Progress in Plant Protection

The application of unmanned aerial vehicle in agriculture
Zastosowanie bezzałogowych statków powietrznych w rolnictwie

Jolanta Kowalska, e-mail: j.kowalska@iorpib.poznan.pl

Instytut Ochrony Roślin – Państwowy Instytut Badawczy, Zakład Metod Biologicznych i Rolnictwa Ekologicznego, Władysława Węgorka 20, 60-318 Poznań, Polska

Magdalena Jakubowska, e-mail: M.Jakubowska@iorpib.poznan.pl

Instytut Ochrony Roślin – Państwowy Instytut Badawczy, Zakład Monitorowania i Sygnalizacji Agrofagów, Władysława Węgorka 20, 60-318 Poznań, Polska

Andrzej Wójtowicz, e-mail: a.wojtowicz@iorpib.poznan.pl

Instytut Ochrony Roślin – Państwowy Instytut Badawczy, Zakład Mykologii, Władysława Węgorka 20, 60-318 Poznań, Polska

Dariusz Drożdzyński, e-mail: d.drozdzynski@iorpib.poznan.pl

Instytut Ochrony Roślin – Państwowy Instytut Badawczy, Zakład Badania Pozostałości Środków Ochrony Roślin, Władysława Węgorka 20, 60-318 Poznań, Polska
Streszczenie

Unmanned aerial vehicles (UAVs) equipped with optical sensors are used more frequently in research aiming at solving numerous problems occurring in agriculture. Particularly noteworthy is the use of these devices to identify plant threats caused by pests. In addition, they are helpful in making decisions on the regulation of nutrient content in soil, irrigation of pastures and arable fields, and determining the date of crop harvesting and loses in yield. The examples cited in this publication indicate unquestionably the huge potential of integration of UAVs with optical sensors that record radiation in the optical range (350–3000 nm). Thermographic and fluorescent sensors are also very popular. In the near future, UAVs will play a key role in improving the profitability of agricultural production.

 

Bezzałogowe statki powietrzne wyposażone w czujniki optyczne znajdują coraz powszechniejsze zastosowanie w badaniach ukierunkowanych na rozwiązywanie licznych problemów występujących w rolnictwie. Na szczególną uwagę zasługuje wykorzystanie tych urządzeń do identyfikacji zagrożeń roślin powodowanych przez agrofagi. Poza tym są pomocne przy podejmowaniu decyzji dotyczących regulacji zawartości składników pokarmowych w glebie, nawadniania pastwisk i pól uprawnych oraz określania terminu zbioru płodów rolnych i szkód w rolnictwie. Przytoczone w niniejszej publikacji przykłady wskazują bezspornie na ogromny potencjał integracji bezzałogowych statków powietrznych z czujnikami optycznymi, które rejestrują promieniowanie z zakresu optycznego (350–3000 nm), a wśród nich dużą popularnością cieszą się także czujniki termograficzne i fluorescencyjne. W niedalekiej przyszłości bezzałogowe statki powietrzne odegrają z pewnością kluczową rolę w poprawie opłacalności produkcji rolniczej.

Słowa kluczowe
unmanned aerial vehicle (UAVs); vegetation indices; bezzałogowy statek powietrzny; wskaźniki wegetacji roślin
Referencje

Agostino S., Mammone M., Nelson M., Zhou T. 2016. Classification of unmanned Aerial vehicles. Mechanical Engineering. http://web.archive.org/web/20121021021237/
http://personal.mecheng.adelaide.edu.au/maziar.arjomandi/aeronautical%20engineering%20projects/2006/group9.pdf [dostęp: 26.06.2019].

 

Asrar G., Fuchs M., Kanemasu E.T., Hatfield J.L. 1984. Estimating absorbed photosynthetic radiation and leaf area index from spectra reflectence in wheat. Agronomy Journal 76 (2): 300–306. DOI: 10.2134/agronj1984.00021962007600020029x.

 

Bausch W.C. 1993. Soil background effects on reflectance-based crop coefficients for corn. Remote Sensing of the Environment 46 (2): 213–222. DOI: 10.1016/0034-4257(93)90096-G.

 

Benefetti R., Rossini P. 1993. On the use of NDVI profiles as a tool for agricultyral statistics: The case of wheat yield estimates and forecast in Emilia Romagna. Remote Sensing of the Environment 45 (3): 311–326. DOI: 10.1016/0034-4257(93)90113-C.

 

Berner B., Chojnacki J. 2017. Influence of the air stream produced by the drone on the sementation of the sprayed liquid that contains entomopathogenic nematodes. Journal of Research and Applications in Agricultural Engineering 62 (3): 26–29.

 

Berni J.A.J., Zarco-Tejada P.J., Suarez L., Fereres E. 2009. Thermal and narrowband multispectral remote sensing for vegetation monitoring from an unmanned aerial vehicle. IEEE Transactions on Geoscience and Remote Sensing 47 (3): 722–738. DOI: 10.1109/TGRS.2008.2010457.

