ΣΧΟΛΗ ΓΕΩΠΟΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. Τμήμα Γεωπονίας Φυτικής Παραγωγής Και Αγροτικού Περιβάλλοντος. Εοναστήριο Γεωργικής Μηγανολογίας ΠΤΥΧΙΑΚΗ ΔΙΑΤΡΙΒΗ

ΤΜΗΜΑ ΓΕΩΠΟΝΙΑΣ ΦΥΤΙΚΗ}' ΠΑΡΑΓΩΓΗΣ δ ΑΓΡΟΤΙΚΟΥρ^ΑΜΟΝΤΟΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ"0' **">* Ημερομηνία ΣΧΟΛΗ ΓΕΩΠΟΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ i - '3-- L Ο Τμήμα Γεωπονίας Φυτικής Παραγωγής Και Αγροτικού Περιβάλλοντος Εοναστήριο Γεωργικής Μηγανολογίας ΠΤΥΧΙΑΚΗ ΔΙΑΤΡΙΒΗ Θέμα: «ΜΕΛΕΤΗ ΧΩΡΙΚΗΣ ΚΑΙ ΧΡΟΝΙΚΗΣ ΠΑΡΑΛΛΑΚΤΙΚΟΤΗΤΑΣ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΠΟΙΟΤΗΤΑΣ ΣΕ ΟΠΩΡΩΝΑ ΜΗΛΙΑΣ» ΖΑΧΟΥ ΑΛΙΚΗ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: ΣΠΥΡΙΔΩΝ ΦΟΥΝΤΑΣ ΒΟΛΟΣ 2010

Πανεπιστήμιο Θεσσαλίας ΒΙΒΛΙΟΘΗΚΗ & ΚΕΝΤΡΟ ΠΛΗΡΟΦΟΡΗΣΗΣ Ειαικη Συλλογή «Γκρίζα Βιβλιογραφία» Αριθ. Εισ.: 8795/1 Ημερ. Εισ.: 14-09-2010 Δωρεά: Συγγραφέα Ταξιθετικός Κωδικός: ΠΤ - ΦΠΑΠ 2010 ΖΑΧ

ΠΕΡΙΛΗΨΗ Στην παρούσα εργασία παρουσιάζονται αποτελέσματα από την ανάλυση της χωρικής και χρονικής παραλλακτικότητας παραγωγής και ποιότητας σε έναν οπωρώνα μηλιάς στην Αγιά της Λάρισας. Σκοπός της παρούσας μελέτης είναι η προτυποποίηση και χαρτογράφηση της παραγωγής και ποιότητας, σε συνάρτηση με το χρόνο και το χώρο, με συνδυαστική χρήση τεχνικών GIS, GPS και Γεωργίας Ακρίβειας. Έγινε χαρτογράφηση παραγωγής και ποιοτικών χαρακτηριστικών (βάρος καρπού, χρώμα, σκληρότητα σάρκας, περιεκτικότητα χυμού σε διαλυτά στερεά συστατικά και οξύτητα χυμού) για τρία έτη. Στην συνέχεια δημιουργήθηκαν χάρτες χρονικής παραλλακτικότητας που δείχνουν τη διαφορά στην παραγωγή και στην ποιότητα σε κάθε σημείο του αγρού από έτος σε έτος. Αν και μερικοί βιολογικοί και χημικοί παράγοντες είναι κατά μεγάλο μέρος έξω από τον έλεγχο του αγρότη, υπάρχουν παράγοντες που ο αγρότης μπορεί να βελτιστοποιήσει στην ποιότητα των μήλων όπως το μέγεθος καρπού και η οργανοληπτική του ποιότητα. Τα αποτελέσματα έδειξαν ότι η παραγωγή μήλων των 3 ετών ήταν 36,4 τόνοι/εκτάριο, 34,0 τόνοι/εκτάριο και 23,7 τόνοι/εκτάριο. Τέλος τα αποτελέσματα της παραγωγής μήλων μεταξύ των ετών παρουσίασαν στατιστικώς σημαντικές διαφορές.

ΕΥΧΑΡΙΣΤΙΕΣ Οι ευχαριστίες μου απευθύνονται στον Καθηγητή κ. Θεοφάνη Γέμτο, Διευθυντή του Εργαστηρίου Γεωργικής Μηχανολογίας ο οποίος μου έδωσε την ευκαιρία να ασχοληθώ με ένα πολύ ενδιαφέρον θέμα. Θα ήθελα να τον ευχαριστήσω θερμά για την επιστημονική του καθοδήγηση και την ενθάρρυνση που μου παρείχε όλο αυτό το διάστημα. Η διατριβή αυτή πραγματοποιήθηκε υπό την επίβλεψη του κυρίου Φούντά Σπυρίδων, Επίκουρο καθηγητή του Τμήματος Γεωπονίας Φυτικής Παραγωγής και Αγροτικού Περιβάλλοντος του Πανεπιστημίου Θεσσαλίας. Θα ήθελα να τον ευχαριστήσω θερμά για την πολύτιμη γνώση που μου προσέφερε σε θέματα Γεωργίας Ακρίβειας και συγκεκριμένα έννοιας και σημασίας Γεωγραφικού Συστήματος Πληροφοριών και για την καθοδήγηση που μου προσέφερε καθ όλη τη διάρκεια της συγγραφής της διατριβής. Χωρίς την ομαλή συνεργασία μαζί του η εκπόνηση της διατριβής δε θα ήταν δυνατή. Ευχαριστώ θερμά την Δρ. Αικατερίνη Αγγελοπούλου για την πολύτιμη βοήθεια που μου προσέφερε κατά τη διάρκεια του πρακτικού μέρους της διατριβής σε θέματα εφαρμογής και χρήσης Γεωγραφικού Συστήματος Πληροφοριών και επεξεργασίας και στατιστικής ανάλυσης μετρήσεων. Χωρίς τη βοήθειά της και τις συμβουλές της θα ήταν αδύνατη η ολοκλήρωση της παρούσας εργασίας. Τον Αναπληρωτή Καθηγητή του Τμήματος Γεωπονίας Φυτικής Παραγωγής και Αγροτικού Περιβάλλοντος του Πανεπιστημίου Θεσσαλίας και Διευθυντή του Εργαστηρίου Δενδροκομίας κ. Γεώργιο Νάνο για τον χρόνο που διέθεσε και τις υποδείξεις του για τη διαμόρφωση της διατριβής.

