ນັກກະເສດສາດຕ້ອງຮູ້ປະຊາກອນ ລຳ ຕົ້ນເພື່ອຈະສາມາດສ້າງແບບ ຈຳ ນວນຫົວ.
ຜູ້ປູກຄວນຈະສາມາດປະເມີນຄວາມແຕກຕ່າງຂອງປະຊາກອນຂອງໂຮງງານມັນຕົ້ນໃນຂອບເຂດສະ ໜາມ ໃນເວລາໃດກໍ່ຕາມ. ນີ້ແມ່ນຂໍຂອບໃຈກັບການເຮັດວຽກທີ່ມະຫາວິທະຍາໄລ Harper Adams, AHDB ສະ ໜັບ ສະ ໜູນ ນັກສຶກສາປະລິນຍາເອກ Joseph Mhango. ເຄື່ອງມືການຕັດສິນໃຈ ໃໝ່ ຂອງລາວໃຊ້ປັນຍາປະດິດທີ່ຮູ້ຈັກກັນໃນນາມ Deep Learning ຄຽງຄູ່ກັບຮູບພາບການປູກພືດທີ່ໃຊ້ drone ເພື່ອຄິດໄລ່ເລກ ລຳ ຕົ້ນ, ແລະແຜນທີ່ບ່ອນທີ່ມັນເກີດຂື້ນ.
ເຕັກນິກນີ້ແມ່ນສາມາດກວດພົບວັດຖຸ, ແລະຖືກ ນຳ ໃຊ້ເພື່ອວິໄສທັດຂອງເຄື່ອງໃນລົດຂັບຂີ່ດ້ວຍຕົນເອງ. ທ່ານ Mhango ກ່າວວ່າ: ນັກກະເສດສາດຕ້ອງຮູ້ປະຊາກອນ ລຳ ຕົ້ນເພື່ອຈະສາມາດສ້າງແບບ ຈຳ ນວນຫົວໄດ້.
"ໃນໄລຍະສອງປີທີ່ຜ່ານມາ, ພວກເຮົາໄດ້ພັດທະນາເຕັກນິກບາງຢ່າງໂດຍອີງໃສ່ປັນຍາປະດິດເພື່ອເລີ່ມຕົ້ນແກ້ໄຂບັນຫາຂອງວິທີການທີ່ຈະປະເມີນຄວາມແຕກຕ່າງຂອງຄວາມ ໜາ ແໜ້ນ ຂອງ ລຳ ຕົ້ນໃນບໍລິເວນມັນຕົ້ນຢ່າງເຕັມສ່ວນ, ຕາມປົກກະຕິພາຍຫຼັງປູກໄດ້ 70 ວັນ." ໂດຍການວິເຄາະຂໍ້ແນະ ນຳ ກ່ຽວກັບພືດພັນໂດຍໃຊ້ຄື້ນສີແດງ, ສີຟ້າແລະສີຂຽວປົກກະຕິທີ່ຖ່າຍໂດຍ drone, ໂຈເຊັບໄດ້ຄົ້ນພົບວ່າ ຄຳ ແນະ ນຳ ກ່ຽວກັບພືດຜັກມັນຕົ້ນສາມາດຖືກນັບແລະ ນຳ ໃຊ້ເພື່ອເປັນຕົວແທນ ຄຳ ແນະ ນຳ ຂອງ ລຳ ຕົ້ນ.
ການຮຽນຮູ້ເລິກຫຼັງຈາກນັ້ນໄດ້ຖືກ ນຳ ໃຊ້ເຂົ້າໃນການພັດທະນາຮູບແບບທີ່ເຂັ້ມແຂງ ສຳ ລັບການຄາດຄະເນຕົວເລກ ລຳ ຕົ້ນເຊິ່ງສາມາດ ນຳ ໃຊ້ເຂົ້າໃນການຜະລິດແຜນທີ່ຄວາມຮ້ອນຂອງຄວາມ ໜາ ແໜ້ນ ຂອງປະຊາກອນ ລຳ ຕົ້ນໃນສະ ໜາມ. ເຄື່ອງມືດັ່ງກ່າວແມ່ນເພື່ອແນໃສ່ ອຳ ນວຍຄວາມສະດວກໃຫ້ແກ່ການຕັດສິນໃຈໃນການເກັບກ່ຽວ, ສະນັ້ນພື້ນທີ່ທີ່ມີ ຈຳ ນວນຫົວໃຫຍ່ສາມາດປ່ອຍໃຫ້ມີເວລາຫຼາຍຂື້ນເປັນ ຈຳ ນວນຫຼວງຫຼາຍ, ໃນຂະນະທີ່ຜູ້ທີ່ມີຫົວນ້ອຍ, ຫົວໃຫຍ່ຈະເກັບກ່ອນ.
