijuttatást elvégezzük. A mezőgazdasági távérzékelésen alapuló döntések esetében is, mint ahogy a legtöbb távérzékelési alkalmazás esetében, szükséges az adatok helyszíni ellenőrzése. Erre jó példa a tábla távérzékeléses vizsgálatával előállított talajmintázási terv alapján megvalósított mintavétel és tápanyag-azdálkodás tervezés. Ebben az esetben a tervezés alapja nem csupán a távérzékelési adat, hanem a talajminta laborvizsgálata során mért talajparaméterek. A laborvizsgálatok alapján a táblán belül kimutatható, hogy a növényállományban való különbséget (NDVI- vagy más index érték) egyes tápelemek hiánya, vagy mikroelemek toxikus jelenléte, vízgazdálkodási problémák stb. okozták. Ezek alapján már el tudjuk végezni a megfelelő beavatkozást, míg amennyiben csak az NDVI-értékre támaszkodnánk nem biztos, hogy a megfelelő stratégiát alkalmaznánk.

Adatgyűjtés talajszkennerekkel

A talajszkennerekkel történő adatgyűjtés, vagy proximális talajérzékelés szintén jelentős, több mint negyven éves múltra tekint vissza. A kezdetekben a geológiai felmérésekhez használt technológiát és eszközparkot felhasználva és a talaj ellenálló- vagy vezetőképességén alapultak a mérések. A talajszkennerek üzemi szintű felhasználása és nagyobb elterjedése a kilencvenes évek végére tehető.

A szkennereket illetően két fő típust lehet elkülöníteni működési elvük szerint. Az úgynevezett kontakt szkennerek, melyek működése során a talaj és az elektródák között fizikai kapcsolat van (pl. VERIS scanner). Az ilyen típusú érzékelők tárcsákat használnak elektródaként a talajjal való érintkezéshez és az elektromos vezetőképesség méréséhez. Ebben az esetben két-három pár tárcsa található az eszközön; az egyik pár elektromos áramot biztosít a talajba (átadó elektródák), míg a többi csoroszlya (fogadóelektróda) megméri a közöttük lévő feszültségesést. A nem kontakt szenzorok működési elve eltér, ezek az eszközök az elektromágneses indukció (EMI) elvén dolgoznak. Az EMI közvetlenül nem érintkezik a talajfelszínnel. A műszer egy adóból és egy vevő tekercsből áll, amelyet általában az egység ellentétes végein helyeznek el. Az eszköz érzékelője méri az áram által kiváltott elektromágneses mezőt. Ennek a másodlagos elektromágneses mezőnek az erőssége arányos a talaj elektromos vezetőképességével.

A talaj elektromos vezetőképessége többek között a talaj nedvességtartamától függően változik, mivel az eltérő fizikai féleségű talajok eltérő módon tartják a talajnedvességet. Jellemzően a homoktalajok alacsony, míg az agyagtalajok magasabb vezetőképességűek. A talajok vezetőképességét több talajparaméter származtatására is felhasználják, változó megbízhatósággal. Ilyenek a fizikai féleség, kationcsere kapacitás, szervesanyag-tartalom, sótartalom stb.

Az elmúlt évtizedben a talaj vezetőképességét mérő szkennerek mellett megjelentek olyan eszközök is, melyek a talaj pH-t, vagy a szervesanyag-tartalomra utaló értéket mérnek. Az előbbi egy olyan megoldás, ahol a talajszkenner folyamatos mintavételezéssel talajmintát és vizet juttat a pH elektródára és így végzi a mérést, az utóbbi pedig a talaj reflektanciát méri vörös és közeli infravörös tartományban és ebből következtet a szervesanyag-tartalomra.

A szkennerek jellemzően igen nagy terepi felbontással működnek, így részletes képet kapunk a tábla mért paramétereiről, illetve az ebből származtatott tulajdonságokról. Mivel a szkennerek jellemzően olyan tulajdonságokat mérnek, melyek időben lassan változnak, így egy ilyen felmérést nem szükséges minden évben elvégezni. Fontos azonban kiemelni, hogy a kutatások alapján az elektromos vezetőképesség korrelációja a többi talajparaméterrel igen változó. A mérések mintázata sok esetben megegyezik a hozamtérképével, így a managementzónák elkészítésére alkalmas, azonban ebben az esetben is szükséges a talajminták megvétele és a laborvizsgálatokon alapuló táp­anyag-gazdálkodási terv elkészítése.

