Технологии точного земледелия в овощеводстве

Технологии точного земледелия в овощеводстве

Автор: Федосов Александр Юрьевич, Меньших Александр Михайлович

Журнал: Овощи России @vegetables

Рубрика: Садоводство, овощеводство, виноградарство и лекарственные культуры

Статья в выпуске: 6 (68), 2022 года.

Бесплатный доступ

Технологии точного земледелия могут помочь смягчить воздействие сельского хозяйства на окружающую среду за счет сокращения использования удобрений и орошения при одновременном снижении затрат. В технологии точного земледелия в овощеводстве используются система географического позиционирования (GPS), географическая информационная система (GIS), искусственный интеллект (IoT), робототехника, сенсорные технологии, редактирование генома на основе данных и т.д., чтобы улучшить производство и качество овощей. Цифровое секвенирование генома, разработанное за последнее десятилетие, значительно сократило затраты и время, необходимые для картирования ДНК растений и других организмов. Цифровые методы секвенирования генома генерируют огромные объемы данных о последовательностях генома, которые, в свою очередь, помогают в селекции растений для конкретных полевых условий или желаемых признаков. Это сохраняет отличные перспективы для выращивания овощных культур в рамках нынешнего сценария земледелия, когда изменение климата заставляет переосмыслить всю практику ведения сельского хозяйства. В этой статье содержится полезная информация о технологиях точного земледелия для овощеводов, энтузиастов, фермеров и исследователей. Экономические факторы являются важными движущими силами и препятствиями для внедрения технологий. Практическая значимость новых технологий, предоставляемых посредством коммуникации и образования, имеет дополнительный потенциал с точки зрения их продвижения.