ຕົວແບບທີ່ໄດ້ຮັບການຝຶກອົບຮົມຜ່ານມາສະແດງໃຫ້ເຫັນວ່າບ່ອນທີ່ມີຕົວເລກ ລຳ ຕົ້ນຫຼາຍຕໍ່ພື້ນທີ່ຂອງພື້ນດິນ, ຈຳ ນວນຫົວໃຫຍ່ທີ່ຄາດວ່າຈະມີລາຄາຂອງຫົວຫົວໂດຍສະເລ່ຍ. ທ່ານກ່າວວ່າຜູ້ທີ່ປູກມັນຄຸ້ນເຄີຍກັບຄວາມ ສຳ ພັນລະຫວ່າງປະຊາກອນຂອງມັນຕົ້ນແລະຜົນຜະລິດຫົວລວມທັງການແຈກຢາຍຂະ ໜາດ, ແລະການຕັດສິນໃຈກ່ຽວກັບໄລຍະເວລາເກັບກ່ຽວໂດຍປົກກະຕິແມ່ນອີງໃສ່ ຈຳ ນວນຜົນຜະລິດທີ່ຂຸດຢູ່ໃນທົ່ງນາ.
ຄວາມແຕກຕ່າງລະຫວ່າງຮູບແບບນີ້ແລະແບບອື່ນໆແມ່ນວ່າມັນສະ ໜອງ ຄວາມສາມາດໃນການວັດແທກຄວາມແຕກຕ່າງພາຍໃນພາກສະ ໜາມ ເພື່ອສະ ໜອງ ຂໍ້ມູນເພື່ອ ກຳ ນົດເຂດການຄຸ້ມຄອງໃນການປູກຝັງທີ່ຖືກຕ້ອງ. ຮູບແບບ ໃໝ່ ຂອງໂຈເຊັບໄດ້ຖືກທົດສອບຢູ່ໃນສວນມັນຕົ້ນ ຈຳ ນວນ ໜຶ່ງ ໃນທົ່ວ Shropshire ແລະ Lincolnshire, ແລະ ກຳ ລັງເບິ່ງດີຫຼາຍ. "ເຄື່ອງມື ໃໝ່ ນີ້ຈະເຮັດໃຫ້ການປູກຝັງທີ່ຖືກຕ້ອງຊັດເຈນງ່າຍຂື້ນ, ຍ້ອນວ່າຂໍ້ມູນດັ່ງກ່າວສາມາດແຈ້ງການຕັດສິນໃຈກ່ຽວກັບໄລຍະເວລາຂອງການສູນເສຍແລະການເກັບກ່ຽວ, ແຕ່ຍັງມີການ ນຳ ໃຊ້ຢາປາບສັດຕູພືດແລະຢາຂ້າຫຍ້າ."
ແປວ່າປຸຍເປັນຜົນຜະລິດ
ພ້ອມທັງເປັນສ່ວນ ໜຶ່ງ ຂອງການສຶກສາຂອງລາວທີ່ລາວໄດ້ວາງແຜນການປູກມັນຕົ້ນໃນທົ່ວ XNUMX ຂົງເຂດ, ເບິ່ງການ ນຳ ໃຊ້ປຸຍໄນໂຕຣເຈນ (N), ຟົດສະຟໍຣັດ (P) ແລະຊູນຟູຣິກ (S) ແລະຄວາມແຕກຕ່າງຂອງວິທີການແປທີ່ມັນໃຫ້ຜົນຜະລິດ, ແລະຈຸດໃດ ພວກເຂົາຢຸດເຊົາການປະກອບສ່ວນ. “ ການຕອບສະ ໜອງ ຕໍ່ທາດອາຫານໃນດິນສາມາດແຕກຕ່າງກັນໄປໃນທົ່ວພື້ນທີ່ເພາະວ່າມີລະດັບທີ່ມີຢູ່ແລ້ວໃນດິນ. "ຕົວຢ່າງຂອງດິນໄດ້ຖືກປະຕິບັດຫຼັງຈາກການໃສ່ປຸfertilizerຍ, ແລະໃນພື້ນທີ່ສ່ວນໃຫຍ່ພວກເຮົາໄດ້ພົບເຫັນຫຼັກຖານຂອງການໃສ່ປຸoverຍທີ່ເຮັດໃຫ້ລະດັບ P ສູງຂື້ນຢູ່ໃນສະ ໜາມ ທີ່ມີຂະ ໜາດ ຫົວນ້ອຍກວ່າ."
