Daljinska detekcija, dronovi i varijabilna primjena¶
Sadržaj generiran umjetnom inteligencijom — provjerite prije primjene
Ovaj je članak automatski sastavljen iz zbirke literature o lješnjaku uz pomoć umjetne inteligencije i može sadržavati pogreške ili zastarjele podatke. Služi kao polazište za daljnje istraživanje, a ne kao stručni savjet. Doze, sredstva i rokovi su informativni te ovise o sorti, lokaciji i važećim propisima — obavezno provjerite kod savjetodavne službe i na službenim izvorima prije primjene.
Daljinska detekcija (engl. remote sensing) i precizna poljoprivreda u posljednjih su desetak godina iz akademskih radova prešle u svakodnevnu praksu naprednih voćarskih gospodarstava. Za uzgajivače lijeske to znači mogućnost da nasad od nekoliko desetaka hektara "vide" odozgo — sa satelita ili drona — i da na temelju toga ne tretiraju cijelu površinu jednako, nego točno onoliko inputa koliko svaki dio nasada stvarno treba. Ovaj članak objašnjava kako rade satelitski i dronski snimci, što su vegetacijski indeksi poput NDVI-ja, kako se rano otkriva stres na biljkama te kako GPS vođenje i varijabilna primjena inputa (VRT) donose uštede uz manje opterećenje okoliša.
Zašto daljinska detekcija u nasadu lijeske¶
Klasičan pregled nasada oslanja se na obilazak i vizualnu procjenu, što je sporo, subjektivno i — kako nasad raste — sve teže izvedivo. Pregled svakog pojedinog stabla u velikim nasadima postaje nepraktičan zbog troška i utrošenog vremena, a laboratorijske analize daju odgovor sa zakašnjenjem. Daljinska detekcija nudi tri ključne prednosti:
- Pokrivenost — cijeli nasad snima se u jednom preletu ili satelitskom prolasku.
- Objektivnost — mjeri se odbijena svjetlost, a ne dojam, pa su rezultati usporedivi iz godine u godinu.
- Pravovremenost — biljke pod stresom mijenjaju odbijanje svjetlosti prije nego što simptome vidimo golim okom, što skraćuje vrijeme reakcije.
Hrvatski izvori to izravno potvrđuju: uporabom multispektralnih sustava "smanjuje se vrijeme otkrivanja biljaka izloženih stresu, pa poljoprivredni proizvođači mogu na vrijeme reagirati i spriječiti eventualan nastanak većih šteta" (Glasilo biljne zaštite 3/2023).
Kako biljka "razgovara" sa senzorom: spektralno odbijanje¶
Temelj svega je fizika lista. Klorofil u zdravoj biljci apsorbira velik dio (preko 90 %) crvenog vidljivog zračenja koje koristi za fotosintezu, dok zbog građe lisnog tkiva snažno odbija blisko-infracrveno (NIR) zračenje (oko 50 %). Biljka oslabljenog zdravlja — zbog suše, pepelnice, napada štetnika ili nedostatka hraniva — apsorbira manje crvenog i odbija manje infracrvenog zračenja od zdrave biljke. Upravo tu razliku senzori pretvaraju u brojke i karte.
Zato standardna RGB kamera nije dovoljna: za ozbiljnu analizu zdravlja treba multispektralna (ili termalna/hiperspektralna) kamera koja bilježi i nevidljive dijelove spektra.
Satelitski snimci: jeftina, redovita osnova¶
Satelitska platforma koja se najčešće spominje u literaturi o lijeski je europski Sentinel-2 (program Copernicus, ESA). Njegove prednosti su besplatnost podataka i redovito ponavljanje snimaka.
| Značajka | Sentinel-2 | Dron (UAV) |
|---|---|---|
| Prostorna rezolucija | ~10 m po pikselu (vidljivo/NIR) | nekoliko cm/piksel |
| Učestalost | svakih nekoliko dana (ovisno o oblačnosti) | po želji, na zahtjev |
| Trošak podataka | besplatno | trošak opreme/usluge |
| Razina analize | nasad / zone | pojedinačno stablo |
| Ograničenje | oblaci, gruba rezolucija | baterija, vrijeme leta, dozvole |
U praksi se satelit i dron nadopunjuju: satelit daje jeftin, redovit pregled cijelog nasada i upozorava gdje "nešto ne valja", a dron se zatim šalje ciljano na tu zonu radi detaljnog snimanja po pojedinom stablu. Istraživanja izričito navode da niskocjenovni i prizemni senzori služe za izgradnju pouzdanijih kalibracija za dronske i satelitske modele (Sensors, 2024).
Vrijedi spomenuti i da se daljinska detekcija koristi i za inventarizaciju i kontrolu površina: u turskoj pokrajini Sakarya NDVI klasifikacijom satelitskih snimaka utvrđeno je oko 87.374 ha pod lijeskom, od čega je tek 47.263 ha bilo zakonski dopušteno (Planning and Controlling of Hazelnut Production Areas, 2013).
Vegetacijski indeksi: NDVI i njegova "rodbina"¶
Sirovi spektralni podaci pretvaraju se u vegetacijske indekse — jednostavne omjere odbijene svjetlosti koji daju kartu "zelenila", odnosno fotosintetske aktivnosti.
NDVI — normalizirani diferencijalni vegetacijski indeks¶
Najpoznatiji i najčešće korišteni indeks. Računa se kao:
NDVI = (NIR − Crveno) / (NIR + Crveno)
Kod Sentinela-2 to su trake B08 (NIR, ~842 nm) i B04 (crveno, ~665 nm). Vrijednost se kreće od −1 do +1:
| NDVI vrijednost | Tipično značenje |
|---|---|
| < 0 | voda, gola/mrtva površina |
| 0 – 0,2 | golo tlo, vrlo rijetka vegetacija |
| 0,2 – 0,5 | umjerena vegetacija / stres |
| 0,5 – 0,8+ | gusta, vitalna vegetacija |
Na NDVI karti zelena polja označavaju vitalan rast, a žuto-crvena zone stresa ili slabog rasta. Vrijednosti su indikativne — jako ovise o kulturi, fenofazi i godišnjem dobu, pa ih treba tumačiti u kontekstu vlastitog nasada, a ne kao apsolutne pragove.
Dodatni indeksi za veću preciznost¶
Zbog ograničenja NDVI-ja (zasićenje kod guste krošnje, utjecaj tla) koriste se i drugi indeksi:
- SAVI (Soil-Adjusted VI) — uvodi korekcijski faktor za svjetlinu tla; vrlo koristan u mladim nasadima lijeske gdje je biljna pokrivenost mala, a vidi se mnogo golog tla između redova.
- NDRE (Red-Edge) — osjetljiviji na razinu dušika i klorofila u razvijenoj krošnji; uspješno korišten za otkrivanje neujednačenog navodnjavanja u maslinicima i može upozoriti na probleme prije NDVI-ja.
- GNDVI, NDWI, EVI — alternative koje hrvatski izvori navode kao dopunu NDVI-ju radi veće pouzdanosti.
Praktičan savjet: u nasadu s puno gole površine između redova dajte prednost SAVI-ju, a za finiju procjenu ishranjenosti razvijene krošnje razmotrite NDRE.
Otkrivanje stresa: voda, hraniva, bolesti i štetnici¶
Multispektralno i termalno snimanje omogućuje ranu detekciju više vrsta stresa istovremeno:
- Vodeni stres — termalne kamere mjere temperaturu krošnje; biljka koja zatvara puči zbog suše postaje toplija. Iz toga se računa indeks vodenog stresa usjeva (CWSI). U istraživanjima se kao referentne vrijednosti spominju vodni potencijal stabljike oko −6 bar, lisna provodljivost ~0,2 mol m⁻² s⁻¹ i CWSI ~0,2 (Sensors, 2024) — sve informativno i ovisno o sorti, lokaciji i kalibraciji.
- Nedostatak hraniva — hiperspektralnim i multispektralnim snimanjem otkrivaju se mikropodručja s nutritivnim manjkom, što omogućuje točkasto doziranje i manje gubitke (Compendio di Vivaistica Forestale, 2023).
- Bolesti i štetnici — kamere mogu uočiti pjege hrđe na lišću i gljivične bolesti prije širenja; dronovima se uspješno otkrivao stres uzrokovan kukcima. NDVI je u hrvatskoj literaturi povezan s praćenjem vitalnosti nasada kod dugotrajne suše, pepelnice i drugih čimbenika.