Στο σημείο αυτό δε θα πρέπει να παραλείψω να ευχαριστήσω τον κ. Ιωάννη Καλτσίδη και τον κ. Παντελή Χιονίδη στελέχη της Αναπτυξιακή Πέλλας Αναπτυξιακή Ανώνυμη Εταιρεία ΟΤΑ (ΑΝ. ΠΕ.), για την πολύτιμη βοήθεια τους στην οργάνωση και παρουσίαση των αποτελεσμάτων της διατριβής καθώς και για τη συμπαράσταση που μου προσέφεραν κατά τη διάρκεια της έρευνας. Η προσπάθεια αυτή δε θα μπορούσε να ολοκληρωθεί χωρίς τη συμπαράσταση της οικογένειας μου, για αυτό το λόγο αφιερώνω αυτή τη διατριβή στους γονείς μου, Σταύρο και Άννα Ζάχου, ως το ελάχιστο δείγμα ευγνωμοσύνης για την αγάπη, τις θυσίες και την προτροπή τους όλα αυτά τα χρόνια για την συνέχιση των σπουδών μου, αλλά και στην αδερφή μου Βικτώρια, για την ηθική συμπαράσταση και τις συμβουλές της.

ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ ΚΕΦΑΛΑΙΟ 1. ΓΕΝΙΚΗ ΕΙΣΑΓΩΓΗ... 1 1.1 Γενικά...1 1.2 Αντικειμενικοί στόχοι της έρευνας... 2 ΚΕΦΑΛΑΙΟ 2. ΑΝΑΣΚΟΠΗΣΗ ΤΗΣ ΒΙΒΛΙΟΓΡΑΦΙΑΣ...4 2.1 Γεωργία Ακρίβειας...4 2.2 Εφαρμογές Γεωργίας Ακρίβειας σε παγκόσμιο, ευρωπαϊκό και ελληνικό επίπεδο...9 2.3 Ζώνες διαχείρισης... 13 2.3.1 Δημιουργία ζωνών διαχείρισης... 16 2.4 Γεωγραφικά Συστήματα Πληροφοριών (GIS)...18 2.5 Παγκόσμιο Σύστημα Καθορισμού θέσης (Global Positioning System,GPS)... 22 2.5.1 DGPS... 25 2.5.2 RTK (Real Time Kinematic)... 27 2.5.3 Ακρίβεια του GPS...29 2.6 Χαρτογράφηση παραγωγής...32 2.6.1 Συστήματα Παρακολούθησης Αποδόσεων...34 2.7 Γεωργία Ακρίβειας στα μήλα... 37 2.8 Χάρτες τάσης για την χωρική παραλλακτικότητα... 42 2.8.1 Χάρτες τάσης για την χωρική και τη χρονική παραλλακτικότητα...43 2.9 Μηλιά και ποιότητα... 43 2.10 Ωριμότητα και ποιότητα...46 2.10.1 Κανόνες συγκομιδής και αποθήκευσης μήλων...48

2.11 Μηλιά και παραγωγή...49 2.11.1 Παγκόσμια παραγωγή... 49 2.11.2 Ευρωπαϊκή παραγωγή μήλων... 50 2.11.3 Ελληνική παραγωγή μήλων...51 ΚΕΦΑΛΑΙΟ 3. ΥΛΙΚΑ ΚΑΙ ΜΕΘΟΔΟΙ...55 3.1 Φυσιογνωμία της περιοχής...55 3.1.1 Χαρακτηριστικά της περιοχής...55 3.1.2 Φυσικο-γεωγραφικά στοιχεία της περιοχής...57 3.1.3 Ευκαιρίες για την καλλιέργεια του μήλου στην Αγια Λάρισας... 59 3.2 Περιγραφή πειράματος...60 3.2.1 Χαρτογράφηση παραγωγής... 60 3.2.2 Χαρτογράφηση ποιότητας των καρπών...60 ΚΕΦΑΛΑΙΟ 4. ΚΕΦΑΛΑΙΟ 5. ΚΕΦΑΛΑΙΟ 6. ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ...63 ΣΥΜΠΕΡΑΣΜΑΤΑ...93 ΜΕΛΛΟΝΤΙΚΗ ΕΡΓΑΣΙΑ...94 ΒΙΒΛΙΟΓΡΑΦΙΑ...95 ΚΕΦΑΛΑΙΟ 7. ΛΕΞΕΙΣ ΚΛΕΙΔΙΑ... 104

ΚΑΤΑΛΟΓΟΣ ΠΙΝΑΚΩΝ Πίνακας 2.1. Παραγωγή και έκταση μηλιών στην EE-27(EUROSTAT- NewCronos) 50 Πίνακας 2.2. Παραγωγή και έκταση μηλιών-αχλαδιών(ε1^03τατ- NewCronos) 52 Πίνακας 2.3. Εξέλιξη εισαγωγών και εξαγωγών μήλων-αχλαδιών στην Ελλάδα 2002,2006 53 Πίνακας 2.4. Παραγωγή μήλων στη Θεσσαλία 54 Πίνακας 4.1. Μέσοι όροι και συντελεστές παραλλακτικότητας (CV) της παραγωγής των καρπών στον πειραματικό αγρό της Αγιάς για τα έτη 2005, 2006 και 2007 63 Πίνακας 4.2. Μέσοι όροι και συντελεστές παραλλακτικότητας (CV) των ποιοτικών χαρακτηριστικών των καρπών στον πειραματικό αγρό της Αγιας για τα έτη 2005, 2006 και 2007 64

ΚΑΤΑΛΟΓΟΣ ΕΙΚΟΝΩΝ Εικόνα 4.1.Χάρτες παραγωγής της ποικιλίας Red Chief (α) για το 2005, (β) για το 2006, (γ) για το 2007 και (δ) χάρτης τάσης ή μέσης παραγωγής για τα τρία έτη 2005, 2006 και 2007 67 Εικόνα 4.2. Χάρτες περιεκτικότητας σακχάρων για την ποικιλία Red Chief για τα έτη (α) 2005, (β) 2006, (γ) 2007 και (δ) χάρτης τάσης περιεκτικότητας σακχάρων για τα έτη 2005, 2006 και 2007 69 Εικόνα 4.3. Χάρτες μηλικού οξέος για την ποικιλία Red Chief για τα έτη (α) 2005, (β) 2006, (γ) 2007 και (δ) χάρτης τάσης μηλικού οξέος για τα έτη 2005, 2006 και 2007 70 Εικόνα 4.4. Χάρτες ποιότητας L για την ποικιλία Red Chief για τα έτη (α) 2005, (β) 2006, (γ) 2007 και (δ) χάρτης τάσης ποιότητας L για τα έτη 2005, 2006 και 2007 71 Εικόνα 4.5. Χάρτες ποιότητας Hue για την ποικιλία Red Chief για τα έτη (α) 2005, (β) 2006, (γ) 2007 και (δ) χάρτης τάσης ποιότητας Hue για τα έτη 2005, 2006 και 2007 72 Εικόνα 4.6. Χάρτες βάρους καρπών για την ποικιλία Red Chief για τα έτη (α) 2005, (β) 2006, (γ) 2007 και (δ) χάρτης τάσης βάρους καρπών για τα έτη 2005, 2006 και 2007 73

Εικόνα 4.7. Χάρτες σκληρότητας σάρκας για την ποικιλία Red Chief για τα έτη (α) 2005, (β) 2006, (γ) 2007 και (δ) χάρτης τάσης σκληρότητας σάρκας για τα έτη 2005, 2006 και 2007 74 Εικόνα 4.8. Χάρτες ποιότητας C για την ποικιλία Red Chief για τα έτη (α) 2005, (β) 2006, (γ) 2007 και (δ) χάρτης τάσης ποιότητας C για τα έτη 2005, 2006 και 2007 75 Εικόνα 4.9. Ιστογράμματα παραγωγής (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 79 Εικόνα 4.10. Ιστόγραμμα παραγωγής για τα έτη 2005,2006 και 2007 80 Εικόνα 4.11. Ιστογράμματα ποιότητας για το χαρακτηριστικό a (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για τα έτη 2005,2006 και 2007 81 Εικόνα 4.12. Ιστογράμματα ποιότητας για το χαρακτηριστικό b (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για τα έτη 2005, 2006 και 2007 82 Εικόνα 4.13. Ιστογράμματα ποιότητας για το χαρακτηριστικό L (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για τα έτη 2005, 2006 και 2007 83 Εικόνα 4.14. Ιστογράμματα ποιότητας για το χαρακτηριστικό C (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για τα έτη 2005, 2006 και 2007 84

Εικόνα 4.15. Ιστογράμματα ποιότητας για το χαρακτηριστικό Hue (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για τα έτη 2005, 2006 και 2007 85 Εικόνα 4.16. Ιστογράμματα για τη σκληρότητα σάρκας (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για έτη 2005, 2006 και 2007 86 Εικόνα 4.17. Ιστογράμματα για το βάρος του καρπού (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για τα έτη 2005, 2006 και 2007 87 Εικόνα 4.18. Ιστογράμματα για το μηλικό οξύ (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για α έτη 2005, 2006 και 2007 88 Εικόνα 4.19. Ιστογράμματα για την οξύτητα του χυμού (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για τα έτη 2005, 2006 και 2007 89 Εικόνα 4.20. Ιστογράμματα για την περιεκτικότητα σε σάκχαρα (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για τα έτη 2005, 2006 και 2007 90 Εικόνα 4.21. Ιστογράμματα για το ΡΗ χυμού (α) για το έτος 2006, (β) για το έτος 2007 και (γ) για τα έτη 2006 και 2007 91

Εικόνα 4.15. Ιστογράμματα ποιότητας για το χαρακτηριστικό Hue (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για τα έτη 2005, 2006 και 2007 85 Εικόνα 4.16. Ιστογράμματα για τη σκληρότητα σάρκας (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για έτη 2005, 2006 και 2007 86 Εικόνα 4.17. Ιστογράμματα για το βάρος του καρπού (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για τα έτη 2005, 2006 και 2007 87 Εικόνα 4.18. Ιστογράμματα για το μηλικό οξύ (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για α έτη 2005, 2006 και 2007 88 Εικόνα 4.19. Ιστογράμματα για την οξύτητα του χυμού (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για τα έτη 2005, 2006 και 2007 89 Εικόνα 4.20. Ιστογράμματα για την περιεκτικότητα σε σάκχαρα (α) για το έτος 2005, (β) για το έτος 2006, (γ) για το έτος 2007 και (δ) για τα έτη 2005, 2006 και 2007 90 Εικόνα 4.21. Ιστογράμματα για το ΡΗ χυμού (α) για το έτος 2006, (β) για το έτος 2007 και (γ) για τα έτη 2006 και 2007 91

