Αγροφωτοβολταϊκά και drone: πώς παρακολουθείται η γεωργική παραγωγή κάτω από τα ηλιακά πάνελ

Εισαγωγή

Ως αγροφωτοβολταϊκά ορίζεται η χρήση μιας έκτασης με διπλό στόχο: την παραγωγή φωτοβολταϊκής ενέργειας, χάρη στην εγκατάσταση ηλιακών πάνελ, και την ταυτόχρονη άσκηση γεωργικής δραστηριότητας. Τα οφέλη μιας αγροφωτοβολταϊκής εγκατάστασης ποικίλλουν ανάλογα με την καλλιέργεια. Για παράδειγμα, στην περίπτωση της ντομάτας, η εγκατάσταση των πάνελ εξασφαλίζει μεγαλύτερη σκίαση που μειώνει τις αρνητικές επιπτώσεις των ακραίων θερμοκρασιών· ένα άλλο παράδειγμα είναι το ρύζι, μια καλλιέργεια που απαιτεί μεγάλες ποσότητες νερού και θα μπορούσε να ωφεληθεί από τις σκιασμένες ζώνες με «δροσιστικό» αποτέλεσμα.

Πρόκειται για μια καινοτόμο λύση που επιτρέπει τον συνδυασμό παραγωγής ηλεκτρικής ενέργειας με γεωργική παραγωγή, κάτι που θα μπορούσαμε να θεωρήσουμε μια αμοιβαία επωφελή προσέγγιση για τον γεωργό. Ωστόσο, η εισαγωγή μερικής κάλυψης με ηλιακά πάνελ μεταβάλλει σημαντικά τις μικροκλιματικές συνθήκες του αγρού: τη διαθέσιμη ηλιακή ακτινοβολία, τη θερμοκρασία του εδάφους, την υγρασία και την κατανομή του νερού.

Για την κατανόηση και τη βελτιστοποίηση αυτών των επιδράσεων, τα drones επιτρέπουν τη συλλογή δεδομένων υψηλής ακρίβειας σχετικά με τη φυσιολογική κατάσταση των καλλιεργειών και τις μικροκλιματικές μεταβολές που προκαλούνται από την παρουσία των πάνελ, προσφέροντας έτσι ουσιαστική υποστήριξη στις αγρονομικές αποφάσεις.

Το drone: μάτια στην υπηρεσία του τεχνικού και του γεωργού

Ένα drone εξοπλισμένο με αισθητήρες RGB και θερμική κάμερα αποτελεί καθοριστικό εργαλείο για τη διεξοδική ανάλυση της κατάστασης μιας αγροφωτοβολταϊκής εγκατάστασης (Εικόνα 1). Μέσω προγραμματισμένων πτήσεων, το iDrone είναι η υπηρεσία της Agrobit που επιτρέπει την απόκτηση πολύτιμων πληροφοριών γρήγορα και με υψηλή ακρίβεια. Οι εικόνες που συλλέγονται κατά την πτήση επεξεργάζονται με ειδικό λογισμικό και αλγορίθμους που έχει αναπτύξει η ομάδα, παράγοντας θεματικούς χάρτες χρήσιμους τόσο για την παρακολούθηση της δενδρώδους καλλιέργειας όσο και του ενεργειακού συστήματος.

Εικ.1: Εσπεριδοκομείο σε πειραματική αγροφωτοβολταϊκή εγκατάσταση (CIHEAM Bari).

Χάρη σε αυτή την προσέγγιση, ο γεωργός δεν χρειάζεται να περιορίζεται στην παρατήρηση του αγρού «με γυμνό μάτι», αλλά μπορεί να βασιστεί σε μια αντικειμενική και λεπτομερή ανάλυση βασισμένη σε μετρήσιμα δεδομένα.

Πιο συγκεκριμένα, το iDrone επιτρέπει:

• Την παρακολούθηση της ανάπτυξης των καλλιεργειών κάτω από τα ηλιακά πάνελ, αξιολογώντας τις διαφορές σθεναρότητας και ανάπτυξης μεταξύ περιοχών σε πλήρη ηλιοφάνεια και σκιασμένων ζωνών·
• Τον έγκαιρο εντοπισμό υδατικής ή θερμικής καταπόνησης, θεμελιώδη σε ένα αγροφωτοβολταϊκό πλαίσιο όπου οι περιβαλλοντικές συνθήκες είναι ανομοιογενείς·
• Τη δημιουργία θεματικών χαρτών που υποστηρίζουν στοχευμένες αγρονομικές επιλογές, όπως η άρδευση και η διαχείριση πόρων ανά ζώνη.

