Posledních několik let je ve znamení velkého rozvoje využití poznatků z oboru geoinformatiky v agronomické praxi. Obecně platí, že každý rozvoj a implementace poznatků nastává zpravidla po uvolnění dostupnosti dat či zpřístupnění nových technologií pro širokou veřejnost. Poslední velký rozvoj nastal v roce 2015, kdy byla vynesena na oběžnou dráhu Země družice Sentinel 2, která snímá v optické části spektra.
V současné době se dostávají do obliby bezpilotní prostředky, a to především z důvodu flexibility použití, dosažení vysokého prostorového rozlišení a dostupnosti pro každého, kdo je schopen splnit legislativní kritéria. Tak jako je na vzestupu využívání družicových a leteckých snímků, stávají se standardem i výnosové mapy či doprovodná digitální měření korespondující se stavem porostu či půdy. Měření a shromažďování těchto dat zpravidla vede k jednomu cíli, a tím je predikce výnosu, lepší využití potenciálu půdy pro pěstování rostlin a z ekonomického hlediska samozřejmě také snižování nákladů.
Informace zjištěné během vegetační sezóny by měly přinést benefit v podobě komplexní vizualizace aktuálního stavu sledovaných pozemků a porostů. Dají se využít pro stanovení variabilní aplikační dávky, která by měla odpovídat lokálním specifikám daného pozemku a měla by vzít v úvahu nejen strohou informaci z jednoho měření či snímku, ale také dlouhodobý stav sledovaného místa, pěstovanou plodinu či odrůdu a její vlastnosti. Predikce výnosu je poměrně složitá záležitost, je nezbytné vzít v úvahu nejen dostupné družicové či letecké snímky, ale také jakékoliv informace o vývoji a výnosu plodin z předchozích let a parametry sledovaného pozemku a porostu.
Tak jako má sledovaný porost své vlastnosti, tak má své charakteristiky a úskalí měřící aparatura. Z hlediska družicových snímků lze bezplatně využít data z programu Copernicus (https://copernicus.gov.cz/index.php/o-programu-copernicus/), a to především snímky z družice Sentinel 2, a snímky řady Landsat (https://earthexplorer.usgs.gov/). Jedná se o tradiční a velmi používané zdroje dat v zemědělství. Ačkoliv poskytovatelé těchto dat deklarují časovou návaznost a zastupitelnost jednotlivých sad poskytovaných dat, je potřeba si uvědomit, že se snímky mohou lišit v závislosti na rozdílném prostorovém rozlišení a spektrálních vlastnostech snímku. Pokud se tedy zaměříme na prakticky velmi rozšířený normalizovaný diferenční vegetační index (NDVI), který se vypočítá jako poměr odrazivosti v červené (RED) a blízké infračervené (NIR) části spektra: (NIR-RED) /(NIR+RED), tak si lze všimnout rozdílů v rozsahu vlnových délek spektrálních pásem, které vstupují do výpočtu.
Celý článek doc. Jitky Kumhálové, obsahující i praktická provozní data z využití družicových snímků pro monitoring porostů, najdete v Mechanizaci zemědělství 11/2021.*