“ ຄວາມເຂົ້າໃຈຂອງພວກເຮົາແມ່ນວ່າ ລຳ ດັບຊັ້ນຂອງຫົວເຜືອກມີຢູ່ໃນມັນຕົ້ນແລະມີພຽງແຕ່ສ່ວນຂອງຫົວທີ່ໂດດເດັ່ນເທົ່ານັ້ນທີ່ໃຊ້ປະໂຫຍດຈາກລະດັບສານອາຫານທີ່ດີທີ່ສຸດ. “ ເຖິງຢ່າງໃດກໍ່ຕາມ, ໃນລະດັບທາດອາຫານທີ່ສູງທີ່ສັງເກດເຫັນຢູ່ໃນສວນຂອງຜູ້ປູກ, ພວກເຮົາ ກຳ ລັງເກັບເອົາຫຼັກຖານທີ່ສະແດງວ່າມັນບໍ່ແມ່ນຄວາມຈິງສະ ເໝີ ໄປ. "ຜົນການຄົ້ນພົບໄດ້ສະແດງໃຫ້ເຫັນວ່າທຸກໆຂົງເຂດໃນການສຶກສາແມ່ນ ດຳ ເນີນການໃນລະດັບທາດອາຫານທີ່ເກີນລະດັບທີ່ດີທີ່ສຸດ, ແລະພາຍໃນຂົງເຂດເຫຼົ່ານີ້, ມັນມີຄວາມ ສຳ ພັນທາງລົບທີ່ ສຳ ຄັນລະຫວ່າງລະດັບ P ແລະການແຈກຢາຍຂະ ໜາດ ຫົວ.
"ແທນທີ່ຈະໃຊ້ການທົດລອງແບບສຸ່ມກັບການຮັກສາທີ່ຄວບຄຸມ, ພວກເຮົາຕ້ອງການທີ່ຈະເຂົ້າໃຈເຖິງຄວາມ ສຳ ພັນລະຫວ່າງການແຈກຢາຍຂອງດິນແລະຂະ ໜາດ ຫົວໃນສະພາບຕົວຈິງ." ດ້ວຍເຫດນັ້ນ, ລາວໄດ້ໃຊ້ວິທີການ ສຳ ຫຼວດທາງດ້ານສະຖິຕິທາງພູມສາດເພື່ອສ້າງແບບ ຈຳ ລອງ, ນີ້, ລາວເຊື່ອວ່າພວກເຮົາໄດ້ອະນຸຍາດໃຫ້ພວກເຮົາສ້າງແບບ ຈຳ ລອງດ້ວຍຕົວຄູນທີ່ສະທ້ອນໃຫ້ເຫັນຄວາມ ສຳ ພັນທີ່ດີກວ່າໃນຂົງເຂດຊາວກະສິກອນທົ່ວໄປ”. "ໃນຫລາຍໆກໍລະນີ, ຊາວກະສິກອນອາດຈະມີຄວາມເຂັ້ມແຂງເກີນໄປທີ່ຈະພະຍາຍາມແລະຮັບປະກັນຜົນລະປູກຂອງພວກເຂົາມີສານອາຫານທີ່ພຽງພໍ, ແຕ່ນີ້ອາດຈະກໍ່ໃຫ້ເກີດຜົນກະທົບທີ່ບໍ່ດີຕໍ່ຜົນຜະລິດແລະຄຸນນະພາບ."
ລັກສະນະສາມມິຕິຂອງແບບ ຈຳ ລອງເຫລົ່ານີ້ຊ່ວຍໃຫ້ການເຊື່ອມໂຍງເຂົ້າກັບຮູບແບບນັບນັບລວມທັງການລວມເອົາພາບຖ່າຍດາວທຽມເພື່ອປັບປຸງການຄາດຄະເນ. ສ່ວນປະກອບທີສາມຂອງປະລິນຍາເອກຂອງໂຈເຊັບແມ່ນກ່ຽວຂ້ອງກັບການເຊື່ອມໂຍງຮູບພາບດາວທຽມທີ່ມີຄວາມລະອຽດສູງທີ່ມີຄວາມລະອຽດສູງທີ່ສາມາດຊອກຫາໄດ້ໂດຍອິດສະລະຂອງພື້ນດິນແລະເຮືອນຍອດຈາກສະຖານທີ່ສຶກສາຂອງລາວ. "ພວກເຮົາຈະວັດແທກຂອບເຂດທີ່ພາບຖ່າຍດາວທຽມສາມາດຊ່ວຍໃຫ້ມີຄວາມຖືກຕ້ອງຕາມການຄາດເດົາທີ່ດີກວ່າຂອງຜົນຜະລິດມັນຕົ້ນແລະການແຈກຢາຍຂະ ໜາດ ຫົວກ່ອນການເກັບກ່ຽວ."
ເບິ່ງການສະ ເໜີ ຈາກອາທິດ Agronomy:
ຂະ ແໜງ: ມັນຝຣັ່ງ
ທ່ານຈະຕ້ອງ ເຂົ້າສູ່ລະບົບ ຕອບກັບເຫັນ.