Еще

Цифровизация, точное земледелие, редактирование генома, внедрение технологий

Короткий адрес: https://sciup.org/140296496

IDR: 140296496   |   DOI: 10.18619/2072-9146-2022-6-40-45

Список литературы Технологии точного земледелия в овощеводстве

  • United Nations Department of Economic and Social Affairs. Available online: https://www.un.org/development/desa/publications/world-population-prospects2019-highlights.html (Access date 10.07.2022)
  • Binns C.W., Lee M.K., Maycock B., Torheim L.E., Nanishi K., Duong D.T.T. Climate change, food supply, and dietary guidelines. Annu. Rev. Public Health. 2021;(42):233-255.
  • FAO I. Food loss and waste must be reduced for greater food security and environmental sustainability; 2022.
  • Finger R., Swinton S.M., El Benni N., Walter A. Precision farming at the Nexus of agricultural production and the environment. Annual Review of Resource Economics. 2019;11(1):313-335.
  • Hickey L.T., Robinson A.N.H., Jackson H., Leal-Bertioli S.A., Tester S.C.M., Gao M., Wulff B.B.H. Breeding crops to feed 10 billion. Nat Biotechnol. 2019;37(7):744-754.
  • Clapp J. Mega-mergers on the Menu: Corporate Concentration and the Politics of Sustainability in the Global Food System. Global Environmental Politics. 2018;18(2):12-33.
  • Pham X., Martin S. How Data Analytics Is Transforming Agriculture. Business Horizons. 2018;61(1):125-133.
  • Day S. AgTech Landscape 2019: 1,600+ Startups Innovating on the Farm and in the “Messy Middle.” 2019. June 4. https://agfundernews.com/2019-06-04-agtechlandscape-2019-1600-startups.html (Access date 10.07.2022)
  • Bronson K. Looking Through a Responsible Innovation Lens at Uneven Engagements with Digital Farming. NJAS-Wageningen Journal of Life Sciences 2019;90-91(100294):1-6.
  • Mooney P. Blocking the Chain: Industrial Food Chain Concentration, Big Data Platforms and Food Sovereignty Solutions. October 10. 2018. https://www.etcgroup.org/sites/www.etcgroup.org/files/files/blockingchain2.png (Access date 10.07.2022) (In Eng.)
  • Королькова А.П., Кузнецова Н.А., Иванова М.И., Шатилов М.В., Ирков И.И., Ильина А.В., Кузьмин В.Н., Маринченко Т.Е. Экономические аспекты развития овощеводства России. М., ФГБНУ «Росинформагротех», 2021. 204 с.
  • Федосов А.Ю., Меньших А.М., Иванова М.И., Рубцов А.А. Инновационные технологии орошения овощных культур. М., Изд-во Ким Л.А., 2021. 306 с.
  • Солдатенко А.В., Меньших А.М., Федосов А.Ю., Ирков И.И., Иванова М.И. Повышение конкурентоспособности овощных культур к сорным растениям посредством совершенствования методов борьбы. Овощи России. 2022;(2):72-87. https://doi.org/10.18619/2072-9146-2022-2-72-87
  • Федосов А.Ю., Меньших А.М., Иванова М.И. Дефицитное орошение овощных культур. Овощи России. 2022;(3):44-49. https://doi.org/10.18619/2072-9146-2022-3-44-49
  • Walter A., Finger R., Huber R., Buchmann N. Opinion: Smart farming is key to developing sustainable agriculture. Proceedings of the National Academy of Sciences of the United States of America. 2017;114(24):6148-6150.
  • Groher T., Heitkämper K., Walter A., Liebisch F., Umstätter C. Status quo of adoption of precision agriculture enabling technologies in Swiss plant production. Precision Agriculture. 2020;21(6):1327-1350.
  • Ayerdi Gotor A., Marraccini E., Leclercq C., Scheurer O. Precision farming uses typology in arable crop-oriented farms in northern France. Precision Agriculture. 2019;21(1):131-146.
  • Barnes A.P., Soto I., Eory V., Beck B., Balafoutis A., Sánchez B, GómezBarbero M. Exploring the adoption of precision agricultural technologies: A cross regional study of EU farmers. Land Use Policy. 2019;(80):163-174.
  • Lowenberg-DeBoer J., Erickson B. How does European adoption of precision agriculture compare to worldwide trends? In J.V. Stafford (Ed.), Precision agriculture ‘19. Wageningen Academic Publishers. 2019.
  • Michels M., Fecke W., Feil J.H., Musshoff O., Lülfs-Baden F., Krone S. “Anytime, anyplace, anywhere”-A sample selection model of mobile internet adoption in german agriculture. Agribusiness. 2020;36(2):192-207.
  • Eastwood C., Ayre M., Nettle R., Dela Rue B. Making sense in the cloud: Farm advisory services in a smart farming future. NJAS-Wageningen Journal of Life Sciences. 2019.
  • Busemeyer L., Mentrup D., Möller K., Wunder E., Alheit K., Hahn V. BreedVision - A multi-sensor platform for non-destructive fieldbased phenotyping in plant breeding. Sensors. 2013;(13):2830-2847.
  • Virlet N., Sabermanesh K., Sadeghi-Tehran P., Hawkesford M.J. Field scanalyzer: an automated robotic field phenotyping platform for detailed crop monitoring. Funct. Plant Biol. 2017;(44):143-153.
  • Ge Y., Atefi A., Zhang H., Miao C., Ramamurthy R.K., Sigmon B. High-throughput analysis of leaf physiological and chemical traits with VIS-NIR-SWIR spectroscopy: a case study with a maize diversity panel. Plant Methods. 2019;(15):66.
  • Wolfert S., Ge L., Verdouw C., Bogaardt M.-J. Big data in smart farming - a review. Agric. Syst. 2017;(153):69-80.
  • Chlingaryan A., Sukkarieh S., Whelan B. Machine learning approaches for crop yield prediction and nitrogen status estimation in precision agriculture: a review. Comput. Electron. Agric. 2018;(151):61-69.
  • Zhang Z., Kayacan E., Thompson B., Chowdhary G. High precision control and deep learning-based corn stand counting algorithms for agricultural robot. Auton. Robots. 2020;(44):1289-1302.
  • Jin X., Zarco-Tejada P., Schmidhalter U., Reynolds M.P., Hawkesford M.J., Varshney R.K. High-throughput estimation of crop traits: a review of ground and aerial phenotyping platforms. IEEE Geosci. Remote Sens. Mag. 2020;(2):1-33.
  • Pandey P., Dakshinamurthy H.N., Young S.N. Autonomy in detection, actuation, and planning for robotic weeding systems. Trans. ASABE. 2021
  • Arad B., Balendonck J., Barth R., Ben-Shahar O., Edan Y., Hellström T. Development of a sweet pepper harvesting robot. J. F. Robot. 2020;(37):1027-1039.
  • Hemming J., Bac C. W., van Tuijl B.A.J., Barth R., Bontsema J., Pekkeriet E.J. “A robot for harvesting sweet-pepper in greenhouses,” in Paper Presented at AgEng 2014, Zurich.
  • Lili W., Bo Z., Jinwei F., Xiaoan H., Shu W., Yashuo L., et al. Development of a tomato harvesting robot used in greenhouse. Int. J. Agric. Biol. Eng. 2017;(10):140-149.
  • Van Henten E.J., Hemming J., van Tuijl B.A.J., Kornet J.G., Meuleman J., Bontsema J. An autonomous robot for harvesting cucumbers in greenhouses. Auton. Robots. 2002;(13):241-258.
  • Raja R., Nguyen T.T., Slaughter D.C., Fennimore S.A. Real-time robotic weed knife control system for tomato and lettuce based on geometric appearance of plant labels. Biosyst. Eng. 2020;(194):152-164.
  • Blasco J., Aleixos N., Roger J.M., RabatelЭ G., Moltó E. AE - Automation and emerging technologies: robotic weed control using machine vision. Biosyst. Eng. 2002;(83):149-157.
  • Weersink Alfons, Evan Fraser, David Pannell, Emily Duncan, Sarah Rotz. Opportunities and Challenges for Big Data in Agricultural and Environmental Analysis. Annual Review of Resource Economics. 2018;10(1):19-37.
  • Zhang Yi, Karen Massel, Ian D. Godwin, Caixia Gao. Applications and Potential of Genome Editing in Crop Improvement. Genome Biology. 2018;19(210);1-11.
  • Bartkowski B., Theesfeld I., Pirscher F., Timaeus J. Snipping Around for Food: Economic, Ethical and Policy Implications of CRISPR/Cas Genome Editing. Geoforum. 2018;(96):172-180.
  • Brinegar Katelyn Ali, K. Yetisen, Sun Choi, Emily Vallillo, Guillermo U. RuizEsparza, Anand M. Prabhakar, Ali Khademhosseini, Seok Hyun Yun. The Commercialization of Genome-Editing Technologies. Critical Reviews in Biotechnology 2017;37(7):924-932.
  • Nickel R. Gene-Editing Startups Ignite the Next “Frankenfood” Fight. August 10. 2018. https://www.reuters.com/article/us-grains-tech-gene-editing/gene-editingstartups-ignite-the-next-frankenfood-fight-idUSKBN1KV0GF (Access date 10.07.2022)
  • Houldsworth A. Who Owns the Most CRISPR Patents Worldwide? Surprisingly, It’s Agrochemical Giant DowDuPont. 2018.
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp