ખેતીમાં નવી ક્રાંતિ: ડ્રોન, રડાર અને સેન્સર કેવી રીતે બદલી રહ્યા છે ખેતીનું ભવિષ્ય?

ચોકસાઈપૂર્વકની ખેતી (Precision Agriculture) દ્વારા ખેડૂતો હવે આકાશમાંથી ડ્રોન અને જમીનની અંદર રડારનો ઉપયોગ કરીને પાકનું ઉત્પાદન વધારી રહ્યા છે.

આવતીકાલ AI ડેસ્ક · ૪ મિનિટનું વાંચન
એક સમિટમાં પ્રદર્શિત કરવામાં આવેલ એગ્રીકલ્ચરલ સ્પ્રેઇંગ ડ્રોન, જે ખેતરમાં ચોકસાઈપૂર્વક જંતુનાશકોનો છંટકાવ કરવા માટે સક્ષમ છે.
એક સમિટમાં પ્રદર્શિત કરવામાં આવેલ એગ્રીકલ્ચરલ સ્પ્રેઇંગ ડ્રોન, જે ખેતરમાં ચોકસાઈપૂર્વક જંતુનાશકોનો છંટકાવ કરવા માટે સક્ષમ છે.
WhatsApp પર મોકલો

બ્રિટનના લિંકનશાયર (Lincolnshire) માં આવેલા ટેસ્કો (Tesco) ના ફાર્મ પર જ્યારે એક ડ્રોન પાક ઉપર ઊડે છે, ત્યારે તે માત્ર ફોટા નથી પાડતું, પરંતુ ખેતીની એક નવી ક્રાંતિની ગાથા લખે છે. બિઝનેસ સ્ટાન્ડર્ડ અને બ્લૂમબર્ગના અહેવાલ મુજબ, યુદ્ધના મેદાનમાં વપરાતી ટેકનોલોજી હવે બ્રિટનના ખેતરોમાં પાકની ઉપજ વધારવા માટે વપરાઈ રહી છે. આ ટેકનોલોજીને 'ચોકસાઈપૂર્વકની ખેતી' અથવા પ્રિસિઝન એગ્રીકલ્ચર (Precision Agriculture) કહેવામાં આવે છે. આ એક એવી વ્યવસ્થાપન વ્યૂહરચના છે જે છોડ અને પ્રાણીઓના ડેટાને એકત્રિત કરી, તેનું વિશ્લેષણ કરીને ખેતીના નિર્ણયો લેવામાં મદદ કરે છે.

આધુનિક ખેતીમાં હવે માત્ર ટ્રેક્ટર ચલાવવું પૂરતું નથી, પરંતુ ડેટાનું સંચાલન કરવું પણ એટલું જ જરૂરી બની ગયું છે. વિકિપીડિયાના ડેટા મુજબ, પ્રિસિઝન એગ્રીકલ્ચરનો મુખ્ય ઉદ્દેશ્ય સંસાધનોનો કાર્યક્ષમ ઉપયોગ, ઉત્પાદકતામાં વધારો અને ખેતીને આર્થિક રીતે નફાકારક બનાવવાનો છે. આ ટેકનોલોજી દ્વારા ખેડૂત જાણી શકે છે કે ખેતરના કયા ભાગમાં કેટલું ખાતર, પાણી કે જંતુનાશકની જરૂર છે. આનાથી માત્ર ખર્ચ જ નથી ઘટતો, પરંતુ પર્યાવરણને થતું નુકસાન પણ ઓછું થાય છે.

પ્રિસિઝન એગ્રીકલ્ચર કેવી રીતે કામ કરે છે?સેન્સરથી લઈને નિર્ણય લેવા સુધીની પ્રક્રિયા
  1. ડેટા એકત્રીકરણડ્રોન, સેન્સર અને સેટેલાઇટ દ્વારા ખેતરના ભેજ, પોષક તત્વો અને પાકની સ્થિતિનો ડેટા લેવામાં આવે છે.
  2. વિશ્લેષણ (GIS)ભૌગોલિક માહિતી પ્રણાલી (GIS) સોફ્ટવેર આ ડેટાનું વિશ્લેષણ કરીને ખેતરના વિવિધ ભાગોના નકશા તૈયાર કરે છે.
  3. નિર્ણય પ્રક્રિયાAI અને ખેડૂત મળીને નક્કી કરે છે કે કયા વિસ્તારમાં કેટલા ખાતર કે પાણીની જરૂર છે.
  4. ચોકસાઈપૂર્વક અમલીકરણVRT ટેકનોલોજી ધરાવતા ટ્રેક્ટર કે ડ્રોન દ્વારા જરૂરિયાત મુજબ જ ચોક્કસ માત્રામાં ઇનપુટ્સ આપવામાં આવે છે.

