Master class: I segreti dell'acqua nel suolo
Sei brevi video: tutto quello che c'è da sapere sul contenuto d'acqua del suolo e sul potenziale idrico del suolo e perché è necessario misurarli insieme.
Modelli di Growing Degree Day (GDD): la guida completa per una maggiore precisione
Sei brevi video: tutto quello che c'è da sapere su come azzeccare le previsioni di GDD.
Potreste compromettere involontariamente le vostre previsioni.
Se state eseguendo modelli di GDD per sapere quando intervenire per la gestione delle malattie e dei parassiti e i vostri dati non sono accurati, le vostre previsioni possono essere sbagliate del 7-10% o più, con un impatto sia sulla resa che sul profitto.
Come azzeccare le stime e agire al momento giusto
Quando si utilizzano dati imprecisi, più si è avanti nella stagione di crescita, più la stima si discosta dalla realtà. Per le colture di lunga durata, la differenza può essere molto significativa, il che rappresenta un problema perché gli obiettivi di maturità delle piante, fioritura e GDD per parassiti/malattie hanno spesso finestre molto strette. I video seguenti mostrano come fare.
Video 1: PERCHÉ USARE LE PREVISIONI DELLA GDD
Le previsioni sui gradi di crescita (Growing Degree Day, GDD o tempo termico) consentono di risparmiare ore di esplorazione e di aumentare la resa, perché sono un metodo scientifico per conoscere il momento migliore per adottare misure di controllo di insetti e malattie. Guardate questo video in cui il Dr. Colin Campbell spiega il concetto di base del tempo termico e mostra due modi diversi per calcolarlo.
Video 2: COME OTTENERE PREDICAZIONI PIU' ACCURATE SULLA GDD
Se la misurazione della temperatura non è accurata, le previsioni di GDD (tempo termico) possono essere sbagliate del 7-10%, con un impatto sulla resa e sul profitto. L'unico modo per ottenere previsioni accurate sulla GDD è misurare la temperatura nel campo. Guardate questo video, in cui il Dr. Colin Campbell spiega perché.
Video 3: PERCHÉ LA LOCALIZZAZIONE È IMPORTANTE
Se i dati relativi alla temperatura per le previsioni di GDD si trovano in un luogo diverso da quello in cui si trova il campo, ciò potrebbe portare a rese non ottimali e a costi elevati. Guardate questo video in cui il Dr. Colin Campbell spiega perché la temperatura è variabile in luoghi diversi.
Video 4: GDD: PERCHÉ I DATI METEO REGIONALI NON SONO SUFFICIENTI
I dati delle stazioni meteorologiche sul campo e quelli delle stazioni meteorologiche regionali su Internet non concordano. In questo video, il Dr. Colin Campbell mostra cosa significa questo per le previsioni GDD.
Video 5: AUTOMATIZZARE I MODELLI PREDITTIVI GDD
Dimenticate i fogli di calcolo. E se i vostri modelli GDD potessero essere automatizzati, come questo? Con i software di visualizzazione dati ATMOS 41 e ZENTRA Cloud è possibile. Guardate questo video che mostra quanto sia facile creare un modello GDD all'interno di un'azienda. ZENTRA Cloud.
Video 6: PERCHÉ LA VOSTRA STIMOLAZIONE DI DGA NON VA BENE E COME SI FA A RISOLVERLA
In questo webinar conclusivo, della durata di 20 minuti, il Dr. Colin Campbell riunisce tutte le informazioni e riassume ciò che è necessario sapere per ottenere modelli più accurati, in modo da poter essere sicuri delle proprie decisioni di gestione.
Caso di studio: AgWeatherNet dello Stato di Washington
L'Università dello Stato di Washington gestisce il Washington State AgWeatherNet. Le stazioni meteorologiche AgWeather Net tier-1 sono concentrate principalmente nelle regioni agricole dello Stato di Washington, nei meleti e in altre colture ad alto reddito che (insieme alla California) alimentano gran parte degli Stati Uniti.
Le stazioni meteorologiche AgWeatherNet tier-1 hanno una suite di misurazioni fatta su misura per i coltivatori di questa particolare regione. AgWeatherNet riceve i dati da queste stazioni e produce una serie di parametri modellati come modelli di malattie, modelli di parassiti, previsioni di gelo e monitoraggio del gelo. Questi modelli sono estremamente preziosi per i produttori della regione, che di fatto pagano il sistema.