Esettanulmányok

A 2. ábrán szemléltetett esetben egy 30 hektáros, igen jelentős domborzati különbségekkel rendelkező táblát látunk. Jellemzően lejtőhordalék, földes kopár, csernozjom és csonkult erdőtalajok találhatók az igen heterogén és szélsőséges vízgazdálkodású táblán. Az adatbázis építése során többéves hozamtérkép, és műholdkép adatbázis, domborzatmodell, sekély és mély rétegű vezetőképesség vizsgálat (kontakt szkennerrel), illetve vezetőképesség vizsgálat nem kontakt szkennerrel (nincs ábrázolva) állt a rendelkezésre. A területen egy részletes talajtani felmérés is készült, ahol a talajokat 1 méteres mélységig vizsgáltuk több mintapontban, jellemzően ott, ahol valamely adatban eltérés volt tapasztalható. Az adatok elemzése és a helyszíni vizsgálatok során megállapítható volt, hogy a nem kontakt szkenner a csonkult agyagbemosódásos talajok agyagfelhalmozódási szintjét kiválóan azonosította és a lehatárolás során azokat külön zónába is sorolta, erre a többi eszköz mérsékelten volt alkalmas. A kontakt szkenner és a műholdas távérzékelés eredményei is mintázatban jó korrelációt mutatnak a hozamtérképpel. Érdemes azonban megfigyelni a tábla keleti részén húzódó magasabb (zöld) hozamú részt és a tábla nyugati oldalán a beszögellésnél található alacsonyabb hozamú (piros) táblarészt. Míg a műholdkép ezt a két részt jól szemlélteti és más potenciálúnak mutatja a szkennelés mind a sekély, mind a mély vezetőképesség esetében hasonló osztályba sorolja. Az erősebb hozamú rész a tábla legmélyebb pontja, míg a gyenge hozamú a legmeredekebb 17% körüli lejtővel rendelkező rész, szélsőséges vízgazdálkodással. A helyszíni talajtani vizsgálatok során megállapítottuk, hogy a meredek részen a termőréteg erodált és a lösz talajképző kőzet van a felszínen jelentős CaCo3 tartalommal, míg a legmélyebb részen a lejtőhordalék talaj, mely közel 1 méteres humuszos réteggel bír szintén jelentős CaCO3 tartalmú, ennek forrása a fentről erodált talajanyag. A vezetőképesség mérésnél vélhetően a CaCO3 jelentős hatással volt az eredményekre, így kerülhetett ugyanolyan osztályba a két terület. A példa jól szemlélteti, hogy a helyszíni és laboratóriumi vizsgálat minden egyes táblafelmérés során elengedhetetlen része kell hogy legyen a tervezésnek. Ebben az esetben jól látható, hogy az adatok jól egészítik ki egymást, a mintázat alapján bármely alapadatbázis alapján készül a jól megtervezett mintavétel, az hasonló táp­anyag-ellátottsági térképet és kijuttatási tervet eredményezne.

2. ábra: Somogy megyei 30 hektáros tábla adatai: felső sorban balról Google Earth ábra, domborzatmodell, átlagos NDVI 3 év átlagában, alsó sorban balról: sekély (0-30 cm) elektromos vezetőképesség, mély (30-90 cm) vezetőképesség, hozamtérkép

 

A 3. ábrán bemutatott esetben rendelkezésre állt 4 év hozamtérképe, műholdas távérzékelési adatok több évre visszamenőleg, alacsony rétegben és mély rétegben mért elektromos vezetőképesség kontakt szkenneres méréssel és szervesanyag-térkép ugyanerről a kontakt szkennerről. A Google Earth ábrán is jól látható, hogy a terület változó termőréteg-vastagsággal rendelkezik, lösz talajképző kőzeten kialakult talajokkal jellemezhető, melyet a laborvizsgálatok is igazoltak. A felszíni réteg változó mértékben tartalmaz CaCO3-t (3–16%), a szervesanyag-tartalom 1,9 és 2,9% között változik a menedzsmentzó­nás (műhold és hozamtérkép alapján készített) mintázás eredményei alapján. A hozamtérképpel ebben az esetben a terület NDVI képe lényegesen jobb korrelációt mutat. Mind az elektromos vezetőképesség, mind a szervesanyag-szkennelés eredménye lényegesen más mintázatot mutat a hozamtérképhez képest. Ebben az esetben a menedzsmentzónák kialakítása a szkennelés eredménye alapján lényegesen más mintázatot mutatna mint a hozamtérkép és a műholdkép alapján. Ilyen esetben további helyszíni talajtani vizsgálatok elvégzése szükséges, hogy a szkennelés eredményét igazoljuk vagy cáfoljuk. Ebben az esetben végül műholdkép és hozamtérkép alapján készült a mintavételezési terv és a laborvizsgálatok igazolták a jelentős különbségeket a zónák között (korábban említettek mellett pl.: P2O5: 290–826 mg/kg, K2O: 234–453 mg/kg), mely jó indikátora a helyesen elvégzett mintavételezésnek.

