ジャガイモの生産：精密農業の実践を使用する

精密農業の実践には、生産者の収益を増やし、同時に農業が環境に及ぼす影響を軽減することを目的として作物生産を最適化するために、より正確な播種、灌漑、施肥、農薬の使用が含まれます。 この記事では、ジャガイモ生産における変動率灌漑やリモートセンシングなどの PA 実践の使用について説明します。

国際精密農業協会によると、「精密農業（PA）とは、時間的、空間的、個別のデータを収集、処理、分析し、それを他の情報と組み合わせて、資源利用効率、生産性、品質、収益性、農業生産の持続可能性を向上させるための推定変動に従って管理上の意思決定をサポートする管理戦略です。」

言い換えれば、PA は、正しいことを、正しい場所で、正しいタイミングで、正しい方法で行う可能性を提供します。 ジャガイモのような高価値作物は、投入コストが高いため、PA の導入に適した候補として認識されています。 さらに、ジャガイモ塊茎の収量と品質は生産慣行や環境条件に敏感であるため、精度管理が経済的に重要になります。 

変動率の灌漑

可変速度灌漑 (VRI) 技術は、センター ピボットの長さに沿って XNUMX つの均一な速度ではなく、可変速度で水を供給します。 VRI を適用するには XNUMX つのステップがあります。まず、土壌の電気伝導率 (EC) または標高マッピングに基づいて、圃場を異なる管理ゾーンに分割します。 次に、システムは個々のノズルのオン/オフ (ノズル制御 VRI)、またはピボットの移動速度の制御 (速度制御 VRI) によって、さまざまな管理ゾーンに特定の量の水を適用します。

VRI は、さまざまな作物や品種、さまざまな土壌タイプ、湿って飽和しやすい流出量の多い領域または低い領域、および圃場内の環境に敏感な領域に、さまざまな割合で水を適用できます。 VRI の最も重要な目標は、作物の収量と品質を維持または向上させながら、水の無駄遣いや水ストレスの発生を防止するために、過剰灌漑と不足灌漑を回避することです。 

2018年の夏、私たちは市販のジャガイモにVRIを使用することの利点を定量化するための研究を実施しました（Russet Burbankウィスコンシン州での生産。ノズル制御VRIと速度制御VRIでそれぞれ灌漑された2つの圃場を選びました。

各フィールドでは、最も高いエリアと最も低いエリアの間には約 15 フィートの標高差がありました。 収穫時に、各圃場の最も乾燥したエリア、最も代表的/平均的なエ​​リア、および最も湿ったエリアの塊茎収量と品質を評価しました。 ノズル制御 VRI (図 1a) の下では、平均領域と比較して、最も湿った領域で収量が大幅に減少しました (約 140 cwt/a、p<0.05)。 最も乾燥した地域からの収量は、平均地域からの収量よりわずかに高かった (約 20 cwt/年、p>0.05)。 速度制御 VRI (図 1b) の下では、XNUMX つの場所の間に大きな収量差はありませんでしたが、最も乾燥した地域の数値は、平均的な地域や最も湿った地域の数値よりも高かったです。

私たちのデータは次のことを示唆しています。 

• VRI を使用する大きな利点は、収量と品質が向上することであり、したがって、灌漑不足の影響を受けやすい畑の最も悲惨な (または流出量の多い) 地域での収益性が向上する可能性があります。 VRI は植物の発根域内の土壌水分を維持できます。
• VRI は、灌漑用水を節約し、湿ったまたは飽和する傾向がある田畑の低い領域での灌漑効率を向上させることができます。 しかし、VRI のもとでも、植物は腐敗や欠陥の問題が多くなる傾向があるため、低地でのジャガイモの収量と品質の管理は依然として困難です。
• VRI はジャガイモの収益性を向上させながら水を節約できる有望なシステムですが、変動のある圃場でより適切に管理するにはさらに微調整が必​​要です。 

リモートセンシングと機械学習

収量と収益性を維持するために、ジャガイモ農家は作物の窒素需要を満たさなければなりません。 環境悪化を最小限に抑え、地下水中の硝酸塩をめぐる規制や法的不確実性に伴う財務リスクを軽減するために、ジャガイモ農家は生育期を通じて適切な時期に適切な量の窒素を適用できる新しい管理ツールを必要としています。 

旬のジャガイモ植物の窒素状態を監視するために一般的に使用されている方法は、労働集約的で時間がかかり、誤解を招く場合もあり、圃場内の特定の場所にのみ適用されます。 さらに、リモートセンシング画像を使用して、季節の植物の窒素状態と季節の終わりの塊茎の収量を予測するための圃場全体のマップを生成する、公的に利用可能なツールはありません。