Ključna poruka: indeks ne govori uzrok, nego pokazuje gdje je problem. Karta usmjerava ciljani obilazak na terenu (engl. ground-truthing), a tek dijagnoza na licu mjesta ili laboratorijska analiza potvrđuju o čemu je riječ.
GPS vođenje i precizna navigacija¶
Drugi stup precizne poljoprivrede je GPS (globalni pozicijski sustav). Hrvatski izvori navode tri međusobno povezana sustava: GPS za navigaciju, GIS za pohranu i analizu prostornih podataka te VRT (Variable Rate Technology) za varijabilnu primjenu (Glasilo biljne zaštite 3/2023).
Što GPS donosi u nasadu:
- Precizno vođenje stroja uz pomoć autopilota smanjuje preklapanja prohoda. GPS-vođeni traktori smanjuju preklapanje gnojiva za otprilike 10–15 %, što izravno štedi input i gorivo.
- Mapiranje problema — područja napada bolesti, štetnika ili korova mogu se točno locirati i ponovno pronaći.
- Sljedivost — uz GPS lokalizaciju moguća je potpuna sljedivost proizvodnje po pojedinom dijelu nasada.
GIS pritom služi kao "memorija" gospodarstva: u njega se slažu karte tla, NDVI snimke kroz sezone i evidencija zahvata, što omogućuje rajonizaciju i ekonomske procjene (primjeri korištenja ArcGIS-a i geostatistike kriginga u analizi plodnosti tla istočne Hrvatske).
Varijabilna primjena inputa (VRT): od karte do propisne doze¶
Vrhunac cijelog procesa je varijabilna primjena — input se ne raspoređuje jednoliko, nego "koliko, kada i gdje" treba. Talijanske nacionalne smjernice za preciznu poljoprivredu definiraju je upravo kao varijabilnu primjenu inputa u smislu preciznosti: kada, koliko i gdje, s ciljem smanjenja kemijskih i vodnih inputa (SRA24, 2023).
Tijek rada izgleda ovako:
- Snimanje — satelit/dron prikuplja multispektralne (i termalne) podatke.
- Indeksi i zoniranje — iz NDVI/SAVI/NDRE karata nasad se dijeli na zone različite vitalnosti.
- Propisna karta (prescription map) — svakoj zoni pridružuje se ciljana doza gnojiva, vode ili sredstva za zaštitu.
- Primjena — GPS-vođeni stroj (rasipač, prskalica, sustav navodnjavanja ili dron-prskalica) automatski mijenja dozu prema karti i položaju.
Zoniranje gnojidbe — gdje VRT najviše pomaže¶
Gnojidba lijeske ionako se temelji na analizi tla, tipu tla, načinu uzgoja, starosti i fenofazi nasada (Vodič za uzgoj lijeske, savjetodavna.gov.hr). VRT to nadograđuje prostornom dimenzijom: umjesto jedne "prosječne" doze za cijeli nasad, slabije zone dobiju više, a vitalne manje. Okvirne doze iz korpusa koje mogu poslužiti kao polazište za zoniranje (sve informativno, ovisno o sorti, tlu i propisima/etiketi):
| Zahvat / faza | Okvirna doza iz literature | Napomena |
|---|---|---|
| Meliorativna gnojidba (prije sadnje) | 1.200–3.000 kg/ha NPK + 25–50 t/ha organskog | npr. NPK 7-20-30 / 8-26-26 |
| Kalcizacija kiselih tala | 4–12 t/ha CaCO₃ | prema pH iz analize tla |
| Dušik, mladi nasad (po stablu) | 0,5 → 1,0 kg/stablo (1.–4. god.) | KAN 27 %, rano proljeće |
| Puna rodnost (površinski) | ~150 kg/ha K, ~20 kg/ha P, ~100 kg/ha N | prema analizi tla |
| Folijarni cink (Zn-EDTA) | 1,0–1,5 kg/ha (mikrogranule) ili 2,0–3,0 L/ha (tekuće) | ljetna prihrana |
Upravo kod ovakvih zahvata varijabilna primjena ima najviše smisla: skupa meliorativna gnojidba i kalcizacija mogu se zonirati prema kartama pH i plodnosti, a folijarne i dušične prihrane prema NDVI/NDRE zonama vitalnosti.