Έρευνα RGB και θερμικής απεικόνισης μέσω του τρισδιάστατου μοντέλου

Η μελέτη περίπτωσης αφορά ένα εσπεριδοκομείο που καλλιεργείται στη Νότια Ιταλία, όπου σε ορισμένες σειρές συνυπάρχει φωτοβολταϊκή εγκατάσταση. Πιο συγκεκριμένα, τα πάνελ είναι τοποθετημένα σε ύψος περίπου 4 μέτρων και καλύπτουν την κεντρική ζώνη του εσπεριδοκομείου. Αυτές οι προκαταρκτικές πληροφορίες είναι απαραίτητες για την ανάλυση των δεδομένων. Καθώς πρόκειται για δενδρώδη καλλιέργεια, είναι θεμελιώδες να επικεντρωθούμε στη σωστή εξαγωγή δεδομένων από την κόμη. Οι εικόνες RGB επιτρέπουν τη δημιουργία ενός ορθομωσαϊκού πραγματικού χρώματος από το οποίο μπορεί να εκτιμηθεί η ανομοιογένεια της εγκατάστασης, ενώ κατά την επεξεργασία των εναέριων εικόνων κατασκευάζεται επίσης το τρισδιάστατο νέφος σημείων, δηλαδή ένα ψηφιακό δίδυμο, του αγρού. Η Εικόνα 2 παρουσιάζει μια τρισδιάστατη προοπτική του εσπεριδοκομείου, με εξαιρετικό βάθος σημείων, απαραίτητο για τις αξιολογήσεις κάτω από τα φωτοβολταϊκά πάνελ.

Εικ.2: Τρισδιάστατο μοντέλο του εσπεριδοκομείου.

Χάρη σε ειδικούς αλγορίθμους, είναι δυνατή η εξαγωγή της φυλλωμένης κόμης (Εικόνα 3a) κάθε μεμονωμένου εσπεριδοειδούς και ο υπολογισμός των βιομετρικών παραμέτρων του, ακόμη και για τα φυτά που βρίσκονται κάτω από τα πάνελ. Ως βιομετρικά δεδομένα στη γεωργία νοούνται όλες οι μετρήσιμες και ποσοτικοποιήσιμες πληροφορίες σχετικά με τα φυσικά, φυσιολογικά ή συμπεριφορικά χαρακτηριστικά των φυτών, για παράδειγμα: πυκνότητα (Εικόνα 3b), ύψος και πάχος (Εικόνα 3c) και όγκος κόμης (Εικόνα 3d) από εικόνες RGB, καθώς και μέση θερμοκρασία από θερμικές εικόνες (Εικόνα 3e).

Εικ.3: Τρισδιάστατο νέφος σημείων RGB της κόμης (a), πυκνότητα κόμης (b), ύψος και πάχος κόμης (c), όγκος κόμης (d), θερμικό τρισδιάστατο νέφος σημείων της κόμης (e).

Χωροθετώντας αυτά τα δεδομένα, τα οποία εξάγονται φυτό προς φυτό με αυτοματοποιημένο τρόπο μέσω αλγορίθμων υπολογιστικής όρασης και ΤΝ, είναι δυνατή η εξαγωγή δύο δεικτών ειδικότερα:

• TRV (Tree Row Volume): αντιπροσωπεύει τον όγκο κόμης ανά εκτάριο, δηλαδή ποσοτικοποιεί την ποσότητα βιομάζας που υπάρχει σε ένα εκτάριο αγροτεμαχίου. Στην Εικόνα 4 παρουσιάζεται η τιμή για κάθε μεμονωμένο φυτό από το οποίο είχε προηγουμένως εξαχθεί η κόμη. Χάρη σε τεχνικές χωροθέτησης δεδομένων, είναι δυνατή η δημιουργία ενός χάρτη ζωνοποίησης (Εικόνα 5). Η σημασία αυτού του χάρτη έγκειται στο ότι προσφέρει μια συνολική εικόνα του αγρού με μια ματιά και αποτελεί τη βάση για την κατάρτιση χαρτών συνταγογράφησης. Ο κύριος σκοπός είναι η βελτιστοποίηση της κατανομής των εισροών και η εκτίμηση της βλαστητικής πυκνότητας.