3. ábra: Mezőföld kistájon található 50 hektáros tábla különböző adatai: felső sorban balról Google Earth ábra, 1 éves hozamtérkép, átlagos NDVI 3 év átlagában, alsó sorban balról: sekély (0-30 cm) elektromos vezetőképesség, mély (30-90 cm) vezetőképesség, szkenner alapú szervesanyag-térkép

A távérzékelésen és talajszkennereken alapuló vizsgálatok ideális esetben nem vagy kontextusban kell hogy megjelenjenek egy jól megalapozott precíziós, helyspecifikus gazdálkodást folytató gazdaságban. Minden adatréteg más információt hordoz, igaz vannak korrelációk az adatok között, de ennek ellenére ezek egymást kiegészítik, a precíziós döntéstámogató rendszert pontosítják, mely döntéseinket aztán a hozamtérkép igazol, vagy megcáfol. Fontos tehát, hogy amikor a precíziós rendszer kiépítését elkezdjük, akkor induljunk el az egyik úton, de ne limitáljuk magunkat arra. Hosszú távon az adatbázis, amit az évek alatt felépítünk, összegyűjtünk adja az értéket és az tudja a termelést tudás alapra helyezve optimalizálni, profitorientálttá tenni.

 

Felhasznált irodalom:
Bronson K. F. et al. 2005. Apparent Electrical Conductivity, Soil Properties and Spatial Covariance in the U-S. Southern High Plains, Precision Agriculture, 6, 297-311
Mulla D. és Khosla R. 2015. Historical Evolution and Recent Advances in Precision Agriculture, Ch. 1. In: (R. Lal, and B.A. Stewart, eds.), Soil Specific Farming: Precision Agriculture. Adv. Soil Sci. Taylor and Francis Publ., Boca Raton, FL.
Grisso R. et al 2009. Precision Farming Tools: Soil Electrical Conductivity. Virginia Cooperative Extension. Publication 442-508 Láng Vince
AgriDron Kft.

A talajért elkötelezett támogatói kör:

A TALAJEGYETEM korábbi részei:

• I. rész: TALAJFIZIKA I.
• II. rész: TALAJFIZIKA II.
• III. rész: TALAJFIZIKA III.
• IV. rész: Műtrágyák és kémiai talajtényezők hatása (savanyodás, tápelemek megkötődése, felvehetősége)
• V. rész: A talajerő-gazdálkodás tudományos és gyakorlati főbb összefüggései
• VI. rész: TALAJBIOLÓGIA I. – A talajélet felismerése, avagy mikor van szükség beavatkozásra?
• VII. rész: TALAJBIOLÓGIA II. – A talajélet napi, szezonális és évjárati ritmusa. A talaj egészsége, regenerálása. Mit tehetünk alacsony vagy rossz talajerő értékeknél?
• VIII. rész: Talajképző tényezők és folyamatok Magyarországon
• IX. rész: A Kárpát-medence talajtípusai
• X. rész: A diagnosztikus szemléletű talajosztályozás és gyakorlati jelentősége
• XI. rész: A táblán belüli művelésizóna-lehatárolás módszerei
• XII. rész: Talajvizsgálatok jelentősége a talajok tápelemszolgáltató képességének megítélésében és a talajvizsgálati eredmények értelmezése – I. rész
• XIII. rész: Talajvizsgálatok jelentősége a talajok tápelemszolgáltató képességének megítélésében és a talajvizsgálati eredmények értelmezése – II. rész
• XIV. rész: Talajvédelmi tervek a gyakorlatban (mezőgazdasági esettanulmányok)
• XV. rész: Talajvédelmi tervek a gyakorlatban (ültetvénytelepítés)
• XVI. rész: Talajművelési rendszerek I. – forgatásos talajművelés
• XVII. rész: Talajművelési rendszerek II. – forgatás nélküli talajművelés
• XVIII. rész: Talajdegradációs folyamatok Magyarországon, talajsavanyodás és szikesedés kialakulása, felismerése, megszüntetése
• XIX. rész: Új trendek a gyakorlati műtrágyázásban

A cikk szerzője: Dr. Láng Vince