Dronsko prskanje¶
Dronovi se sve više koriste i za samu primjenu, posebno tamo gdje je teško ući traktorom. Istraživanje parametara prskanja dronom u nasadima lijeske ispitivalo je radne norme reda veličine 1–3 L/da (litara po dekaru) uz visine leta oko 1,5–2,0 m iznad krošnje (Determination of the Application Parameters of Spraying Drones, 2022) — vrijednosti su pokusne i ovise o sredstvu, mlaznicama i uvjetima.
Koliko se može uštedjeti¶
Brojke iz javnih izvora (orijentacijske, ovise o kulturi, opremi i polaznom stanju):
- Precizna poljoprivreda može donijeti do ~25 % uštede na troškovima gnojiva i sredstava za zaštitu.
- Varijabilna primjena tipično smanjuje potrošnju gnojiva i pesticida za 15–30 % uz povećanje neto dobiti reda 8–12 % po hektaru.
- GPS vođenje smanjuje preklapanje gnojiva za 10–15 %.
Uz financijsku uštedu, dolazi i okolišna korist: manje kemikalija i vode znači manje opterećenje tla i podzemnih voda, što je u skladu s ciljevima EU politika i nacionalnih smjernica za preciznu poljoprivredu.
Praktične preporuke i česte pogreške¶
Preporuke
- Počnite jeftino: besplatne Sentinel-2 NDVI karte (npr. preko otvorenih platformi) dovoljne su za prvo zoniranje nasada bez ikakve investicije.
- Snimajte više puta kroz sezonu i pratite promjene, a ne samo jednu sliku — trend je informativniji od pojedinačne vrijednosti.
- Uvijek provedite provjeru na terenu: indeks pokazuje gdje, obilazak otkriva zašto.
- U mladim nasadima koristite SAVI radi smanjenja utjecaja golog tla.
- Spremajte sve karte i evidenciju zahvata u GIS — vrijednost podataka raste iz godine u godinu.
Česte pogreške
- Tumačenje apsolutnih NDVI pragova "po pravilu" bez uvažavanja sorte, fenofaze i lokacije.
- Snimanje uz lošu geometriju sunca ili kroz oblake (satelit) — podaci postaju nepouzdani.
- Oslanjanje samo na RGB kameru za procjenu zdravlja umjesto multispektralne.
- Nekalibrirane propisne karte → kriva doza; doze iz literature su polazište, a ne recept.
- Zanemarivanje propisa: dronsko prskanje i primjena sredstava podliježu zakonskoj regulativi i etiketi sredstva — provjerite dopuštenja prije primjene.
Galerija¶
Kopernikus i besplatni satelitski servisi za hrvatske voćare¶
Velik dio gore opisane analize hrvatski uzgajivač može napraviti bez ijedne kune ulaganja. Program Copernicus (EU/ESA) cijeli arhiv i nove snimke satelita Sentinel nudi po načelu potpune, besplatne i otvorene dostupnosti podataka. Za voćara to znači da Sentinel-2 NDVI snimku svoje parcele može dohvatiti iz preglednika u web-pregledniku, bez instalacije i bez plaćanja.
Koje besplatne platforme postoje¶
| Servis | Što nudi | Kome odgovara |
|---|---|---|
| Copernicus Browser (dataspace.copernicus.eu) | Službeni preglednik Copernicus Data Space Ecosystema; Sentinel-1/2/3/5P, gotovi slojevi (true/false color, NDVI, NDWI…), preuzimanje snimaka | Početnicima — sve "na klik" |
| EO Browser (Sentinel Hub) | Sličan preglednik s vremenskim klizačem, usporedbom datuma i custom skriptama za indekse | Onima koji žele animacije i vremenske nizove |
| Google Earth Engine (GEE) | Programabilna obrada petabajta snimaka u oblaku; mjesečne medijanske kompozicije bez oblaka | Naprednim korisnicima i agronomima |
| EDO — European Drought Observatory (JRC) | Karte i vremenski nizovi suše (kombinirani indeks suše ~5 km, svakih 10 dana) | Praćenje rizika suše za navodnjavanje |
| EFFIS | Rana najava i praćenje šumskih požara | Nasadi uz šumu/rizična područja |
| Copernicus Land Monitoring Service | Slojevi pokrova/uporabe zemljišta i stanja vegetacije | Planiranje i rajonizacija |
U znanstvenim radovima o lijeski upravo se ovaj besplatni lanac koristi rutinski: Sentinel-2 daje snimku rezolucije 10 m svakih oko 5 dana, a obrada (filtriranje oblaka, mjesečne medijanske kompozicije, računanje NDVI/SAVI/EVI) najčešće teče kroz Google Earth Engine (Lodato i sur., 2024; Hunt AgTech, 2024). Slovenski i hrvatski autori koristili su Sentinel-2 L2A snimke od 10 m za praćenje vitalnosti nasada pri dugotrajnoj suši, pepelnici i napadu štetnika (Zbornik 64./67. seminara biljne zaštite).