ΚΕΦΑΛΑΙΟ 1. ΓΕΝΙΚΗ ΕΙΣΑΓΩΓΗ 1.1. Γ ενικά Στο παρελθόν, οι γεωργοί εκτελούσαν τις καλλιεργητικές τους εργασίες χειρωνακτικά και είχαν άμεση επαφή με το έδαφος, την καλλιέργεια και τις διάφορες παραμέτρους που επηρέαζαν την παραγωγή τους. Έτσι, γνώριζαν, με μεγαλύτερη ακρίβεια, τα τμήματα στο χωράφι τους με διαφορετικά χαρακτηριστικά και είχαν τη δυνατότητα να διαφοροποιήσουν τη διαχείριση του κάθε τμήματος του αγρού τους, αλλά και να ρυθμίσουν ανάλογα τις εισροές του, όπως σπόρο, νερό, οργανική ουσία κλπ. Σε ένα βαθμό αυτή η στενότερη διαχείριση εξακολουθεί και παρατηρείται και σήμερα, ιδιαίτερα στις καλλιέργειες που συγκομίζονται με το χέρι, πολλές φορές ανάλογα με το βαθμό ωρίμανσής τους, όπως π.χ. οι δενδρώδεις καλλιέργειες και η βιομηχανική ντομάτα. Με την ανάπτυξη και εξέλιξη των γεωργικών μηχανημάτων, οι παραγωγοί έχουν τη δυνατότητα να εκμεταλλεύονται μεγαλύτερες εκτάσεις ενώ όμως χάνουν την άμεση επαφή με τον αγρό και εφαρμόζουν τις καλλιεργητικές εισροές τους σε δοσολογίες που αντιπροσωπεύουν μέσους όρους. Ακόμα και στις περιπτώσεις που οι παραγωγοί γνωρίζουν κάποιες διαφοροποιήσεις στο έδαφος των αγρών τους, η τεχνολογία των μηχανημάτων εφαρμογής των εισροών που χρησιμοποιούν δεν τους βοηθά στην διαφορετική αντιμετώπιση των τμημάτων αυτών. Σήμερα με την βελτίωση των δυνατοτήτων των ηλεκτρονικών υπολογιστών και με την ανάπτυξη της τεχνολογίας γενικότερα, είναι δυνατή η καταγραφή της παραλλακτικότητας ενός αγρού. Η Γεωργία Ακρίβειας είναι μια νέα προσέγγιση στη διαχείριση των αγρών και των γεωργικών εκμεταλλεύσεων. Ως στόχο έχει να 1

αντιμετωπίσει την παραλλακτικότητα των παραμέτρων που επηρεάζουν τη γεωργική παραγωγή, όπως ο τύπος του εδάφους, το ph, τα θρεπτικά στοιχεία, η οργανική ουσία, το νερό, η προσβολή από ζιζάνια, η στράγγιση κλπ (Παπαοικονόμου, 2003). Η Γεωργία Ακρίβειας ξεκίνησε αρχές δεκαετίας του 1990 και βασίστηκε στην ανάπτυξη της τεχνολογίας του GPS και του GIS την προηγούμενη δεκαετία. Παράλληλα άρχισε η ανάπτυξη αισθητήρων για τη γεωργία. Αισθητήρες μέτρησης της ροής των υλικών στις μηχανές συγκομιδής επέτρεψαν τη χαρτογράφηση της παραγωγής σε μια σειρά καλλιεργειών όπως σιτηρά, βαμβάκι, σακχαρότευτλα, βιομηχανική τομάτα και σταφύλια για οινοποίηση που συγκομίζονται μηχανικά. Παράλληλα αναπτύχθηκαν και αναπτύσσονται αισθητήρες για μέτρηση ιδιοτήτων ταυ εδάφους (ηλεκτρική αγωγιμότητα, ph, θρεπτικά στοιχεία εδάφους, κλπ), καθώς και χαρακτηριστικά του φυτού, όπως μέγεθος της κόμης των δένδρων (Φούντάς και Γέμτος, 2008). 1.2. Αντικειιιενικοί στόχοι tnc eocuvac Η μελέτη «χωρική και χρονική παραλλακτικότητα της παραγωγής και της ποιότητας σε οπωρώνα μηλιάς στην Αγιά Λάρισας» εντάσσεται στο πλαίσιο της Γεωργίας Ακρίβειας. Το αντικείμενο της παρούσας εργασίας είναι να μελετηθεί η χωρική και χρονική παραλλακτικότητα της παραγωγής και της ποιότητας των καρπών σε έναν οπωρώνα μηλιάς με σκοπό να διερευνηθεί η δυνατότητα εφαρμογής της Γεωργίας Ακρίβειας στον οπωρώνα αυτό. Η σκοπιμότητα της μελέτης και η ωφέλεια που θα προκύψει είναι σημαντικές γιατί η παραγωγή μήλου στην περιοχή είναι μία από τις βασικότερες γεωργικές 2

