Το Γεωπονικό Πανεπιστήμιο Αθηνών (ΓΠΑ) έκανε ένα σημαντικό βήμα προς την αγροτική καινοτομία μέσω της συμμετοχής του στο έργο FRIETS. Σε συνεργασία με την Mountain Berries Pitsilia N.V. LTD, το Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ) και άλλους εταίρους, οι ερευνητές του ΓΠΑ υλοποίησαν ένα πρωτοποριακό πείραμα πεδίου στην Κύπρο, αναδεικνύοντας τις δυνατότητες της γεωργίας ακριβείας για τη βελτιστοποίηση της παραγωγής βατόμουρων. Η δράση αυτή συνδυάζει την προηγμένη τεχνολογία με την εφαρμοσμένη έρευνα, προσφέροντας πρακτικές λύσεις για τα μεσογειακά γεωργικά συστήματα και όχι μόνο.
Ο βασικός στόχος του έργου ήταν να διερευνήσει πώς οι τεχνολογίες τηλεπισκόπησης μπορούν να βελτιώσουν τις στρατηγικές λίπανσης στην καλλιέργεια μούρων. Συγκεκριμένα, οι ερευνητές επικεντρώθηκαν σε τρεις ποικιλίες βατόμουρου—KWELI, IMARA και WENGI—που καλλιεργήθηκαν σε ελεγχόμενες συνθήκες σε γλάστρες, σε πιλοτικό αγρόκτημα. Καθ’ όλη τη διάρκεια της καλλιεργητικής περιόδου, η υγεία των φυτών παρακολουθήθηκε σε κρίσιμα στάδια: άνθιση, ανάπτυξη καρπών, ωρίμανση και συγκομιδή. Με την καταγραφή χωρικών και χρονικών δεδομένων, το έργο στοχεύει στην ανάπτυξη ενός αξιόπιστου μοντέλου πρόβλεψης της απόδοσης.
Η συνεισφορά του ΓΠΑ επικεντρώθηκε στη χρήση εναέριων και εγγύς τεχνολογιών τηλεπισκόπησης. Ένα drone εξοπλισμένο με πολυφασματική κάμερα εκτελούσε τακτικές πτήσεις πάνω από την καλλιέργεια σμέουρων, καταγράφοντας υψηλής ανάλυσης εικόνες σε πολλαπλά φασματικά μήκη κύματος. Οι εικόνες αυτές επέτρεψαν τον υπολογισμό βασικών δεικτών βλάστησης (VIs), όπως οι NDVI, GNDVI, NDRE, OSAVI, LCI.
Οι δείκτες αυτοί παρείχαν πολύτιμες πληροφορίες σχετικά με την υγεία της καλλιέργειας, την περιεκτικότητα σε χλωροφύλλη και την φωτοσυνθετική απόδοση. Ιδιαίτερο ενδιαφέρον παρουσίασαν τα δεδομένα από τις πτήσεις drone λίγο πριν τη συγκομιδή Νοεμβρίου , τα οποία έδειξαν ισχυρές συσχετίσεις μεταξύ των φυτοδεικτών και των δεικτών απόδοσης. Ο δείκτης GNDVI αναδείχθηκε ως ο πιο ακριβής προβλεπτικός δείκτης, ειδικά για το βάρος και για τον αριθμό των καρπών. Ο NDVI επίσης έδειξε υψηλή αξιοπιστία στην παρακολούθηση της καλλιέργειας.
Για την υποστήριξη των εναέριων δεδομένων, η MBP χρησιμοποίησε και φορητό αισθητήρα NDVI τύπου Greenseeker, για εγγύς μετρήσεις. Τα αποτελέσματα αυτά συμφωνούσαν απόλυτα με τα δεδομένα του drone, ενισχύοντας την εγκυρότητα της προσέγγισης. Μεταξύ των ποικιλιών, η KWELI εμφάνισε σταθερά τις υψηλότερες τιμές NDVI και GNDVI, επιβεβαιώνοντας την ανώτερη απόδοσή της. Η διαφοροποίηση αυτή δείχνει τη δυνατότητα της τηλεπισκόπησης να συμβάλλει στην αξιολόγηση ποικιλιών και στη στήριξη λήψης γεωργικών αποφάσεων.
Η ενσωμάτωση αυτών των προηγμένων εργαλείων στο πλαίσιο του FRIETS αναδεικνύει τη δέσμευση του Γεωπονικού Πανεπιστημίου Αθηνών στη ψηφιακή γεωργία. Μέσα από τον συνδυασμό εναέριας απεικόνισης υψηλής ανάλυσης και αισθητήρων εδάφους, το ΓΠΑ προάγει πρακτικές βασισμένες στα δεδομένα, επωφελείς τόσο για την έρευνα όσο και για την καθημερινή γεωργική πράξη.
Περισσότερες πληροφορίες για το πρόγραμμα μπορείτε να βρείτε στην επίσημη ιστοσελίδα: https://friets.eu/
Επιμέλεια: Panagiotis Frantzis, Research Assistant, MSc Digital Tech. and Smart Infrastructure in Agriculture / MSc Soil Science and Angeliki Xyderou Malefaki, PhD candidate in Chemical Engineering / MSc Systems Biology- Agronomist-Biotechnologist
