Sa pamamagitan ni Pesach Benson • Hunyo 30, 2025
Jerusalem, 30 Hunyo, 2025 (TPS-IL) – Nag-develop ang mga siyentipiko ng isang sistema na batay sa drone na kayang makakita ng kakulangan sa nitrogen at tubig sa mga pananim na sesame nang may hindi paunang katiyakan, nag-aalok ng mas matalinong at mas matatag na paraan ng pagsasaka, ayon sa pahayag ng Hebrew University of Jerusalem noong Lunes. Ang inobasyon ay nagtataglay ng hyperspectral, thermal, at RGB imaging na may kasamang artificial intelligence upang mas epektibong bantayan ang stress ng pananim kumpara sa tradisyunal na mga paraan.
Pinangunahan ni Dr. Ittai Herrmann ang pag-aaral na isinagawa sa pakikipagtulungan ng Virginia State University, University of Tokyo, at Israel’s Volcani Institute. Ang Volcani Institute ay ang research arm ng Ministry of Agriculture. Ang mga natuklasan ay inilathala sa peer-reviewed na ISPRS Journal of Photogrammetry and Remote Sensing.
“Sa pamamagitan ng pag-integrate ng data mula sa maraming UAV-imaging sources at pagsasanay ng deep learning models upang suriin ito, ngayon ay kayang magtukoy ng mga stress factors na dati’y mahirap paghiwalayin,” sabi ni Dr. Herrmann. “Ang kakayahang ito ay mahalaga para sa precision agriculture at para sa pag-aadapt sa mga hamon ng climate change.”
Isinagawa ang mga field test sa Experimental Farm ng Robert H. Smith Faculty of Agriculture sa Rehovot. Pinagtaniman ng mga researchers ng mga halaman ng sesame sa iba’t ibang antas ng irigasyon at nitrogen. Si Rom Tarshish, isang MSc student na kasangkot sa proyekto, ang nagkolekta ng mga traits ng halaman at leaf-level spectral data. Si Dr. Maitreya Mohan Sahoo naman ang sumunod na nagproseso ng drone imagery gamit ang machine learning techniques upang lumikha ng detalyadong mga mapa ng mga indicator ng kalusugan ng halaman, tulad ng leaf nitrogen at water content.
Ang mga resulta ay nagmarka ng malaking pag-unlad. Samantalang ang tradisyonal na remote sensing techniques ay kayang makakita lamang ng kombinadong kakulangan sa nitrogen at tubig ng 40-55% accuracy, ang bagong approach ng team ay nagtaas nito sa pagitan ng 65% hanggang 90%, salamat sa isang custom-built deep learning model na sinanay sa multimodal imagery.
Ang pananaliksik na ito ay lalong mahalaga para sa sesame, isang pananim na pinahahalagahan sa kanyang kakayahan na magtagumpay sa matitinding kondisyon at sa patuloy na paglaki ng papel nito sa global na food systems. Ang oilseed ay hindi lamang mayaman sa sustansya kundi pati na rin ay patuloy na nakikilala sa mga lugar kung saan ang climate change ay nagbabago sa mga pattern ng agrikultura.
“Ang aming paraan ay nag-aalok ng real-time na mga kaalaman na maaaring magbigay-daan sa mga magsasaka upang ma-optimize ang paggamit ng pataba at tubig,” sabi ni Dr. Herrmann. “Ibig sabihin nito ay mas mataas na ani na may mas kaunting inputs – parehong sa ekonomiya at sa kalikasan.”
Sinabi ng mga siyentipiko na ang sistema ay maaaring baguhin para sa iba pang mga pananim.