да бъде непосилна за по-малките фермери. БЛС системите, като WingtraOne GEN II, изискват значителна предварителна инвестиция, въпреки че способността им да предоставят подробни данни и данни при поискване често води до дългосрочни спестявания чрез намаляване на входните разходи и подобряване на добивите чрез техники за прецизно земеделие. В своята статия Жанг и Ковач [ 3 ] дискутират рентабилността и потенциални ползи от БЛС в прецизното земеделие, включително в мониторинга на добивите и оценка на здравословното състояние на културите. В това и други проучвания се разглеждат разходите за използване на БЛС, като опитът показва, че разходите се намаляват с увеличаване на наблюдаваните площи.
3.2. Достъп и обработка на данни
Достъпът до спътниковите данни вече е по-лесен от всякога чрез платформи, като Google Earth Engine, които позволяват на потребителите да обработват широкомащабни данни от дистанционно наблюдение, без да се нуждаят от мощни изчислителни ресурси. Предизвикателството се крие в обработката на данни от БЛС, което изисква специализиран софтуер( напр. Pix4D или Agisoft Metashape) за фотограметрия и мултиспектрална обработка на изображения.
Инструменти с отворен код като Orfeo ToolBox и SNAP( платформата за приложения Sentinel на ESA) предлагат алтернативи на частния софтуер, позволявайки на потребителите да обработват спътникови и изображения от БЛС безплатно, въпреки че често изискват повече технически познания.
3.3 Примери за практическо приложение на технологиите за дистанционни изследвания в селското стопанство
Няколко казуса от научната литература демонстрират практическото приложение на технологиите за дистанционно изследване в малки и средни земеделски стопанства:
� Матезе и ди Дженаро [ 4 ] разглеждат възможностите на самолетното заснемане или използването на БЛС с различни видове ad-hoc създадени сензори за съответните изследвания, специално в областта на лозарството. Обръщат внимание и на използването на наземни сензори, включително такива, които да проследяват почвени процеси. Комплексът от изследвани методи цели по-качествено и автоматизирано управление на процесите в лозарството, включително прецизно управление на наземните машини;
� Учените Лоубел, Тау, Сайферт, Енгел и Литъл [ 5 ] разглеждат метод наречен Scalable Satellite-Based Crop Yield Mapper( SCYM) – мащабируем сателитно базиран картограф на добивите на културите, използва симулации на модели на културите, за да обучи статистически модели за различни комбинации от възможни дати за получаване на изображения и те след това се прилагат към Landsat и данните за времето в решетка в рамките на платформата Google Earth Engine, където Landsat е използван така, че да намери „ най-добрите“ дати на наблюдения, разглеждайки пиксел по пиксел. SCYM успешно изчисляват значителна част от вариациите на добива на царевица през всички изследвани години, в диапазон от 14 – 58 % и средно 35 % за конкретен изследван регион и култура. Подобни резултати са наблюдавани за соята, като са изчислени средно 32 % във вариациите на добива.
Тези проучвания подчертават приложимостта на технологиите за дистанционно наблюдение за оптимизиране на практиките за управление на земеделски стопанства, дори за дребни стопани.
4. ПРИЛАГАНЕ НА ДИСТАНЦИОННИ МЕТОДИ В ПРОЕКТ " ВЪВЕЖДАНЕ НА ДИСТАНЦИОННИ МЕТОДИ ЗА ПЛАНИРАНЕ НА ДЕЙНОСТИТЕ В
ЗЕМЕДЕЛИЕТО "
По време на изпълнението на проекта бяха проведени серия от полеви и дистанционни изследвания на факторите на околната среда – води, климат, почви, отглеждани култури, чрез
44