આ ક્રાંતિ પાછળનું સૌથી મોટું કારણ વસ્તી વધારો છે. ૧૯૦૦ થી ૧૯૩૦ ના સમયગાળામાં જ્યારે ખેતીનું યાંત્રીકરણ થયું, ત્યારે એક ખેડૂત અંદાજે ૨૬ લોકોનું પેટ ભરી શકતો હતો. ૧૯૬૦ ના દાયકામાં આવેલી હરિયાળી ક્રાંતિ (Green Revolution) અને આનુવંશિક ફેરફારોને કારણે આ સંખ્યા વધીને ૧૫૬ થઈ ગઈ. હવે અંદાજ છે કે ૨૦૫૦ સુધીમાં વિશ્વની વસ્તી ૯.૬ અબજ સુધી પહોંચશે. આ વિશાળ વસ્તીને ખવડાવવા માટે ખોરાકનું ઉત્પાદન બમણું કરવું પડશે. પ્રિસિઝન ફાર્મિંગની મદદથી એક ખેડૂત સમાન જમીન પર ૨૬૫ લોકોનું પેટ ભરી શકશે તેવી અપેક્ષા છે.

ખેતીની ક્રાંતિ અને ઉત્પાદકતામાં વધારોએક ખેડૂત દ્વારા પોષણ મેળવતા લોકોની સંખ્યા
૧૯૦૦-૧૯૩૦ (યાંત્રીકરણ)૨૬
૧૯૬૦ (હરિયાળી ક્રાંતિ)૧૫૬
૨૦૫૦ (પ્રિસિઝન ફાર્મિંગ - અંદાજિત)૨૬૫

લોકોની સંખ્યા

આ ટેકનોલોજી કેવી રીતે કામ કરે છે તે સમજવું રસપ્રદ છે. તેમાં ભૌગોલિક માહિતી પ્રણાલી (Geographic Information System - GIS) એક 'મગજ' તરીકે કામ કરે છે. ખેતરના દરેક ખૂણાને ગ્લોબલ પોઝિશનિંગ સિસ્ટમ (GPS) દ્વારા ટ્રેક કરવામાં આવે છે. ટ્રેક્ટર અને અન્ય મશીનરી પર સેન્સર લગાવવામાં આવે છે જે રીઅલ-ટાઇમમાં ડેટા મોકલે છે. આ ડેટામાં જમીનનો ભેજ, નાઇટ્રોજનનું સ્તર, પીએચ (pH) મૂલ્ય અને ક્લોરોફિલનું પ્રમાણ જેવી બાબતોનો સમાવેશ થાય છે.

ખેતીની ક્રાંતિના વિવિધ તબક્કાઓટેકનોલોજીના આધારે વર્ગીકરણ
તબક્કોમુખ્ય ટેકનોલોજીમુખ્ય ઉદ્દેશ્ય
પ્રથમ તરંગસેટેલાઇટ ઇમેજરી, હવામાન આગાહીમૂળભૂત દેખરેખ
બીજો તરંગમશીન ડેટા એગ્રિગેશન, સોઇલ ડેટાચોકસાઈપૂર્વક વાવેતર
ત્રીજો તરંગAI, IoT, ડ્રોન અને રોબોટિક્સસંપૂર્ણ સ્વાયત્ત ખેતી

ખેતીમાં ડ્રોન (Drone) અથવા માનવરહિત હવાઈ વાહન (Unmanned Aerial Vehicle - UAV) નો ઉપયોગ ખૂબ જ વધી રહ્યો છે. આ ડ્રોન મલ્ટિસ્પેક્ટ્રલ (multispectral) કેમેરાથી સજ્જ હોય છે. આ કેમેરા માત્ર લાલ, લીલો અને વાદળી રંગ જ નહીં, પરંતુ ઇન્ફ્રારેડ (infrared) કિરણોને પણ પકડી શકે છે. આનાથી ખેડૂતો 'નોર્મલાઇઝ્ડ ડિફરન્સ વેજીટેશન ઇન્ડેક્સ' (NDVI) મેપ બનાવી શકે છે. આ નકશા દ્વારા જાણી શકાય છે કે કયા છોડ તંદુરસ્ત છે અને કયા છોડ રોગ અથવા પાણીની અછતનો સામનો કરી રહ્યા છે.