Εικ.4: Επιμέρους ανάλυση του δείκτη TRV (Tree Row Volume) ανά φυτό εσπεριδοειδών.

Εικ.5: Χάρτης του δείκτη TRV (Tree Row Volume) ενός εσπεριδοκομείου σε αγροφωτοβολταϊκή εγκατάσταση.

• CWSI (Crop Water Stress Index): μετρά την κατάσταση υδατικής καταπόνησης των καλλιεργειών, η οποία προκύπτει κυρίως από τη θερμοκρασία του φυλλώματος σε σχέση με τη θερμοκρασία του αέρα. Και σε αυτή την περίπτωση, η Εικόνα 6 προσδιορίζει την υδατική καταπόνηση φυτό προς φυτό. Η μεμονωμένη τιμή στη συνέχεια χωροθετήθηκε ώστε να προκύψει ένας χάρτης του αγρού (Εικόνα 7). Ο στόχος είναι η αξιολόγηση των αναγκών άρδευσης και η αποδοτικότερη διαχείριση του νερού.

Εικ.6: Επιμέρους ανάλυση του δείκτη CWSI (Crop Water Stress Index) ανά φυτό εσπεριδοειδών.

Εικ.7: Χάρτης του δείκτη CWSI (Crop Water Stress Index) ενός εσπεριδοκομείου σε αγροφωτοβολταϊκή εγκατάσταση.

Συμπεράσματα

Η έρευνα που πραγματοποιήθηκε επέτρεψε να αποκτηθεί μια λεπτομερής ανάλυση του εσπεριδοκομείου εντός της αγροφωτοβολταϊκής εγκατάστασης, εμβαθύνοντας στα χαρακτηριστικά της κόμης των φυτών, ακόμη και κάτω από τα φωτοβολταϊκά πάνελ. Αυτό κατέστη δυνατό χάρη στη χρήση drones για την απόκτηση δεδομένων χαμηλού ύψους, ικανών να παράγουν τρισδιάστατα μοντέλα του αγροτεμαχίου, τα οποία επιτρέπουν την υπέρβαση των δυσκολιών της δισδιάστατης ή δορυφορικής ανάλυσης, η οποία δεν θα επέτρεπε την ανάλυση των καλλιεργειών κάτω από τα πάνελ. Οι χάρτες που παράγονται είναι θεμελιώδεις για τον γεωργό, ώστε να λαμβάνει τεκμηριωμένες αποφάσεις και να παρεμβαίνει στοχευμένα. Σε αυτή τη μελέτη περίπτωσης, όπου συνυπάρχουν διαφορετικές ποικιλίες εσπεριδοειδών σε διαφορετικά στάδια ανάπτυξης, κατέστη δυνατό να αναδειχθεί ότι, στη βορειότερη περιοχή του αγρού, εμφανίζεται υψηλή υδατική καταπόνηση καθώς και χαμηλή σθεναρότητα κόμης. Στην περιοχή όπου είναι εγκατεστημένα τα φωτοβολταϊκά πάνελ, η κατάσταση είναι κυρίως μέσης σθεναρότητας και μέσου επιπέδου υδατικής καταπόνησης. Πιο συγκεκριμένα, υπάρχουν ορισμένα σημεία με φυτά που παρουσιάζουν εμφανώς χαμηλή σθεναρότητα και υψηλή καταπόνηση. Αντίθετα, η δεξιότερη περιοχή του αγρού είναι αυτή που βρίσκεται στις καλύτερες συνθήκες. Η ομάδα της Agrobit γνωρίζει ότι οι αγροφωτοβολταϊκές εγκαταστάσεις αντιπροσωπεύουν μια σημαντική ευκαιρία για τους γεωργούς. Για τον λόγο αυτό, χάρη στην υπηρεσία iDrone, μπορούμε να υποστηρίξουμε τις αγρονομικές σας αποφάσεις και να βελτιώσουμε την αξιοποίηση των πόρων στον αγρό. Ευχαριστούμε το CIHEAM Bari για τη διαθεσιμότητά του να πραγματοποιηθεί η έρευνα στην πειραματική τους αγροφωτοβολταϊκή εγκατάσταση.