Table of Contents
リモートセンシングと衛星データにおける最新の技術
遠隔センシングは、ニッチの科学的ツールから精密農業の礎石へと進化しました。ランドサット(NASA/USGS)、センチネル(European Space Agency)、プラネットラボなどの商業的コンステレーションは、空間、気道、スペクトル、スペクトルの解像度の変化でイメージを提供します。これらのデータは、キャプチャされた電磁放射線を視覚化し、近赤外、短波赤外線、および熱帯域で、農家がターゲットを監視できるようにします。
多スペクトルおよびハイパースペクトルのイメージ投射
多面体センサーは、一般的に作物の健康評価と異常検知のために十分な5〜10バンドを記録します。 多面体センサー、数百の狭いバンドをキャプチャし、特定の植物疾患、栄養素の不足(窒素、リン、カリウム)、および初期段階での水ストレスを識別することができる詳細なスペクトル署名を提供します。 多面体データは高価でデータ重いままですが、処理の進歩と減少した衛星コストは、よりアクセス可能になります。
熱およびレーダーリモート・センシング
熱センサーは、灌漑の不効率性や熱ストレスを検出するために重要な表面温度を測定します。 合成アパーチャレーダー(SAR)衛星、Sentinel-1のような、透過性クラウドカバー、および土壌水分の推定を提供、曇時々の季節中であっても。 熱、光学、レーダーデータを組み合わせることで、フィールド条件の包括的な画像を提供し、積極的な介入を可能にします。
データ融合とクラウドプラットフォーム
現代のリモートセンシングプラットフォーム(例えば、地球エンジン、デカルトラボ、CropX)は、複数の衛星ソース、気象データ、フィールドセンサーの読み取りを統合します。 それらは、画像処理(大気補正、クラウドマスキング、整形化)を前処理し、APIやダッシュボードを介して実用的な分析を配信します。 この統合は、農家の技術的な負担を軽減し、農場管理ソフトウェアにシームレスな摂取を可能にします。
近代農業における機械のロール
農業機械はセンサーの技術、GPSの指導および可変的なレートの適用(VRA)によって変形しました。現代トラクター、スプレーヤーおよび収穫機は下メートルの正確さのための収穫のモニター、土センサーおよび実時間kinematic (RTK) GPSが装備されています。衛星主導データと結合されるとき、これらの機械は非前例のない精密の仕事を遂行できます。
可変的なレイト技術(VRT)
衛星画像は、土壌の質感、有機物、および歴史収量の分散性のためのベースマップを提供します。 プランターのVRTシステムは、種子の人口と肥料のオンザフライをこれらのマップに基づいて調整し、マイクロゾーンごとの入力の使用を最適化します。 同様に、スプレーヤーは、必要に応じて化学物質を適用する衛星データから処方マップを使用して、廃棄物や環境の操業を削減します。
自動指導とスワルムロボティクス
GPS ガイド付き自動ステアシステムは、ハイエンドのトラクターで標準的ですが、将来のポイントは、完全に自律的な機械に向かっています。スワムロボティクス - 小型で軽量な自動運転車 - 溶接、受精、および同時スカウトを実行できます。これらのロボットは、ルート計画、フィールド境界検出、およびリアルタイム障害回避のための衛星データに依存しています。 John Deere や CNH 産業などの企業は、これらのシステムに大きく投資しています。
ISOBUS および API によるリアルタイムの統合
ISOBUS規格(ISO 11783)は、ブランドがトラクターやソフトウェアと通信できるように異なる機能を備えています。 現代のファーム管理情報システム(FMIS)は、REST APIを介して衛星データを摂取し、処方マップを直接トラクターの表示に押し込みます。 このクローズドループ統合は、害虫のホットスポットの衛星画像をレビュー農家が数分で、可変的なスプレーマップをスプレーヤーのコントローラーにアップロードすることができます。
データ統合の未来
衛星リモートセンシング、IoT フィールドセンサー、オンボードのマシンのデータが、継続的なフィードバック ループを作成します。機械学習 (ML) と人工知能 (AI) モデルは、パターンを抽出し、結果を予測し、自動応答をトリガーするために、このマルチソースデータを処理します。
AIによる意思決定支援
歴史衛星画像、気象記録、収量マップで訓練されたディープラーニングモデルは、害虫の発生、水要件、および最適な収穫ウィンドウを予測できます。例えば、[]NASA Crop Analytics Project[]]]は、衛星データを見積もり、視覚症状が現れる前に異常数週間を検出します。機械と統合すると、そのようなモデルは、灌漑スケジュールを自動調整したり、スポットスプレーをアクティブにすることができます。
エッジコンピューティングとオンマシン処理
将来のトラクターは、リアルタイムで衛星データを処理するオンボードコンピュータを運びます, クラウドレイテンシを回避します. エッジコンピューティングは、即時決定を可能にします: 収穫機を組み合わせます, 例えば, 回転子速度と衛星熱画像から得られたリアルタイムの粒度データに基づいて、コンキャブクリアランスを調整することができます. これは、損失を減らし、最適な粒度を保証します.