L'aspetto interessante di AgWeatherNet è che, anche se sembra una fitta rete spaziale, queste stazioni distano tra loro molti chilometri. Quindi, una stazione di livello 1 situata in una valle potrebbe misurare 2 ℃ in meno rispetto a quelle di un frutteto in cima alla collina. Ciò significa che se monitorano continuamente la temperatura e l'umidità nella valle e forniscono una previsione per una malattia fungina, tale previsione sarà diversa dalla realtà in cima alla collina.
Per risolvere questo problema, AgWeatherNet consente ai singoli coltivatori di acquistare e installare sistemi tier-2.
L'immagine sottostante mostra una stazione meteorologica all in one ATMOS 41 utilizzata nell'AgWeatherNet. Non ha le specifiche di accuratezza delle stazioni di livello 1, ma la mancanza di accuratezza su scala puntuale è quasi irrilevante rispetto alla differenza spaziale dei parametri meteorologici man mano che ci si allontana dai siti di livello 1. Queste stazioni di livello 2 colmano le lacune delle osservazioni di livello 1 e l'AWN può quindi utilizzare l'intelligenza artificiale insieme a queste osservazioni per eseguire osservazioni di livello 2. Queste stazioni di livello 2 colmano le lacune delle osservazioni di livello 1 e AWN può quindi utilizzare l'intelligenza artificiale insieme a queste osservazioni per eseguire previsioni iperlocali per i coltivatori che hanno installato queste stazioni. Questa strategia si è rivelata vincente per aiutare a prevedere muffe, epidemie di parassiti o eventi di gelo in una particolare località del coltivatore. È facile capire come ogni tipo di stazione meteorologica svolga un ruolo chiave nel fornire alle parti interessate dati fondamentali per il processo decisionale.
Dati migliori. Migliori previsioni. Migliori rendimenti.
L'unico modo per ottenere previsioni accurate sui GDD è quello di misurare la temperatura sul campo. Abbiamo realizzato ATMOS 41 per permettervi di installare in ogni campo una stazione meteorologica affidabile e di qualità per la ricerca, in modo da ottenere previsioni più accurate.
La stazione meteorologica ATMOS 41, accurata e conveniente, è stata progettata per essere utilizzata in modo continuativo in climi rigidi, il che significa che non ci sono parti mobili che si guastano. L'installazione è incredibilmente facile e la manutenzione è stata semplificata al massimo perché non c'è mai usura meccanica. Non è necessario oliare o sostituire i cuscinetti. Solo affidabilità su cui si può continuare a contare.
ZL6 Advanced Cloud Data Logger
La stazione meteorologica ATMOS 41 funziona perfettamente con ZL6 per una semplice registrazione dei dati plug-and-play e per l'archiviazione e la gestione dei dati basata su cloud. È possibile configurare un intero sistema di monitoraggio meteorologico senza alcun cablaggio o programmazione complessa.
Entrare in contatto con il ZL6
ZENTRA Cloud software
Il ZL6 utilizza ZENTRA CLOUD software di visualizzazione dei dati per fornire dati in tempo quasi reale per un rapido processo decisionale e una gestione basata sui dati. Dispone anche di modelli GDD automatizzati, in modo da sapere esattamente quando è il momento di adottare misure di scouting o di controllo.
Controllare i dati sul campo
ZENTRA Cloud L'applicazione sul campo consente di controllare i dati su uno smartphone per verificare la corrispondenza con le osservazioni sul campo.
Richiedi una demo di ZENTRA Cloud
Domande?
I nostri scienziati hanno decenni di esperienza nell'aiutare ricercatori e coltivatori a misurare il continuum suolo-pianta-atmosfera.
Guide all'istruzione
La guida completa alla gestione dell'irrigazione con l'umidità del suolo
Gestione dell'irrigazione semplificata. Gestione perfetta dell'acqua e dei nutrienti senza perdere tempo e denaro a causa di problemi dovuti all'eccessiva irrigazione.
NDVI (indice di vegetazione normalizzato) e PRI (indice di riflettanza fotochimica) - La guida completa del ricercatore
Approfondite la teoria scientifica, i metodi di misurazione e l'applicazione di NDVI e PRI.
Casi di studio, webinar e articoli che vi piaceranno
Ricevere regolarmente i contenuti più recenti.