Forscher berichten, dass Drohnen eine wirksame Methode zur Überwachung des erneuten Maiswachstums sind

Mais oder Mais wächst hoch und hat dünne Stängel mit Ähren des Getreidekorns, das weltweit in der Lebensmittelproduktion, im Handel und in der Sicherheit verwendet wird. Aufgrund von Regen, Wind und anderen zunehmend extremen Wetterereignissen fällt der Mais jedoch um und gefährdet die gesamte Ernte. Der physische Fall, der als Lagerung bezeichnet wird, führt zu kürzeren Pflanzen und überlappenden Blättern – beides wirkt sich negativ auf die Wachstumsfähigkeit der Pflanze aus.

Laut einem in China ansässigen Forscherteam benötigen viele Agrartechniker viel Zeit, um die Erntefelder zu untersuchen, um konventionelle Ablagerungen zu verhindern und zu mildern. Sie sagten, dass eine mögliche Lösung eine schnelle, zerstörungsfreie Methode der Fernüberwachung sein könnte, die sogenannte hyperspektrale Bildgebung auf der Basis von unbemannten Luftfahrzeugen (UAV). Das Team hat kürzlich herausgefunden, dass mit der Methode die Maiserholung genau beurteilt werden kann, ohne dass dafür Zeit oder Kosten für die physische Inspektion der Pflanzen durch Einzelpersonen anfallen.

Das Team veröffentlichte seinen Ansatz am 28. August in der Zeitschrift für Fernerkundung.

„UAV-basierte hyperspektrale Bildgebungstechnologie revolutioniert die Art und Weise, wie wir die Erholung von Lagerfrüchten überwachen und bewerten“, sagte Erstautor Qian Sun, ein Arzt an der Yangzhou-Universität.

„Diese fortschrittliche Methode ermöglicht eine schnelle, zerstörungsfreie Bewertung der Pflanzengesundheit und des Pflanzenwachstums. Dies hilft nicht nur dabei, den Zustand der Pflanzen besser zu verstehen, sondern verbessert auch die allgemeinen Praktiken des Pflanzenmanagements, was möglicherweise zu wirksameren Eingriffen und einer verbesserten landwirtschaftlichen Produktion führt.“

Bei der UAV-basierten hyperspektralen Bildgebung werden drohnenähnliche Fahrzeuge eingesetzt, die mit begrenztem menschlichen Input fliegen und das Feld untersuchen können. Für jedes Pixel in einem Bild bestimmt die Methode die mehreren Spektralbänder – ein viel detaillierteres Verständnis als das menschliche Auge, das nur drei Bänder sichtbaren Lichts sieht.

Die Forscher nutzten UAV-basierte hyperspektrale Bildgebung, um die Höhe und Bedeckung des Blätterdachs sowie die physiologische Aktivität von Mais, wie z. B. die Chlorophyllproduktion, zu beurteilen – ein Beweis für die Photosynthese, einen energieerzeugenden Prozess, der sich verringern kann, wenn die Stängel kürzer sind oder die Blätter durch andere verdeckt werden Pflanzen nach der Unterbringung. Dieser zweigleisige Ansatz sei für eine genaue Beurteilung notwendig, sagten die Forscher, da die Messung nur einer Variablen ein unvollständiges Bild des Nachwuchsfortschritts des Mais liefere.

„Diese Technik ermöglicht im Vergleich zu herkömmlichen Methoden eine genauere Überwachung und Bewertung der Lagerbedingungen der Pflanzen“, sagte Mitautor Xiaohe Gu, Professor am Forschungszentrum für Informationstechnologie der Beijing Academy of Agriculture and Forestry Sciences.

„In dieser Studie wurde insbesondere ein umfassender Bewertungsrahmen vorgeschlagen, der die Baumkronenstruktur und die physiologische Aktivität kombiniert und so ein präzises und effizientes Mittel zur Beurteilung der Erholungsgrade von Lagermais liefert.“

Sie stellten fest, dass ihr bildgebender Ansatz sowohl die Statur des Blätterdachs als auch die physiologische Aktivität genau beurteilen konnte und den Landwirten Informationen lieferte, die dann Anpassungen an den Pflanzen vornehmen konnten, um ihre Erholung zu unterstützen.

„Das ultimative Ziel besteht darin, landwirtschaftliche Praktiken durch die weit verbreitete Einführung UAV-basierter Hyperspektraltechnologie zu revolutionieren“, sagte Co-Autor Liping Chen, Professor am Forschungszentrum für Informationstechnologie der Beijing Academy of Agriculture and Forestry.

„Indem wir dieses fortschrittliche Tool zu einem Standardbestandteil der Pflanzenüberwachung machen, wollen wir die Genauigkeit und Effizienz der Beurteilung der Pflanzengesundheit und -erholung deutlich verbessern. Dies wird es Landwirten und Agronomen ermöglichen, Pflanzen effektiver zu verwalten, Eingriffe zu optimieren und letztendlich Ertrag und Produktivität zu steigern.“ .“

Weitere Co-Autoren der Studie sind Baoyuan Zhang, Xuxhou Qu und Yanglin Cui, alle vom Forschungszentrum für Informationstechnologie der Beijing Academy of Agriculture and Forestry Sciences; und Co-Korrespondent Autor Meiyan Shu, College of Information and Management Science an der Henan Agricultural University.