Ar dronai ir palydovai gali pakeisti dirvožemio tyrimus? – klausia žurnale „Computers and Electronics in Agriculture“ (IF = 8,9) straipsnį kartu su bendraautoriais dr. Jonu Volungevičiumi, dokt. Ardu Kavaliausku, dr. Virmantu Povilaičiu, dr. Asta Kazlauskaite-Jadzeviče ir jaunesniąja mokslo darbuotoja Simona Pranaitiene išspausdinęs LAMMC Žemdirbystės instituto Augalų mitybos ir agroekologijos skyriaus vyresnysis mokslo darbuotojas dr. Renaldas Žydelis:
Žydelis R., Weihermüller L., Gomes L. C., Møller A. B., Castaldi F., Volungevičius J., Kavaliauskas A., Koganti T., Wetterlind J., Cinkaya I., Borůvka L., Egmond F., Higgins S., Liebisch F., Povilaitis V., Kazlauskaitė-Jadzevičė A., Amalevičiūtė-Volungė K., Pranaitienė S., Vaudour E. 2026. Comparison of soil property predictions in Lithuanian croplands using UAV, satellite, EMI data and machine learning. Computers and Electronics in Agriculture, 244: 111543. IF – 8,9
Kviečiame skaityti ir atsakymą rasti autoriaus parengtoje straipsnio santraukoje lietuvių kalba.
Dirvožemis yra vienas svarbiausių žemės išteklių, tačiau jo būklės nustatymas klasikiniais metodais reikalauja daug laiko, darbo ir finansinių išteklių. Šiuo metu vis didesnis dėmesys skiriamas inovatyviems sprendimams, leidžiantiems greitai ir efektyviai įvertinti, o vėliau ir stebėti dirvožemio būklę. LAMMC mokslininkai kartu su užsienio partneriais atliko tyrimą, kuriame vertino, ar dronų, palydovinių vaizdų ir dirvožemio jutiklių derinys gali patikimai prognozuoti svarbiausias dirvožemio savybes skirtinguose Lietuvos regionuose (1 pav.).
Pastaba. Skaičiai (I, II, III) ir raidės (a, b, c, d) žymi agroklimatinių zonų rajonus ir subrajonus (Bukantis, 2009).
1 paveikslas. Lietuvos agroklimatinės zonos ir penkių šiame tyrime pasirinktų vietovių geografinė padėtis, naudota dirvožemio organinės anglies, granuliometrinės sudėties, pH ir dirvožemio drėgmės kiekiui nustatyti
Tyrimas atliktas penkiose skirtingose Lietuvos agroklimatinėse zonose analizuojant dirvožemio organinės anglies, granuliometrinės sudėties (molio, dulkių ir smėlio), pH ir dirvožemio drėgmės rodiklius. Duomenys buvo renkami naudojant tris skirtingas technologijas: aukštos raiškos dronų vaizdus, palydovinius „Sentinel-2“ duomenis ir elektromagnetinius (EMI) jutiklius. Surinkti duomenys buvo derinami su lauko matavimais ir panaudoti kaip įvesties duomenys kuriant mašininio mokymosi modelius.
Modeliavimo rezultatai parodė, kad didžiausią tikslumą galima pasiekti prognozuojant dirvožemio organinės anglies ir molio kiekį (2 pav.). Kai kuriais atvejais anglies prognozavimo tikslumas buvo labai aukštas (R² iki 0,86), ypač naudojant dronų ir palydovinius vaizdus. Vertinant dirvožemio granuliometrinę sudėtį, ypač molio, labiausiai pasiteisino elektromagnetiniai jutikliai, tačiau dirvožemio pH prognozavimas išliko sudėtingas – visi modeliai rodė silpnus rezultatus, o dirvožemio drėgmė buvo tiksliai prognozuojama tik atskiruose laukuose.
2 paveikslas. Dirvožemio organinės anglies žemėlapiai Lyduokių lauke (Ukmergės r.), sudaryti taikant skirtingus modeliavimo scenarijus, kartu su matuotais ir interpoliuotais duomenimis (apatiniame dešiniajame kampe)
Svarbu pažymėti, kad atliekant tyrimą skirtingų jutiklių derinimas ne visada užtikrino didesnį prognozių tikslumą. Nors kuriant modelius jų tikslumas dažnai buvo labai geras mokymo etape (angl. calibration), modelių patikimumą (angl. validation) tikrinant realiomis lauko sąlygomis tikslumas visais atvejais sumažėdavo. Tai rodo, kad patikimiems dirvožemio savybių prognozavimo modeliams sukurti reikalingos didelės ir kokybiškos duomenų bazės. Be to, tyrimas parodė, kad ne visada brangesni ir sudėtingesni sprendimai (įvairių duomenų derinimas) duoda geresnį rezultatą.
Taip pat nustatyta, kad prognozių tikslumui didelės įtakos turi vietos sąlygos: dirvožemio tipas, klimatas, reljefas ir ūkininkavimo praktikos. Tai reiškia, kad universalus prognozavimo metodas visiems laukams neegzistuoja.
Vis dėlto šio tyrimo rezultatai atskleidžia didelį skaitmeninių technologijų potencialą žemės ūkyje. Tinkamai parinkti jutikliai ir duomenų analizės metodai gali padėti sumažinti dirvožemio mėginių skaičių, sumažinti tyrimų kaštus ir greičiau gauti patikimą informaciją apie dirvožemio būklę. Tai itin svarbu siekiant taikyti tikslųjį ūkininkavimą, optimizuoti tręšimą ir didinti ūkių efektyvumą.
Apibendrinant galima teigti, kad dronai, palydoviniai duomenys ir dirvožemio jutikliai jau šiandien gali tapti svarbia alternatyva tradiciniams tyrimams, tačiau visiškai atsisakyti tradicinių metodų negalima. Priešingai – šiuos metodus būtina derinti tarpusavyje, o jų taikymas turi būti pagrįstas konkrečiu tikslu, dirvožemio savybėmis ir ekonominiu efektyvumu.
Dirvožemio mėginiai ir nuotoliniai duomenys buvo surinkti vykdant projektus STEROPES ir SensRes (EJP SOIL programa, finansuojama Europos Sąjungos programos „Horizontas 2020“ ir dalyvaujančių šalių). Modeliavimas atliktas vykdant projektą „AgroSens“ („Skaitmeninių jutiklių integravimas dirvožemio savybių prognozavimui Lietuvos agroklimatinėse zonose“), finansuotą Lietuvos mokslo tarybos (sutarties Nr. S-MIP-24-106).