ખેતરના વિવિધ સેન્સર અને ડ્રોન કેવી રીતે નિર્ણય લેવાની સિસ્ટમ સાથે જોડાયેલા હોય છે તેનું ઇન્ફોગ્રાફિક.
ખેતરના વિવિધ સેન્સર અને ડ્રોન કેવી રીતે નિર્ણય લેવાની સિસ્ટમ સાથે જોડાયેલા હોય છે તેનું ઇન્ફોગ્રાફિક. (U.S. Government Accountability Office from, Public domain, Wikimedia Commons)

માત્ર આકાશમાંથી જ નહીં, પણ જમીનની અંદર શું ચાલી રહ્યું છે તે જાણવા માટે ગ્રાઉન્ડ પેનિટ્રેટિંગ રડાર (Ground-Penetrating Radar - GPR) નો ઉપયોગ કરવામાં આવે છે. આ રડાર જમીનની અંદર રેડિયો તરંગો મોકલે છે અને તેના પરાવર્તન દ્વારા જમીનના પડ, પથ્થરો અથવા ભેજની સ્થિતિનો નકશો તૈયાર કરે છે. ખેડૂતો રડારવાળા કાર્ટને ખેતરમાં ફેરવીને જમીનની અંદરની રચના સમજી શકે છે, જે પાકના મૂળના વિકાસ માટે ખૂબ જ મહત્વપૂર્ણ છે.

ટ્રેક્ટરની છત પર લગાવેલું સેન્સર ડિવાઇસ, જે ખેતરમાં ફરતી વખતે સતત ડેટા એકત્રિત કરે છે.
ટ્રેક્ટરની છત પર લગાવેલું સેન્સર ડિવાઇસ, જે ખેતરમાં ફરતી વખતે સતત ડેટા એકત્રિત કરે છે. (bdk, CC BY-SA 3.0, Wikimedia Commons)

આ બધી માહિતીનો ઉપયોગ વેરિએબલ રેટ ટેકનોલોજી (Variable Rate Technology - VRT) માં થાય છે. સામાન્ય રીતે ખેડૂતો આખા ખેતરમાં એકસરખું ખાતર નાખતા હોય છે, પરંતુ VRT દ્વારા મશીન આપમેળે નક્કી કરે છે કે કયા ચોક્કસ વિસ્તારમાં કેટલું ખાતર નાખવું. જો કોઈ વિસ્તારમાં પહેલેથી જ પૂરતું નાઇટ્રોજન હોય, તો ત્યાં મશીન ખાતરનો છંટકાવ ઘટાડી દેશે. આ પદ્ધતિને 'પ્રિસ્ક્રિપ્ટિવ પ્લાન્ટિંગ' (Prescriptive planting) કહેવામાં આવે છે, જે ખેતીમાં 'બિગ ડેટા'નો ઉપયોગ છે. મોન્સેન્ટો (Monsanto) અને ડ્યુપોન્ટ (DuPont) જેવી કંપનીઓ અમેરિકામાં આ ટેકનોલોજીનો વ્યાપક ઉપયોગ કરી રહી છે.

ખેતરમાં ગ્રાઉન્ડ પેનિટ્રેટિંગ રડાર (GPR) કાર્ટ ચલાવીને જમીનની અંદરની સ્થિતિ તપાસતી વ્યક્તિ.
ખેતરમાં ગ્રાઉન્ડ પેનિટ્રેટિંગ રડાર (GPR) કાર્ટ ચલાવીને જમીનની અંદરની સ્થિતિ તપાસતી વ્યક્તિ. (The Charles Machine Works, CC BY-SA 2.0, Wikimedia Commons)

પ્રિસિઝન એગ્રીકલ્ચરના અમલીકરણ માટે બે મુખ્ય અભિગમ છે: આગાહીત્મક (Predictive) અને નિયંત્રિત (Control). આગાહીત્મક અભિગમમાં જમીનનો ઇતિહાસ અને સ્થિર સૂચકાંકોનો ઉપયોગ થાય છે. જ્યારે નિયંત્રિત અભિગમમાં વાયરલેસ સેન્સર નેટવર્ક અને ઇન્ટરનેટ ઓફ થિંગ્સ (IoT) દ્વારા સતત ડેટા અપડેટ કરવામાં આવે છે. આમાં પાંદડાના તાપમાનથી લઈને થડના વ્યાસ સુધીની બાબતો માપવામાં આવે છે. આ બધો ડેટા આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) સિસ્ટમ દ્વારા પ્રોસેસ કરવામાં આવે છે, જે ખેડૂતને શ્રેષ્ઠ નિર્ણય લેવામાં મદદ કરે છે.

