A betegségkockázat ismerete a szántóföldön létfontosságú az időben meghozott növénytermesztési döntésekhez. A szántóföld-specifikus IoT-állomások segítségével megismerheti a spórakibocsátás és a spórafertőzés modellezett feltételeit.

A szántóföldi betegségek kockázata, a terméshozam és a minőség tolvaja

Betegségkockázat a terepen_fedél

Agronómiai kérdések

  • Tudja, hogy mikor kell permetezni vagy nem permetezni a tényleges terepviszonyok alapján.
  • A terep-specifikus IoT állomások, ismerje a spórakibocsátás és a spórafertőzés modellezett feltételeit.
  • A gombaölő szerek kijuttatásának időzítése a növekedési stádium és a betegség kockázata/nyomás - a permetezési ablak megnyújtása vagy lerövidítése.
  • A hozam/minőség megőrzése a jól időzített fungicid alkalmazások.
  • A növényvédő szerek hatékonysága a szántóföldön belüli hatékonyságtól függően változik. időjárási körülmények 20-tól 100-ig %.
  • A növényvédő szerek hatástalansága akár 80 % % 30 % hozamcsökkenést okozhat.
Fuzárium a búzában
Fuzárium a búzában
Sclerotinia a repcében
Sclerotinia a repcében

IoT-megoldások a terepen előforduló betegségek kockázatának kezelésére

Használja az IoT-eszközök egymásba ágyazott megközelítését a mezők időjárási körülményeinek nyomon követésére.

Az infieldtől a teljes állomásokig, különféle érzékelők: hőmérséklet, relatív páratartalom, levélnedvesség, csapadék, napsugárzás, talajhőmérséklet és szélsebesség/irány.

Terepi érzékelők a betegségek kockázatértékeléséhez_FieldClimate

Kombinálja az IoT-eszközöket, a 80 közül az egyikkel betegségmodellek 45 termény esetében.

nMETOS_FieldClimate

Példa a szántóföldi betegségkockázatra a következők esetében Canola. Sclerotinia négy modellezett folyamat: apothecia fejlődés, sporuláció és két fertőzési folyamat.

Költségelőnyök

A betegségnyomásra vonatkozó szántóföldi kockázatértékelés lehetővé teszi számunkra, hogy a növénytermesztési döntéseinket célzottan hozzuk meg.

  • A szántóföldi betegségnyomás gyakran észrevétlen probléma, amíg nem késő.
  • Minden betegségmodellek az METOS által használt® a móló által felülvizsgált kutatásokon alapulnak.
  • Bármely betegség biológiája nem változik régiónként, ami változik, az a terepen történő kezelés. időjárás és az alkalmazott irányítási technikák.
  • Időjárás állomások vagy IoT-eszközök a nem közeli vagy a mezőn belülről származó adatok pontatlanok a következő esetekben betegség előrejelzése.
  • A terepi IoT-eszközök és -érzékelők lehetővé teszik a betegségek nagyon pontos előrejelzését a terepi zónák számára.

Egy termelő hangja

"Példa: A Sclerotinia szárrothadás olyannyira elvesztette a gazdaságom terméshozamát, hogy 1000 hektárnyi területemre vetítve $55 hektár 50 bushel termést veszítettem el. Meg kellett változtatnom a gazdálkodási gyakorlatomat, és a Pessl IoT megoldásait kellett használnom, hogy jobban megismerjem a Sclerotinia betegség kockázatának környezeti feltételeit, hogy időben tudjam elvégezni a gombaölő szerek kijuttatását. Az IoT-megoldások évente $6 000 forintba kerülnek a gazdaságomnak, ami több mint 8:1 arányú megtérülést jelent."

A szerzőről:
Guy Ash az elmúlt 30 évben agrármeteorológusként és földmegfigyelési tudományos szakemberként dolgozott. Jelenleg az ausztriai Pessl Instruments globális képzési és nagyvállalati menedzsere Kanadában. A Pessl Instrument egy IoT-vállalat, amely hardver (loggerek és érzékelők) és szoftvermegoldásokat gyárt, amelyek a mezőgazdasági ágazatra összpontosítanak. Több mint 85 országban dolgozunk, és több mint 70 000 eszközt és 700 000 érzékelőt telepítettünk a mezőgazdasági alkalmazások széles skálájához: betegségkezelés, öntözés, talajnedvesség, rovarcsapdák, terménykamerák, időjárás-állomások, talajtermékenység stb. Az egyik feladata, hogy globális képzést biztosítson a legkülönfélébb növények - rizs, búza, szójabab, narancs, kukorica, repce, takarmányok, szőlő, gyümölcsök és zöldségek stb. - IoT-megoldásainak széles listájához.

Avatar-Guy

Guy Ash,
METOS® Globális képzési menedzser
VISSZA AZ ÖSSZES BLOGBEJEGYZÉSHEZ