Bezinwazyjne oznaczanie zapotrzebowania roślin na składniki mineralne

Obecnie nauki biologiczne prowadzone w warunkach laboratoryjnych znajdują praktyczne zastosowanie w uprawach szklarniowych i polowych. Dzięki postępowi w technikach badawczych oraz możliwości prowadzenia bezinwazyjnych pomiarów, takich jak sygnały fluorescencji chlorofilu, możemy uzyskać ogromne ilości danych z roślin. Te dane, dostarczające informacji o stanie zdrowotnym i fizjologicznym roślin, są niezwykle cenne dla narzędzi wykorzystujących sztuczną inteligencję i uczenie maszynowe. Systemy oparte na tych technologiach potrafią diagnozować kondycję roślin oraz zapobiegać wielu problemom, które dotychczas były trudne do wykrycia w rolnictwie.

W ramach współpracy z sektorem prywatnym i przemysłowym, prof. dr hab. Hazem M. Kalaji z Instytutu Biologii Szkoły Głównej Gospodarstwa Wiejskiego prowadzi intensywne prace badawcze nad opracowaniem systemu diagnostyki niedoboru składników mineralnych w roślinach uprawnych, takich jak pszenica, jęczmień, kukurydza, rzepak, a także roślinach ogrodniczych, jak pomidor, ogórek, bazylia czy sałata. Powstaje prototyp systemu oznaczania zapotrzebowania roślin na składniki mineralne, który może być instalowany na stałe, np. w szklarniach lub montowany na mobilnych urządzeniach i maszynach, takich jak drony, autonomiczne platformy czy maszyny rolnicze.

Diagnozowanie niedoborów składników zanim staną się zauważalne

To innowacyjne rozwiązanie stanowi przełom w dziedzinie diagnozowania niedoborów składników mineralnych w roślinach uprawnych, niezależnie od miejsca ich wzrostu – czy to na polu, w szklarni czy w laboratorium. Zanim objawy niedoborów staną się zauważalne, urządzenie będzie w stanie precyzyjnie określać potrzeby roślin, analizując dane związane z fotosyntezą, a w szczególności sygnały fluorescencji chlorofilu. Kluczową zaletą jest możliwość dokonywania pomiarów w sposób nieinwazyjny i bardzo szybki – od kilku sekund do kilku minut. Zebrane dane są następnie przetwarzane za pomocą technologii opartej na sztucznej inteligencji i uczeniu maszynowym. System będzie także potrafił sugerować w czasie rzeczywistym optymalne nawożenie, wskazując którego z pierwiastków brakuje i w jakiej ilości należy go uzupełniać.

Jest to znaczący postęp w stosunku do tradycyjnych metod oznaczanie zapotrzebowania roślin na składniki mineralne opartych na destrukcyjnych i czasochłonnych analizach chemicznych, czy sygnałach spektralnych, które wynikają głównie ze zmian morfologicznych, czy obrazach satelitarnych. Stosowane dotychczas rozwiązania są kosztowne, mniej precyzyjne i zależne od warunków pogodowych. Wprowadzenie innowacyjnego urządzenia na rynek niewątpliwie przyczyni się do oszczędności w zakresie nawożenia oraz zwiększenia jakości i ilości zbiorów.

Korzystny wpływ na środowisko

Wdrożenie tego narzędzia w rolnictwie i ogrodnictwie korzystnie wpłynie również na środowisko, redukując zanieczyszczenie gleby i wody wynikające z nadmiernego stosowania nawozów mineralnych w przeszłości. Przewagą tego innowacyjnego systemu nad innymi podobnymi jest to, że sygnały fluorescencji i chlorofilu wskazują na zapotrzebowanie roślin na składniki mineralne na długo przed tym, jak niedobory te staną się widoczne gołym okiem – nawet o 2-3 tygodnie przed pojawieniem się dostrzegalnych symptomów. Tak wczesna identyfikacja niedoborów (a w przyszłości także innych stresorów, jak susza, zasolenie, ciężkie metale, insekty czy choroby) umożliwia zapobieganie katastrofom w produkcji roślinnej na całym świecie.

źródło – materiały SGGW