καλλιέργειες, που απορροφά σημαντικό αριθμό συντελεστών παραγωγής και κυρίως εργασία και κεφάλαιο (AGROPOLE, 2004). Στο πλαίσιο της μελέτης περιλαμβάνεται η αναγνώριση της φυσιογνωμίας της περιοχής, το παραγωγικό περιβάλλον, οι συνθήκες παραγωγής και ποιότητας του μήλου σε έναν οπωρώνα της περιοχής καθώς και οι ευκαιρίες για την καλλιέργεια του μήλου στην περιοχή μελέτης. Στόχος είναι η δημιουργία ενός Γεωγραφικού Συστήματος Πληροφοριών με τα δεδομένα παραγωγής και ποιότητας, επεξεργασία με το Γεωγραφικό Σύστημα Πληροφοριών των στοιχείων, στατιστική επεξεργασία των δεδομένων και παραγωγή θεματικών χαρτών με θέσεις και στοιχεία της μονάδας. Στόχος της μελέτης είναι η αναλυτική παρουσίαση της συνολικής παραγωγής του μήλου στο αγρόκτημα που μελετήσαμε και οι προοπτικές βελτιώσεων προς την κατεύθυνση της αποδοτικότερης παραγωγής του, με σκοπό τη μεγιστοποίηση του οφέλους για τον παραγωγό. Επίσης στόχο αποτελούν η παρουσίαση της συνολικής ποιότητας αλλά και μεμονωμένων χαρακτηριστικών ποιότητας του μήλου, με σκοπό τη λήψη κατάλληλων μέτρων από τους παραγωγούς για τη βελτίωσή τους. Η ανάλυση της χρονικής παραλλακτικότητας στην παραγωγή και στην ποιότητα διενεργήθηκε σε δύο στάδια: α) δημιουργία χαρτών τάσης παραγωγής και ποιότητας, οι οποίοι δημιουργήθηκαν χρησιμοποιώντας τους μέσους όρους των τιμών στα τρία χρόνια του πειράματος και δείχνουν την τάση που διαμορφώνεται στα μετρούμενα μεγέθη σε κάθε σημείο του αγρού και β) δημιουργία ιστογραμμάτων που δείχνουν τις διαφορές στην παραγωγή και στην ποιότητα από χρονιά σε χρονιά. 3

ΚΕΦΑΛΑΙΟ 2. ΑΝΑΣΚΟΠΗΣΗ ΤΗΣ ΒΙΒΛΙΟΓΡΑΦΙΑΣ 2.1, Γεωργία Ακοιβείεκ Πριν από την εκμηχάνιση της γεωργίας και την αύξηση του μεγέθους των αγροκτημάτων, ο γεωργός γνώριζε το χωράφι του που διέσχιζε διαρκώς καθώς έκανε τις καλλιεργητικές φροντίδες περπατώντας. Γνωρίζοντας το χωράφι, διαχειριζόταν τα διάφορα μέρη του σύμφωνα με τις ανάγκες που θεωρούσε ότι είχαν. Για παράδειγμα έριχνε περισσότερο σπόρο σε σημεία του χωραφιού που δεν φύτρωναν. Με την εκμηχάνιση της γεωργίας και μέχρι σήμερα η διαχείριση των αγροκτημάτων γίνεται με βάση τους μέσους όρους της παραγωγής αλλά και των ιδιοτήτων του εδάφους και των χαρακτηριστικών της καλλιέργειας. Η βασική υπόθεση ήταν ότι οι αγροί ήταν ομοιόμορφοι (Φούντάς και Γέμτος, 2008). Οι αγρότες γνώριζαν ότι οι αγροί δεν είναι ομοιόμορφοι αλλά οι ιδιότητές τους (έδαφος, παραγωγή, ποιοτικά χαρακτηριστικά) διαφέρουν από περιοχή σε περιοχή (χωρική παραλλακτικότητα) και από χρονιά σε χρονιά (χρονική παραλλακτικότητα). Η χωρική παραλλακτικότητα οφείλεται κυρίως στις διαφορές στο έδαφος ενός αγρού ενώ η χρονική παραλλακτικότητα πιθανότατα οφείλεται στις διαφορετικές κλιματικές συνθήκες που επικρατούν από έτος σε έτος και την αλληλεπίδρασή τους με τους άλλους παράγοντες. Η κατανόηση των παραγόντων που προκαλούν την παραλλακτικότητα αυτή μπορεί να οδηγήσει στην ορθότερη διαχείριση των αγρών (Αγγελοπούλου και άλλοι, 2007). Παρ όλο που οι αγρότες γνώριζαν ότι υπήρχε ανομοιομορφία των αγρών τους δεν είχαν τη δυνατότητα να διαφοροποιήσουν τις καλλιεργητικές φροντίδες σύμφωνα με τις πραγματικές ανάγκες της καλλιέργειας σε κάθε σημείο του αγρού. 4