 

Candiago S., Remondino F., De Giglio M., Dubbini M., Gattelli M. 2015. Evaluating multispectral images and vegetation indices for precision farming applications from UAV Images. Remote Sensing 7 (4): 4026–4047. DOI: 10.3390/rs70404026.

 

Dejong S.M. 1994. Derivation of vegetative variables from a landsat tm image for modeling soil erosion. Earth Surface Processes and Landforms 19 (2): 165–178. DOI: 10.1002/esp.3290190207.

 

Duszczyk M. 2016. Drony będą latać z krwią i lekami. Rzeczpospolita, 10 maja 2016.

 

Dymond J.R., Stephens P.R., Newsome P.F., Wilke R.H. 1992. Percentage vegetation cover of a degrading rangeland from SPOT. International Journal of Remote Sensing 13 (11): 1999–2007. DOI: 10.1080/01431169208904248.

 

Garcia-Ruiz F., Sankaran S., Maja J.M., Lee W.S., Rasmussen J., Ehsani R. 2013. Comparison of two aerial imaging platforms for identification of Huanglongbing-infected citrus trees. Computers and Electronics in Agriculture 91: 106–115. DOI: 10.1016/j.compag.2012.12.002.

 

Giles D.K., Billing R.C. 2015. Deployment and performance of a UAV for crop spraying. Chemical Engineering Transactions 44: 307–312. DOI: 10.3303/CET1544052.

 

Głębocki R., Mirosław T. 2013. Rozwój bezzałogowych statków latających jako szansa rozwoju gospodarczego oraz zagrożenie bezpieczeństwa państwa i obywateli. s. 17–24. W: Bezpieczeństwo i niezawodność w lotnictwie: rozwój lotnictwa w regionach: bezpieczne lata 2011–2013. Uniwersytet Technologiczno-Humanistyczny im. Kazimierza Pułaskiego, Radom.

 

Gong Y., Duan B., Fang S., Zhu R., Wu X., Ma Y. 2018. Remote estimation of rapeseed yield with unmanned aerial vehicle (UAV) imaging and spectral mixture analysis. Plant Methods 14: 70. DOI: 10.1186/s13007-018-0338-z.

 

Hardin P.J., Jackson M.W., Anderson V.J., Johnson R. 2007. Detecting squarrose knapweed (Centaurea virgata Lam. Ssp. squarrosa Gugl.) using a remotely piloted vehicle: a Utah case study. GIScience & Remote Sensing 44 (3): 203–219. DOI: 10.2747/1548-1603.44.3.203.

 

Heisel T., Christensen S., Walter A.M. 1999. Whole-field experiments with site-specific weed management. W: Proceedings of the Second European Conference on Precision Agriculture (J.V. Stafford, red.). Odense, Denmark, 11–16 July, 1999, Part 2: 759–768.

 

Hunt E.R., Cavigelli M., Daughtry C.S.T., McMurtrey J.E., Walthall C.L. 2005. Evaluation of digital photography from model aircraft for remote sensing of crop biomass and nitrogen status. Precision Agriculture 6 (4): 359–378. DOI: 10.1007/s11119-005-2324-5.

 

Li X., Zhang Y., Bao Y., Luo J., Jin X., Xu X. 2014. Exploring the best hyperspectral features for LAI estimation using partial least squares regression. Remote Sensing 6 (7): 6221–6241. DOI: 10.3390/rs6076221.

 

Martinez-Guanter J., Agüera P., Agüera J., Pérez-Ruiz M. 2019. Spray and economics assessment of a UAV-based ultra-low-volume application in olive and citrus orchards. Precision Agriculture (online first). DOI: 10.1007/s11119-019-09665-7.

 

Matusiewicz J. 2012. Profilowane ścieżki. Miesięcznik Ubezpieczeniowy nr 11: 1–4.

 

Mazur P., Chojnacki J. 2017. Wykorzystanie dronów do teledetekcji multispektralnej w rolnictwie precyzyjnym. Technika Rolnicza Ogrodnicza Leśna 1: 25–28.

 

Michez A., Morelle K., Lehaire F., Widar J., Authelet M., Vermeulen C., Lejeune P. 2016. Use of unmanned aerial system to assess wildlife (Sus scrofa) damage to crops (Zea mays). Journal of Unmanned Vehicle Systems 4 (4): 266–275. DOI: 10.1139/juvs-2016-0014.

 

Mulla D.J., Miao Y. 2016. Land resources monitoring modelling and mapping with remote sensing. Precision Farming: 161–178. (online). https://www.downloaded by [China Agricultural Universits], [Yuxin Miao] at 19:39, [dostęp: 12.11.2015].

 

Park J.K., Park J. 2015. Crop Classification Using Imagery of Drone International Conference on Environmental Engineering and Remote Sensing (online). DOI: 10.2991/eers-15.2015.22.

 

Primicerio J., Gennaro S.F.D., Fiorillo E., Genesio L., Lugato E., Matese A. 2012. A flexible unmanned aerial vehicle for precision agriculture. Precision Agriculture (online first). DOI: 10.1007/s11119-012-9257-6.