リモート センシングは、既存の季節作物の生産管理慣行を改善するための、革新的でタイムリーな、非破壊的かつ空間的に包括的なアプローチです。 リモート センシングは通常、いくつかの狭いスペクトル バンド (約 3 ～ 10 nm) を提供し、作物の栄養素の微細な吸収特性を捕捉できます。 これまでに多くの研究で、リモートセンシングが葉面積指数、バイオマス、葉面窒素濃度などの作物パラメータ/変数の予測に効果的に適用できることが示されています。 

作物の特性を予測/モデル化するために使用される方法は、主にスペクトル信号と圃場測定の間の予測アルゴリズムの構築に焦点を当てています。 典型的なモデル予測子は植生指数 (VI) です。これは、XNUMX つ以上のスペクトル帯域での反射率の数学的組み合わせです。 たとえば、正規化差異植生指数 (NDVI) は、地域および地球規模で植生の動態を監視するための簡単な適用により、これまでの研究で広く使用されてきました。 

私たちは3つの機械学習モデル（決定木（DT）、サポート vector 研究チームは、2018年と2019年のXNUMXつの栽培シーズンにわたって、NDVIを使用してXNUMXつのジャガイモ栽培品種（SilvertonとLakeview Russetを含むXNUMXつのラセット種、SnowdenとHodagを含むXNUMXつのチッパー種）の窒素状態と最終収量を予測するために、ニューラルネットワークマシン（SVM）とランダムフォレスト（RF）を使用しました。

我々の予備的な結果は、NDVIが、葉柄NO3-N、葉全体の合計N、またはつる全体の合計Nによって示されるジャガイモのN状態、および季節の終わりの総収量を予測する大きな可能性を持っていることを示しました（表4）。 モデルの適合度を測定するために、2 ～ 0 の範囲の R1 を使用しました。 R2 が大きいほど、予測はより正確になります。 R2 が 0.75 より大きい場合、非常に優れた予測であると考えられます。 

どちらの VRI システムでも、最も湿った地域の塊茎は、最も乾燥した平均的な地域の塊茎に比べて比重が低く、ノズル制御システムによる違いは顕著でした (表 1)。

図 2 は、各圃場で最も湿った地域からの塊茎の長さ対幅の比が大幅に高いことを示しています。 それに応じて、以下の発生率も高かった。

両方の圃場で最も湿った地域から採取した塊茎の中空の中心部であり、速度制御システム下ではその差は顕著でした (表 2)。

48°F 以下で保管している間、両方の畑の最も湿った領域の塊茎で腐敗の発生率が高いことが観察されました (図 3)。 飽和土壌で栽培された塊茎の表面には拡大した皮目があり、それが畑や保管中に病原菌の完璧な侵入口を作ったと考えられています。

さらに、速度制御 VRI システムの灌漑効率 (IE) を計算しました (ノズル制御 VRI の数値は入手できませんでした)。その結果、圃場の平均面積と比較して、最も湿潤な地域で IE が大幅に改善されたことがわかりました。 最も乾燥した地域のIEは平均よりわずかに高かった(表3)。

窒素状態については、NDVI を使用して葉柄の硝酸態窒素を予測すると、葉全体の合計 N と蔓全体の合計 N と比較して、両方の種類のジャガイモで最高の R2 結果が得られました。総収量の予測では、DT と RF が SVM よりも優れており、2019 年の結果は 2018 年よりも優れていました (上記の表 4)。

これまでのところ、次のことがわかっています。 

• 1) 決定木とランダムフォレストはサポートよりも優れている vector ジャガイモのシーズン中の窒素状態とシーズン終了時の収穫量を予測する機械。
• 2) 葉柄の硝酸塩 N は、葉や蔓の総 N と比較して、NDVI と機械学習モデルを使用してより正確に予測できます。 私たちはモデルを検証し、より多くのジャガイモ品種に関する長年のデータを使用してこの研究を拡張します。

著者は、私たちの研究に資金を提供してくださったウィスコンシン州ジャガイモおよび野菜生産者協会、ウィスコンシン州農務貿易・消費者保護局、ウィスコンシン州肥料研究評議会、およびウィスコンシン大学マディソン農業生命科学大学に感謝したいと思います。

— Yi Wang は、ウィスコンシン大学マディソン校園芸学部の助教授です。 彼女はスパッドマンのエマージング・リーダー賞の元受賞者です。

/灌漑技術