Korak po korak: NDVI za vlastitu ARKOD parcelu¶
Cilj je dobiti NDVI snimku točno svoje parcele. Položaj parcele najjednostavnije je odrediti preko ARKOD preglednika (arkod.apprrr.hr), gdje su vidljive granice i koordinate vaše ARKOD parcele; te granice (ili katastarsku česticu) zatim prenosite u satelitski preglednik.
- Otvorite Copernicus Browser na
dataspace.copernicus.eui izradite besplatan račun (registracija je obavezna za pregledavanje i preuzimanje). - Pronađite parcelu — upišite mjesto ili koordinate iz ARKOD-a u tražilicu karte, ili se ručno dovedite na svoj nasad. Po želji učitajte granicu parcele kao poligon (npr. KML/GeoJSON izvezen iz GIS-a).
- Odaberite satelit i datum — u izborniku odaberite Sentinel-2 L2A (atmosferski korigirana razina) i datum s niskom oblačnošću; postavite filtar oblačnosti na npr. < 10–30 %.
- Odaberite NDVI sloj — iz popisa gotovih vizualizacija izaberite NDVI. Browser ga računa iz traka B08 (NIR) i B04 (crveno) prema formuli NDVI = (B08 − B04) / (B08 + B04). Zelene zone su vitalne, žuto-crvene upozoravaju na stres.
- Pratite vremenski niz — promijenite datum kroz sezonu i usporedite snimke; trend kroz nekoliko snimaka informativniji je od jedne slike. EO Browser za to ima i klizač i usporedbu "prije/poslije".
- Preuzmite ili izvezite — snimku spremite kao sliku ili georeferencirani GeoTIFF za daljnju obradu u GIS-u (QGIS je besplatan) i za izradu propisnih karata za VRT.
Praktična napomena: Sentinel-2 ne vidi pouzdano vrlo mlade nasade (mlađe od ~4 godine) jer je krošnja sitna u odnosu na piksel od 10 m (Lodato i sur., 2024) — u takvim slučajevima besplatni satelit poslužit će za grubu orijentaciju, a za detalj po stablu i dalje treba dron. Uz to, za procjenu rizika suše u sezoni vrijedi povremeno provjeriti EDO kombinirani indeks suše za svoju regiju i uskladiti navodnjavanje.
Zaključno: kombinacija ARKOD (gdje je parcela) + Copernicus Browser/EO Browser (NDVI snimka) + EDO (rizik suše) daje hrvatskom voćaru potpuno besplatan, ponovljiv alat za prvo zoniranje nasada — bez opreme, pretplate i posebnog softvera.
