గడ్డ దినుసుల సంఖ్యను మోడల్ చేయగలిగేలా వ్యవసాయ శాస్త్రవేత్తలు కాండం జనాభాను తెలుసుకోవాలి.
ఏ సమయంలోనైనా క్షేత్రస్థాయిలో బంగాళాదుంప మొక్కల జనాభాలో వ్యత్యాసాన్ని సాగుదారులు అంచనా వేయగలరు. హార్పర్ ఆడమ్స్ విశ్వవిద్యాలయం, AHDB నిధులతో పిహెచ్డి విద్యార్థి జోసెఫ్ మంగో చేసిన పనికి ఇది కృతజ్ఞతలు. అతని కొత్త నిర్ణయాత్మక సాధనం కాండం సంఖ్యలను లెక్కించడానికి పంటల డ్రోన్ తీసిన చిత్రాలతో పాటు డీప్ లెర్నింగ్ అని పిలువబడే కృత్రిమ మేధస్సును ఉపయోగిస్తుంది మరియు అవి ఎక్కడ సంభవిస్తాయో మ్యాప్ చేస్తుంది.
ఈ సాంకేతికత వస్తువులను గుర్తించగలదు మరియు స్వీయ-డ్రైవింగ్ కార్లలో యంత్ర దృష్టి కోసం ఉపయోగించబడుతుంది. మిస్టర్ మాంగో ఇలా అన్నాడు: "గడ్డ దినుసుల సంఖ్యను మోడల్ చేయటానికి వ్యవసాయ శాస్త్రవేత్తలు కాండం జనాభాను తెలుసుకోవాలి.
"గత రెండు సంవత్సరాలుగా, ఒక బంగాళాదుంప క్షేత్రంలో కాండం సాంద్రతలో తేడాలను పూర్తి పందిరి వద్ద ఎలా అంచనా వేయాలి అనే సమస్యను పరిష్కరించడానికి కృత్రిమ మేధస్సు ఆధారంగా మేము కొన్ని పద్ధతులను అభివృద్ధి చేస్తున్నాము, సాధారణంగా నాటిన 70 రోజులలో." డ్రోన్ తీసుకున్న ఎరుపు, నీలం మరియు ఆకుపచ్చ తరంగదైర్ఘ్యాలను ఉపయోగించి వృక్ష సూచికలను విశ్లేషించడం ద్వారా, బంగాళాదుంప మొక్కల మెరిస్టెమాటిక్ చిట్కాలను లెక్కించవచ్చని మరియు కాండం చిట్కాలను సూచించడానికి ఉపయోగించవచ్చని జోసెఫ్ కనుగొన్నాడు.
డీప్ లెర్నింగ్ అప్పుడు కాండం సంఖ్యలను అంచనా వేయడానికి ఒక బలమైన నమూనాను అభివృద్ధి చేయడానికి ఉపయోగించబడింది, ఇది ఒక క్షేత్రంలో కాండం జనాభా సాంద్రత యొక్క వేడి పటాన్ని రూపొందించడానికి ఉపయోగపడుతుంది. ఈ సాధనం ప్రధానంగా పంటకోత నిర్ణయాలను సులభతరం చేయడమే లక్ష్యంగా ఉంది, తద్వారా ఎక్కువ సంఖ్యలో దుంపలు ఉన్న ప్రాంతాలను ఎక్కువ సమయం కేటాయించవచ్చు, తక్కువ, పెద్ద దుంపలు ఉన్నవారు మొదట పండిస్తారు.
"ఇంతకుముందు శిక్షణ పొందిన నమూనాలు భూమి యొక్క విస్తీర్ణానికి ఎక్కువ కాండం సంఖ్యలు ఉన్న చోట, సగటు గడ్డ దినుసుల పరిమాణంలో ఎక్కువ సంఖ్యలో దుంపలను ఆశించవలసి ఉంటుంది. బంగాళాదుంప కాండం జనాభా మరియు గడ్డ దినుసు దిగుబడి మరియు పరిమాణ పంపిణీ మధ్య సంబంధాన్ని సాగుదారులకు బాగా తెలుసు, మరియు పంట సమయాలపై నిర్ణయాలు సాధారణంగా పొలంలో అనేక దిగుబడి తవ్వకాలపై ఆధారపడి ఉంటాయి.
"ఈ మోడల్ మరియు ఇతరుల మధ్య వ్యత్యాసం ఏమిటంటే, ఖచ్చితమైన వ్యవసాయంలో నిర్వహణ మండలాలను రూపుమాపడానికి సమాచారాన్ని అందించడానికి ఫీల్డ్లోని వైవిధ్యాన్ని కొలవగల సామర్థ్యాన్ని ఇది అందిస్తుంది. "జోసెఫ్ యొక్క కొత్త మోడల్ ష్రోప్షైర్ మరియు లింకన్షైర్ అంతటా అనేక బంగాళాదుంప క్షేత్రాలలో పరీక్షించబడింది మరియు ఇది చాలా ఆశాజనకంగా కనిపిస్తోంది" అని ఆయన చెప్పారు. "క్రొత్త సాధనం ఖచ్చితమైన వ్యవసాయాన్ని సాధించడం చాలా సులభం చేస్తుంది, ఎందుకంటే సమాచారం అప్పుడు నిర్జలీకరణ సమయం మరియు కోతపై నిర్ణయాలు తెలియజేస్తుంది, కానీ పురుగుమందు మరియు హెర్బిసైడ్ అనువర్తనాలు కూడా."