 

Qin W., Xue X., Zhou L., Zhang S., Sun Z., Kong W., Wang B. 2014. Effects of spraying parameters of unmanned aerial vehicle on droplets deposition distribution of maize canopies. Transactions of the Chinese Society of Agricultural Engineering (online). DOI: 30.10.3969/j.issn.1002-6819.2014.05.007.

 

Reinecke M., Prinsloo T. 2017. The influence of drone monitoring on crop health and harvest size (online). DOI: 10.1109/NEXTCOMP.2017.8016168.

 

Rouse J.W., Haas R.H., Schell J.A., Deering D.W. 1974. Monitoring vegetation systems in the great plains with ERTS. Proceedings, Third Earth Resources Technology Satellite-1 Symposium, Greenbelt: NASA SP-351, 3010-3017.

 

Ru Y., Jin L., Jia Z., Bao R., Qian X. 2015. Design and experiment on electrostatic spraying system for unmanned aerial vehicle. Nongye Gongcheng Xuebao/Transactions of the Chinese Society of Agricultural Engineering 31 (8): 42–47. DOI: 10.3969/j.issn.1002-6819.2015.08.007.

 

Ru Y., Jin L., Zhou H., Jia Z. 2014. Performance experiment of rotary hydraulic atomizing nozzle for aerial spraying application. Nongye Gongcheng Xuebao/Transactions of the Chinese Society of Agricultural Engineering 30 (3): 50–55. DOI: 10.3969/j.issn.1002-6819.2014.03.007.

 

Rutten A., Casaer J., Vogels M.F.A., Addink E.A., Vanden Borre J., Leirs H. 2018. Assessing agricultural damage by wild boar using drones: wild boar damage assessment. Wildlife Society Bulletin 42 (4): 568–576. DOI: 10.1002/wsb.916.

 

Sugiura R., Tsuda S., Tamiya S., Itoh A., Nishiwaki K., Murakami N., Shibuya Y., Hirafuji M., Nuske S. 2016. Field phenotyping system for the assessment of potato late blight resistance using RGB imagery from an unmanned aerial vehicle. Biosystems Engineering 148: 1–10. DOI: 10.1016/j.biosystemseng.2016.04.010.

 

Swain K.C., Jayasuriya H.P.W., Salokhe V.M. 2007. Suitability of low-altitude remote sensing images for estimating nitrogen treatment variations in rice cropping for precision agriculture adoption. Journal of Applied Remote Sensing 1 (1): 013547 (1 November 2007). DOI: 10.1117/1.2824287.

 

Swain K.C., Thomson S.J., Jayasuriya H.P.W. 2010. Adoption of an unmanned helicopter for low-altitude remote sensing to estimate yield and total biomass of a rice crop. Transactions of the ASABE 53 (1): 21–27.

 

Wanjura D.F., Hatfield J.L. 1987. Sensivity of spectral vegetation indices to crop biomass. Transactions of the ASAE 30 (3): 0810–0816. DOI: 10.13031/2013.30479.

 

Wood E.F., Lakshmi V. 1993. Scaling water and energy fluxes in climate systems: three land-atmospheric modeling experiments. Journal of Climate 6 (5): 839–857. DOI: 10.1175/1520-0442.

 

Wójtowicz M., Wójtowicz A., Piekarczyk J. 2016. Application of remote sensing methods in agriculture. Communications in Biometry and Crop Science 11 (1): 31–50.

 

www.adama.com [dostęp: 26.06.2019].

 

www.yamahamotorsports.com/motorsports/pages/precision-agriculture [dostęp: 26.06.2019].

 

Xue J., Su B. 2017. Significant remote sensing vegetation indices: a review of developments and applications. Journal of Sensors, Volume 2017, Article ID 1353691, 17 ss. DOI: 10.1155/2017/1353691.

 

Yu N., Li L., Schmitz N., Tian L., Greenberg J.A., Diers B.W. 2016. Development of methods to improve soybean yield estimation and predict plant maturity with an unmanned aerial vehicle based platform. Remote Sensing of Environment 187: 91–101. DOI: 10.1016/j.rse.2016.10.005.

 

Zawadzak M. 2016. Drony rolnicze będą mieć największy udział w rynku. www.swiatdronow.pl/drony-rolnicze-najwiekszy-udzial-wrynku [dostęp: 24.02.2016].

 

Zhigang W., Yubin L., Hoffmann W.C., Yonghui W., Yongjun Z. 2013. Low altitude and multiple helicopter formation in precision aerial agriculture. American Society of Agricultural and Biological Engineers Annual International Meeting 2013 (online). DOI: 10.13031/aim.20131618681.

Progress in Plant Protection (2019) : 0-0
Data pierwszej publikacji on-line: 2019-09-06 14:54:17
http://dx.doi.org/10.14199/ppp-2019-021
Pełny tekst (.PDF) BibTeX Mendeley Powrót do listy