Izvori¶
Ovaj je članak AI-sažetak sastavljen iz interne zbirke literature o lješnjaku (RAG korpus) te dopunjen javnim internetskim izvorima. Glavni korišteni izvori:
- Glasilo biljne zaštite 3/2023 — HDBZ (multispektralno snimanje, NDVI, GPS/GIS/VRT, rana detekcija stresa)
- Zbornik sažetaka 67. seminara biljne zaštite, 2025. (NDVI, Sentinel-2 monitoring vitalnosti)
- Vodič za uzgoj lijeske — Ministarstvo poljoprivrede / savjetodavna.gov.hr (kriteriji i doze gnojidbe)
- Coupling Satellite-Derived Vegetation Indices… — https://doi.org/10.1080/15481603.2025.2578778 (NDVI iz Sentinel-2, formula i raspon)
- Hunt AgTech / Remote Sensing in Hazelnut Orchards — https://doi.org/10.3390/s25010288 (SAVI, monitoring voćnjaka vs. šume)
- Detection of Irrigation Inhomogeneities… (NDRE, UAV) — https://doi.org/10.3390/horticulturae10050516 (vodeni stres, termalni indeksi, CWSI)
- Low-cost crop stress monitoring (LOCOS/IRT) — https://doi.org/10.3390/s24237764 (kalibracija dronskih i satelitskih modela, CWSI)
- Determination of the Application Parameters of Spraying Drones for Crop Protection in Hazelnut Orchards, 2022 (parametri dronskog prskanja)
- Planning and Controlling of Hazelnut Production Areas with Remote Sensing, 2013 (NDVI klasifikacija površina, Sakarya)
- Compendio di Vivaistica Forestale, 2023 (hiperspektralno otkrivanje nutritivnih manjkova, GPS sljedivost)
- SRA24 — Agricoltura di precisione, 2023 (definicija varijabilne primjene inputa; talijanske/EU smjernice)
- Folijarna gnojidba lijeske (doze Zn-EDTA) i Vodič za uzgoj lijeske (meliorativna gnojidba, kalcizacija)
- DroneDeploy — Identifying Crop Variability with Drones — https://www.dronedeploy.com/blog/identifying-crop-variability-with-drones
- Advexure — Aerial Multispectral Data: The Foundation of VRT — https://advexure.com/blogs/news/aerial-multispectral-data-the-foundation-of-variable-rate-technology-in-precision-agriculture
- K-State Agronomy eUpdate — Basics of remote sensing in precision agriculture — https://eupdate.agronomy.ksu.edu/article/the-basics-of-remote-sensing-in-precision-agriculture-664-7
- Farmonaut — GPS for Precision Farming — https://farmonaut.com/precision-farming/gps-for-precision-farming-7-powerful-ways-to-boost-yields
- AllyNav — Precision Agriculture GPS, Complete Guide — https://www.allynav.com/blog/precision-agriculture-gps/
- USDA ARS — Benefits and Evolution of Precision Agriculture — https://www.ars.usda.gov/oc/utm/benefits-and-evolution-of-precision-agriculture/
- Lodato et al. — In-Depth Analysis of a Hazelnut Agro-Industrial Context (Viterbo) — https://doi.org/10.3390/rs16071227 (Sentinel-2 obrada u Google Earth Engine, mjesečne medijanske kompozicije, ograničenje kod mladih nasada <4 god.)
- Hunt AgTech / Hazelnut mapping detection system (optical + radar) — https://doi.org/10.1016/j.aiia.2024.05.001 (Sentinel-1/2 obrada u GEE, prag oblačnosti)
- Detection of Hazelnut Orchards with Sentinel-2 — https://doi.org/10.5194/isprs-archives-xlviii-4-w18-2025-301-2026 (rezolucija 10/20/60 m, učestalost ~5 dana, indeksi NDVI/SAVI/EVI)
- Zbornik sažetaka 64. i 67. seminara biljne zaštite (Sentinel-2 L2A 10 m, NDVI, monitoring vitalnosti nasada)
- Copernicus Data Space Ecosystem / Copernicus Browser — https://dataspace.copernicus.eu/ i dokumentacija https://documentation.dataspace.copernicus.eu/Applications/Browser.html (besplatan pristup, NDVI iz traka B4/B8, registracija)
- Sentinel Hub — EO Browser — https://www.sentinel-hub.com/explore/eobrowser/
- Copernicus Sentinel-2 — Data Space Ecosystem — https://dataspace.copernicus.eu/data-collections/copernicus-sentinel-missions/sentinel-2
- European Drought Observatory (EDO) / JRC — https://www.copernicus.eu/en/european-drought-observatory i https://joint-research-centre.ec.europa.eu/european-and-global-drought-observatories_en (kombinirani indeks suše ~5 km / 10 dana)
- EFFIS — European Forest Fire Information System (Copernicus EMS) — https://effis.jrc.ec.europa.eu/
- ARKOD preglednik — Agencija za plaćanja u poljoprivredi, ribarstvu i ruralnom razvoju — https://arkod.apprrr.hr/ i https://www.apprrr.hr/arkod/ (identifikacija granica i koordinata ARKOD parcele)