ఎరువులను దిగుబడిలోకి అనువదిస్తుంది
తన అధ్యయనాలలో భాగంగా, అతను ఐదు రంగాలలో బంగాళాదుంప పంట పనితీరును మ్యాపింగ్ చేస్తున్నాడు, నత్రజని (ఎన్), భాస్వరం (పి) మరియు సల్ఫర్ (ఎస్) యొక్క ఎరువుల అనువర్తనాలు మరియు అవి దిగుబడికి ఎలా అనువదించాలో తేడాలు మరియు ఏ సమయంలో వారు సహకరించడం మానేస్తారు. "మట్టిలో ఇప్పటికే అందుబాటులో ఉన్న స్థాయిల కారణంగా నేల పోషకాలకు ప్రతిస్పందన క్షేత్రంలో మారుతుంది. "ఎరువుల దరఖాస్తు తర్వాత నేల నమూనాలను తీసుకున్నారు, మరియు చాలా క్షేత్రాలలో అధిక ఫలదీకరణం యొక్క సాక్ష్యాలను మేము కనుగొన్నాము, ఇది చిన్న గడ్డ దినుసు పరిమాణాలతో ఒక క్షేత్రంలో పి యొక్క అధిక స్థాయిని కలిగి ఉంటుంది."
"బంగాళాదుంపలలో గడ్డ దినుసుల క్రమానుగత శ్రేణి ఉందని మరియు ఆధిపత్య దుంపల యొక్క ఉపసమితి మాత్రమే పోషకాల యొక్క వాంఛనీయ స్థాయిని సద్వినియోగం చేసుకుంటుందని మా అవగాహన. “అయితే, సాగుదారుల క్షేత్రాలలో అధిక పోషక స్థాయిలలో, ఇది ఎల్లప్పుడూ నిజం కాదని మేము ఆధారాలు సేకరిస్తున్నాము. "అధ్యయనంలోని అన్ని రంగాలు పోషకాల యొక్క వాంఛనీయ స్థాయిలకు మించి పనిచేస్తున్నాయని పరిశోధనలు చూపిస్తున్నాయి, మరియు ఈ రంగాలలో, పి స్థాయిలు మరియు గడ్డ దినుసుల పరిమాణం పంపిణీ మధ్య గణనీయమైన ప్రతికూల సంబంధం ఉంది.
"నియంత్రిత చికిత్సలతో యాదృచ్ఛిక ప్రయోగాలను ఉపయోగించకుండా, వాస్తవ క్షేత్ర పరిస్థితులలో నేల మరియు గడ్డ దినుసుల పంపిణీ మధ్య సంబంధాన్ని అర్థం చేసుకోవాలనుకున్నాము." తత్ఫలితంగా, అతను నమూనాలను రూపొందించడానికి జియో-స్టాటిస్టికల్ సర్వే విధానాన్ని తీసుకున్నాడు, ఇది సాధారణ రైతుల క్షేత్రాలలో గమనించిన సంబంధాలను బాగా ప్రతిబింబించే గుణకాలతో నమూనాలను రూపొందించడానికి మాకు అనుమతి ఇచ్చింది ”. "చాలా సందర్భాల్లో, రైతులు తమ పంటలకు తగినంత పోషకాలు ఉన్నాయని నిర్ధారించడానికి అధికంగా ఫలదీకరణం చేయవచ్చు, కానీ ఇది దిగుబడి మరియు నాణ్యతపై హానికరమైన ప్రభావాన్ని కలిగిస్తుంది."
ఈ నమూనాల త్రిమితీయ స్వభావం కాండం-లెక్కింపు నమూనాతో అనుసంధానం చేయడాన్ని అనుమతిస్తుంది, అలాగే అంచనాలను మెరుగుపరచడానికి ఉపగ్రహ చిత్రాలను చేర్చడం. జోసెఫ్ యొక్క పీహెచ్డీ యొక్క మూడవ భాగం, తన అధ్యయన స్థలాల నుండి నేలలు మరియు పందిరి యొక్క ఉచితంగా లభించే హై-రిజల్యూషన్ మల్టీస్పెక్ట్రల్ ఉపగ్రహ చిత్రాలను ఏకీకృతం చేస్తుంది. "పంటకోతకు ముందుగానే బంగాళాదుంప దిగుబడి మరియు గడ్డ దినుసుల పరిమాణం పంపిణీ యొక్క మంచి అంచనా ఖచ్చితత్వాన్ని సాధించడానికి ఉపగ్రహ చిత్రాలు ఎంతవరకు సహాయపడతాయో మేము కొలుస్తాము."
వ్యవసాయ శాస్త్ర వారం నుండి ప్రదర్శనను చూడండి:
రంగాలు: బంగాళ దుంపలు
నువ్వు ఖచ్చితంగా ఉండాలి లాగిన్ ఒక వ్యాఖ్యను పోస్ట్ చెయ్యడానికి.