પાકની ઘનતા, પાણીની અછત અને પાક પરના તણાવ (Stress) દર્શાવતા હીટ મેપ્સ.
પાકની ઘનતા, પાણીની અછત અને પાક પરના તણાવ (Stress) દર્શાવતા હીટ મેપ્સ. (Susan Moran, Landsat 7 Science Team and USDA, Public domain, Wikimedia Commons)

વિશ્વભરમાં આ ટેકનોલોજીનો વિકાસ અલગ-અલગ ગતિએ થયો છે. તેની શરૂઆત ૧૯૮૦ ના દાયકામાં અમેરિકામાં થઈ હતી, જ્યારે મિનેસોટા યુનિવર્સિટીના સંશોધકોએ ખેતરમાં ચૂનાના ઇનપુટ્સમાં ફેરફાર કરવાનું શરૂ કર્યું હતું. આજે અમેરિકા, કેનેડા અને ઓસ્ટ્રેલિયા આ ક્ષેત્રમાં અગ્રેસર છે. યુરોપમાં બ્રિટન અને ફ્રાન્સ પણ આ દિશામાં આગળ વધી રહ્યા છે. આર્જેન્ટિના અને બ્રાઝિલ જેવા દેશોએ પણ સરકારી સંસ્થાઓ દ્વારા આ ટેકનોલોજીને પ્રોત્સાહન આપ્યું છે.

ભારત જેવા દેશ માટે આ ટેકનોલોજી ખૂબ જ મહત્વની સાબિત થઈ શકે છે. જોકે, પ્રિસિઝન એગ્રીકલ્ચર અપનાવવા માટે ખેડૂતોને તે ઉપયોગી અને સરળ લાગવી જોઈએ. માત્ર આર્થિક ફાયદાના આંકડા પૂરતા નથી, પરંતુ ખેડૂતોનો વિશ્વાસ જીતવો પણ જરૂરી છે. જેમ જેમ સેન્સર અને ડ્રોનની કિંમતો ઘટશે, તેમ તેમ નાના ખેડૂતો પણ આ ટેકનોલોજીનો લાભ લઈ શકશે. ભવિષ્યમાં ખેતી એ માત્ર પરસેવો પાડવાનું કામ નહીં, પણ વિજ્ઞાન અને ડેટાના સમન્વયથી થતી એક હાઇ-ટેક પ્રક્રિયા બની રહેશે.

ઐતિહાસિક એરક્રાફ્ટ કેરિયર પરથી ઉડાન ભરતા વિમાનો: નૌકાદળના ઉડ્ડયનનો પ્રારંભિક યુગ.

દરિયાઈ યુદ્ધમાં ડ્રોન ક્રાંતિ: એરક્રાફ્ટ કેરિયર પરથી ઉડતા ડ્રોન ભારત માટે કેમ મહત્વના છે?

બ્રિટિશ રોયલ નેવીનું નવું પરીક્ષણ અને ભારતીય નૌકાદળની ભાવિ રણનીતિ પર તેની ઊંડી અસરની વિગતવાર સમજૂતી.

આવતીકાલ AI ડેસ્ક૧૨ નવે.૫ મિનિટનું વાંચન
સ્કેનિંગ ટનલિંગ માઈક્રોસ્કોપના મિકેનિકલ સ્ટેજ અને ટનલિંગ ટિપ એસેમ્બલીનું ક્લોઝ-અપ દ્રશ્ય.

પરમાણુની દુનિયાની બારી: સ્કેનિંગ ટનલિંગ માઈક્રોસ્કોપ કેવી રીતે અદ્રશ્યને દ્રશ્યમાન બનાવે છે?

૧૯૮૬માં નોબેલ પુરસ્કાર જીતનાર આ ટેકનોલોજી ક્વોન્ટમ ફિઝિક્સના નિયમોનો ઉપયોગ કરીને વ્યક્તિગત પરમાણુઓને જોવાની અને તેને હલાવવાની ક્ષમતા આપે છે.

આવતીકાલ AI ડેસ્ક૧૨ નવે.૫ મિનિટનું વાંચન
સ્પેસ શટલના કાર્ગો બેમાંથી અવકાશમાં તરતો મૂકવામાં આવી રહેલો હબલ સ્પેસ ટેલિસ્કોપ.

હબલની અચળ નજર પાછળનું રહસ્ય: ફાઇન ગાઇડન્સ સેન્સર્સની અદભુત ઇજનેરી

હબલ સ્પેસ ટેલિસ્કોપને બ્રહ્માંડના ઊંડાણમાં સ્થિર રાખીને તસવીરો લેવા સક્ષમ બનાવતા ફાઇન ગાઇડન્સ સેન્સર્સ અને તેમની ઇન્ટરફેરોમેટ્રિક ટેકનોલોજીની તલસ્પર્શી સમજૂતી.

આવતીકાલ AI ડેસ્ક૧૧ નવે.૫ મિનિટનું વાંચન