デジタルツインとシミュレーション
デジタルツインテクノロジーは、衛星データ、センサーデータ、歴史のパフォーマンスを集積するフィールドの仮想レプリカを飾っています。機械は、行動する前に、さまざまなシナリオ(例えば、「この肥料をスキップする場合はどうなりますか?」)をシミュレートすることができます。結果の推奨事項は、リアルタイム衛星更新を使用して継続的に改善されます。 [[]]]農業のコンピュータと電子に公開された研究]]は、デジタルツインが、テストプロットの30%によってリソース廃棄物を削減する方法を示しています。
農家や環境にメリット
- ]精度で高い収率:衛星ガイド型可変レート植栽と受精は、入力コストを削減しながら10〜20%の収量を増加させることができます。
- 節水:] 熱および土壌の湿気データにより、流出地域における水最大30%の低下が起こります。
- 還元化学使用:] 害虫駆除によるスポット散布は、40〜60%の除草剤および殺虫剤使用、抵抗リスクの低減、環境汚染の低減。
- 低炭素フットプリント:] フィールドを渡るフェーターパス、最適化された肥料アプリケーション(酸化窒素削減)、および燃料消費量が減少すると、持続可能性の目標に貢献します。
- 労働効率:]] 自動機械およびリモート・モニタリングは、農業における労働不足の対処、手動のスカウトと運転の必要性を減らします。
- 規制遵守:]衛星データは、肥料および農薬のアプリケーションを監査可能な記録を提供し、農家が環境規制と炭素認証要件を満たしているのを支援します。
課題と考察
約束にもかかわらず、広範にわたる採用は障壁に直面しています。衛星画像は、湿気のある地域でクラウドカバーによって妨げられる可能性があります。SARはこれを緩和する一方で、費用と複雑性を処理することは残っています。異なる衛星プロバイダと機械ブランド間のデータ相互運用性はまだ断片化されています。ファーマーは分析を解釈し、自動化された決定を信頼するために訓練を必要とします。さらに、農村地域の高帯域の接続は、リアルタイムクラウド統合のために欠如することが多いです。
データプライバシーと所有権
農業データが価値あるにつれて、所有権、共有、収益化に関する質問が高まります。多くの機器メーカーは、利用データと交換して「無料」データプラットフォームを提供し、集計および販売することができます。 農業優先順位のための明確な契約条件と透明なデータガバナンスは、農家の利益を保護するために必要です。 []]]]USDAの農業優先順位のためのデータ]]イニシアティブは、基準とプライバシーフレームワークを確立することを目指しています。
リアルワールド・アプリケーションと事例
カリフォルニアの精密ビティカルチャー
ナパバレーのワインブドウ栽培者は、多面衛星画像を使用して、活力ゾーンを監視し、灌漑とキャノピー管理を調整します。 1つのケースでは、ブドウの品質を維持しながら、水の使用の25%削減、衛星の蒸発モデルとドリップ灌漑コントローラを組み合わせることによって、水の使用率が25%減少しました。
ミッドウェストで大規模の列作物栽培
Iowa の 1 万エーカーのトウモロコシと大豆農場は、Sentinel-2 NDVI を統合し、可変的な窒素処方を作成するためにモニターデータを収量します。 3 季節以上、彼らは窒素のアプリケーションを 15% で減らしました 歩留まりの損失なし、数百 千ドルの節約と水路に硝酸塩の傾きを減らす。
持続可能な米栽培の日本
レーダー衛星データ(土壌水分)を、空中ドローン画像と組み合わせて、パディフィールドの自律移植者や水管理を誘導。洪水の深さを調整することで、メタン排出量を削減し、収量を維持しながら気候緩和に貢献。
ロード・アヘッド
リモートセンシングと衛星データ統合の未来は、完全に自律的なファーム管理ループに向かって移動しています。新興技術には、高スペクトラムナノ衛星の星座(six-hour Revisit)、地域条件に適応するグローバルデータセットで訓練されたAIモデル、および高品質フィールドデータを共有する農家に報酬を与えるブロックチェーンベースのデータ市場が含まれます。このような公共プライベートパートナーシップ(ASA])])は、地球科学アプリケーションに関するESA-Nコラボレーション[FLT]と[FLT]を促進し、データにアクセスするためのアルゴリズムとデータ市場を促進します[FLT]。
機械類ベースの作物管理のために、統合はシームレスになります:衛星画像取得は、衛星通信ネットワーク(例えば、イリジウムまたはスターリンク)を介して機械の更新を自動的にトリガーし、遠隔地が最新の洞察から恩恵を受けることを保証します。これらの技術が成熟したように、農業は成長するグローバル人口を養うだけでなく、大幅に低環境フットプリントで行います。将来はここにあります - それはちょうど均等に配布され、次の10年はすべての農場にそれをもたらすでしょう。