Η εφαρμογή των νέων τεχνολογιών στη γεωργία επέτρεψε τη μέτρηση της χωρικής και χρονικής παραλλακτικότητας των παραμέτρων της παραγωγής και του εδάφους και έδωσε τη δυνατότητα ανάπτυξης συστημάτων Γεωργίας Ακρίβειας (Φούντάς και Γέμτος, 2008). Με τον όρο Γεωργία Ακρίβειας ορίζουμε τη διαχείριση της χωρικής και χρονικής διαφοροποίησης των αγρών προκειμένου να βελτιωθεί η αποδοτικότητα των αγροκτημάτων και να επιτευχθεί μείωση των αρνητικών επιπτώσεων στο περιβάλλον από την μη ορθολογική χρήση των εισροών (Gemtos et al., 2002). Η Γεωργία Ακρίβειας είναι ένα σύστημα διαχείρισης αγροκτημάτων το οποίο χρησιμοποιώντας την πληροφορική και τα ηλεκτρονικά εφαρμοσμένα στη γεωργία, βοηθά το γεωργό στη λήψη αποφάσεων για την καλύτερη διαχείριση του αγροκτήματος (Sigrimis, 2000). Ο όρος καλύτερη διαχείριση μπορεί να σημαίνει βελτίωση της οικονομικής απόδοσης του αγροκτήματος είτε με αύξηση της παραγωγής είτε με μείωση των εισροών, είτε με συνδυασμό και των δύο. Επιπλέον μπορεί να επιτευχθεί βελτίωση των τυχόν αρνητικών επιπτώσεων της γεωργίας στο περιβάλλον, εφόσον εφαρμόζεται η αναγκαία ποσότητα εισροών σε κάθε σημείο του αγρού. Το χαρακτηριστικό είναι ότι αντί να γίνονται οι καλλιεργητικές φροντίδες με βάση τις μέσες τιμές παραγωγής και γονιμότητας του εδάφους είναι δυνατή η εφαρμογή διαφορετικών δόσεων εισροών για κάθε τμήμα του αγρού ανάλογα με τις πραγματικές του ανάγκες (Φούντάς και Γέμτος, 2008). Η Γεωργία Ακρίβειας (precision agriculture,) είναι μια νέα μέθοδος διαχείρισης των αγρών σύμφωνα με την οποία μπορεί να εφαρμοστούν διαφορετικά επίπεδα εισροών σε περιοχές του αγρού ανάλογα με το δυναμικό παραγωγής της κάθε περιοχής (Ράππος και άλλοι, 2005). Ουσιαστικά η Γεωργία Ακρίβειας είναι μια νέα μέθοδος διαχείρισης σύμφωνα με την οποία εισροές 5

(φυτοφάρμακα, λιπάσματα, νερό άρδευσης) εφαρμόζονται μόνο εκεί που είναι απαραίτητες και στην ακριβή ποσότητα που απαιτείται. Για να γίνει αυτό πρέπει να γίνουν γνωστές οι ιδιότητες του αγρού, όπως είναι η παραγωγή και τα χαρακτηριστικά του εδάφους σε κάθε θέση του. Σήμερα είναι δυνατή η χαρτογράφηση των αγρών διότι έχουν αναπτυχθεί τεχνολογίες όπως είναι το Παγκόσμιο Σύστημα Προσδιορισμού Θέσης (GPS) με το οποίο είναι δυνατός ο προσδιορισμός της θέσης ενός σημείου στη γη μέσω ενός συστήματος δορυφόρων, τα Γζωγραφικά Συστήματα Πληροφοριών (GIS) που είναι λογισμικά με τα οποία δήμιουργούνται οι αντίστοιχοι χάρτες, οι αισθητήρες μέτρησης της παραγωγής (yield monitors), η εφαρμογή εισροών με μεταβλητό ρυθμό (Variable Rate Technology), η τηλεπισκόπιση (Remote Sensing) κ.α. Η βάση εφαρμογής είναι ο καθορισμός ζωνών διαχείρισης (management zones) εντός του αγροτεμαχίου. Οι ζώνες διαχείρισης είναι τμήματα του αγρού που χαρακτηρίζονται από κοινά εδαφολογικά ή αγρονομικά χαρακτηριστικά και επομένως απαιτούν κοινή διαχείριση των εισροών και των καλλιεργητικών φροντίδων. Η δημιουργία ζωνών διαχείρισης των αγροτεμαχίων αποτελεί τη βάση εφαρμογής της Γεωργίας Ακρίβειας. Η δημιουργία ζωνών διαχείρισης των αγροτεμαχίων, μας παρέχει τη δυνατότητα για καλλιεργητικές επεμβάσεις με μεταβαλλόμενες δόσεις (variable rate applications) (Φούντάς και Γέμτος, 2008). Αυτή η δυνατότητα είναι και ο απώτερος σκοπός της Γεωργίας Ακρίβειας, δηλαδή η εφαρμογή μεταβλητών καλλιεργητικών φροντίδων για κάθε τμήμα του αγρού, ανάλογα με τις πραγματικές του, ανά ζώνη, ανάγκες. Αυτές οι εφαρμογές επιφέρουν εξοικονόμηση πόρων, με αποτέλεσμα την καλύτερη διαχείριση των αγροτικών εκμεταλλεύσεων σε επίπεδο παραγωγού, αλλά και στην προστασία του περιβάλλοντος από την αλόγιστη χρήση των 6

εισροών. Οι πιο σημαντικές εφαρμογές μεταβλητών καλλιεργητικών φροντίδων έχουν σημειωθεί στην εφαρμογή λιπασμάτων και ειδικότερα σε Ν, Ρ και Κ, όπως επίσης και στην εφαρμογή ασβέστου σε όξινα εδάφη (Gemtos et al., 2002). Επιπρόσθετα, συστήματα διαφοροποίησης εφαρμογής αρδευτικού νερού έχουν δώσει πολύ θετικά αποτελέσματα στην καλύτερη αξιοποίηση και οικονομία του αρδευτικού νερού (Al-Kufaishi et al., 2005). Η πρόοδος που έχει συντελεστεί τα τελευταία χρόνια στις παραπάνω τεχνολογίες έδωσε τη δυνατότητα για την εφαρμογή της Γεωργίας Ακρίβειας σε διάφορες καλλιέργειες. Η εφαρμογή ενός συστήματος γεωργίας ακρίβειας περιλαμβάνει τρεις φάσεις: 1. Συλλογή δεδομένων (Data Acquisition). Τα δεδομένα περιλαμβάνουν χάρτες παραγωγής, αναλύσεις εδάφους, μετεωρολογικά δεδομένα, δεδομένα τηλεπισκόπησης, ποιοτικά χαρακτηριστικά, παρατηρήσεις στον αγρό για ασθένειες, ζιζάνια και οτιδήποτε άλλο μπορεί να επηρεάσει την απόδοση μιας καλλιέργειας. Τα δεδομένα συλλέγονται από τον αγρό με ταυτόχρονη καταγραφή της γεωγραφικής θέσης από την οποία λήφθηκαν με την χρήση ενός GPS. Στη συνέχεια με τη βοήθεια ενός προγράμματος GIS γίνεται η αποτύπωση της χωρικής παραλλακτικότητας τους στον αγρό. 2. Επεξεργασία δεδομένων (Data Processing). Η ανάλυση των δεδομένων γίνεται με διάφορες στατιστικές μεθόδους και οδηγεί στην εξαγωγή συμπερασμάτων που αφορούν την πιο σωστή μέθοδο διαχείρισης της παραλλακτικότητας του αγρού. 3. Εφαρμογή αποτελεσμάτων (Application). Από τα αποτελέσματα που θα προκύψουν από την ανάλυση των δεδομένων ο αγρός μπορεί να χωριστεί σε ζώνες διαχείρισης (management zones). Στις ζώνες αυτές μπορούμε να 7

εφαρμόσουμε τις εισροές σε μεταβλητές δόσεις, ανάλογα με το δυναμικό παραγωγής της καλλιέργειας στην κάθε ζώνη. Με τον τρόπο αυτό εφαρμόζεται η κατάλληλη ποσότητα εισροών στην κάθε περιοχή του αγρού και δεν γίνεται σπατάλη σε περιοχές που έχουν τη δυνατότητα να παράγουν περισσότερο. Έτσι επιτυγχάνονται οικονομικά και περιβαλλοντικά οφέλη με την αύξηση της απόδοσης και τη μείωση των εισροών (Ράππος και άλλοι, 2005). Τα πλεονεκτήματα από την εφαρμογή της Γεωργίας Ακρίβειας είναι: α) οικονομικά διότι δεν γίνεται σπατάλη των εισροών και μπορεί να αυξηθεί η παραγωγή και να βελτιωθεί η ποιότητα των προϊόντων β) περιβαλλοντικά διότι εφαρμόζοντας τις αναγκαίες ποσότητες εισροών δεν προκαλείται ρύπανση του εδάφους και των νερών και γ) έχουμε καλύτερη ιχνηλασιμότητα των προϊόντων επειδή γίνεται ακριβής καταγραφή όλων των επεμβάσεων στον αγρό (Gemtos et al 2002). Η Γεωργία Ακρίβειας συγκεντρώνει ένα τεράστιο πλούτο πληροφοριών που γίνεται προσπάθεια να χρησιμοποιηθεί τόσο στην καλύτερη διαχείριση του γεωργικού εξοπλισμού όσο και στην τήρηση στοιχείων συμμόρφωσης με τις διάφορες εθνικές και κοινοτικές πολιτικές. Η ύπαρξη του GPS και μικροεπεξεργαστών στα γεωργικά μηχανήματα επιτρέπει τη συγκέντρωση πληροφοριών για τις κινήσεις τους, καθυστερήσεις κλπ. Εάν συνδυαστούν με μια καταγραφή των εργασιών που μπορεί να εισάγει ο χειριστής μπορεί να δημιουργηθεί ένα ηλεκτρονικά καταγεγραμμένο σύστημα πιστοποίησης των εργασιών απαραίτητο για την πιστοποίηση των αγροπεριβαλλοντικών μέτρων ή για συστήματα ολοκληρωμένης παραγωγής. Συστήματα βασισμένα στο GPS μπορούν να βοηθήσουν το χειριστή και να αυξήσουν την ακρίβεια των κινήσεων 8

των μηχανημάτων στο χωράφι αυξάνοντας τις αποδόσεις των μηχανημάτων και την ακρίβεια εφαρμογής κυρίως των χημικών. Η δυνατότητα προγραμματισμού και ελέγχου των κινήσεων των ελκυστήρων στο χωράφι οδηγεί σε αύξηση των αποδόσεων των μηχανημάτων και μείωση προβλημάτων, όπως η συμπίεση του εδάφους με καθορισμό σταθερών διαδρομών (Φούντάς και Γέμτος, 2008). 2.2, Εφαρυονέο Γεωργίας Ακρίβειας σε παγκόσμιο, ευρωπαϊκό και ελληνικό επίπεδο Τα συστήματα Γεωργίας Ακρίβειας εφαρμόζονται σήμερα στις Η.Π.Α. στον Καναδά, σε χώρες της Ευρώπης (Γερμανία, Δανία, Αγγλία, Σουηδία), στην Αργεντινή, Αυστραλία και σε άλλες σε μικρότερες εκτάσεις. Οι περισσότερες εφαρμογές αναφέρονται σε φυτά μεγάλης καλλιέργειας όπως είναι τα σιτηρά, τα ζαχαρότευτλα, η σόγια, το βαμβάκι, ο ηλίανθος, η αραχίδα όπου έχουν αναπτυχθεί οι αντίστοιχοι αισθητήρες μέτρησης παραγωγής που προσαρμόζονται στις μηχανές συγκομιδής. Επίσης υπάρχουν εφαρμογές σε λαχανικά και σε φρούτα. Στις δενδροκομικές καλλιέργειες γίνεται μεγάλη έρευνα στο Πανεπιστήμιο της Φλόριντα (ΗΠΑ) σε εσπεριδοειδή. Έχουν αναπτυχθεί συστήματα χαρτογράφησης παραγωγής, εκτίμησης του όγκου της κόμης των δένδρων με υπερήχους και συστήματα εφαρμογής λιπασμάτων και φυτοφαρμάκων με μεταβλητές δόσεις. Επίσης υπάρχουν εφαρμογές σε άλλες περιοχές στην ελιά, στο αμπέλι και σε καλλιέργειες φρούτων και λαχανικών. Στη Νότια Ευρώπη και στη χώρα μας η εφαρμογή των συστημάτων αυτών έχει καθυστερήσει (Ράππος και άλλοι, 2005). Στην Ελλάδα, το Εργαστήριο Τηλεπισκόπησης και Γεωγραφικών Συστημάτων Πληροφοριών του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης, με Διευθυντή τον 9

Καθηγητή κ. Ν. Συλλαίο, έχει εντάξει τη Γεωργία Ακρίβειας στα ερευνητικά του αντικείμενα: α) με την εκπόνηση και παρουσίαση μεταπτυχιακής διατριβής με θέμα την κατασκευή φασματικών μοντέλων φυτομάζας και φυτοκάλυψης καλλιέργειας σίτου, με τη χρήση ψηφιακής κάμερας ερυθρού-υπερύθρου και β) με την εκπόνηση διδακτορικής εργασίας (σε εξέλιξη), με θέμα τη συσχέτιση φυσικοχημικών ιδιοτήτων του εδάφους με τις φασματικές του ιδιότητες, με χρήση Δορυφορικών εικόνων πολύ υψηλής διακριτικής ικανότητας, Υπερφασματικού ραδιομέτρου σάρωσης και Διαφορικού G.P.S. Γύρω από τα παραπάνω αντικείμενα έχει αναπτυχθεί στενή συνεργασία του Εργαστηρίου με το Τμήμα Διαχείρισης Περιβάλλοντος του Μεσογειακού Αγρονομικού Ινστιτούτου Χανίων. Στα πλαίσια αυτά, τα δύο Ιδρύματα έχουν έρθει σε επαφή και με έλληνες γεωργούς, οι οποίοι χρησιμοποιούν αεροφωτογραφίες (που λαμβάνουν οι ίδιοι με ερασιτεχνικό προς το παρόν τρόπο), προκειμένου να ανιχνεύσουν στοιχεία παραλλακτικότητας εντός των αγροτεμαχίων τους. Αφορμή γι αυτήν την επαφή στάθηκε το 2ο Ειδικό Συνέδριο της Ελληνικής Εταιρείας Επιχειρησιακών Ερευνών για την εφαρμογή των Πληροφοριακών Συστημάτων στον Αγροτικό Τομέα, που πραγματοποιήθηκε στα Χανιά τον Οκτώβριο του 2000 (Καρυδάς και Συλλαίος, 2000). Στα πλαίσια των ανωτέρω εκτελέστηκε και η έρευνα «Γεωργία Ακρίβειας στο βαμβάκι: Συσχέτιση χαρτών παραγωγής και ηλεκτρικής αγωγιμότητας» που διεξήγαγαν οι Μαρκινός και άλλοι (2000) και παρουσίασαν στο 3 Πανελλήνιο Συνέδριο Γεωργικής Μηχανικής. Η εργασία είχε σαν αντικείμενο τη Χαρτογράφηση Παραγωγής στο Βαμβάκι και παρουσίασε την εγκατάσταση, σε μία παλιού τύπου βαμβακοσυλλεκτική μηχανή, ενός συστήματος χαρτογράφησης της παραγωγής βαμβακιού (FarmScan Canlink 3000) αλλά και τα αποτελέσματα από τις 10

χαρτογραφήσεις που έγιναν με το συγκεκριμένο σύστημα στη περιοχή της Καρδίτσας από το 2002. Η χαρτογράφηση παραγωγής είναι από τις πιο σημαντικές πηγές δεδομένων στη Γ.Α., γιατί είναι το σημείο αντικειμενικής αξιολόγησης των επιδράσεων των εφαρμογών εισροών και των καλλιεργητικών εργασιών στη συγκομιδή και την οικονομικότητα της εκμετάλλευσης. Για τις Εφαρμογές Αυτόνομων Συστημάτων Γεωργίας Ακρίβειας ο καθηγητής κ. Θεοφάνης Γέμτος παρουσίασε στο ανωτέρω Συνέδριο, μεταξύ άλλων, μηχανήματα όπως το WeedSeeker, που είναι ένα Σύστημα Επιλεκτικού Ψεκασμού, αλλά και Αυτόματα Συστήματα Πλοήγησης όπως το AgGPS EZ-Guide Plus από την Τrimble. «Τέτοια συστήματα είναι άμεσα εφαρμόσιμα, δεν απαιτούν ιδιαίτερη εκπαίδευση από το γεωργό και βοηθούν στη μείωση του κόστους της καλλιέργειας αλλά και κάνουν τις καλλιεργητικές εργασίες ακριβέστερες και πιο ξεκούραστες» σημείωσε ο κ. Γέμτος. Επίσης στο ανωτέρω Συνέδριο, η ομιλία του Δρ Λεωνίδα Τούλιου, με θέμα Εντοπισμός Παραλλακτικότητας Αγρών με Δορυφορικές Εικόνες κάλυψε εκτενώς τον τρόπο με τον οποίο μπορούν να χρησιμοποιηθούν τέτοιες εικόνες για τον εντοπισμό της παραλλακτικότητας ενός αγρού. Σήμερα η αγορά δορυφορικών δεδομένων έχει, βέβαια, ένα σχετικά υψηλό κόστος, τόσο που να μην μπορούν πρακτικά να χρησιμοποιηθούν από τον Έλληνα αγρότη, αλλά είναι επίσης σίγουρο ότι το κόστος αυτό συνεχώς μειώνεται. Φυσικά, για ένα ερευνητικό σύστημα Γ.Α. η τηλεπισκόπιση με δορυφορικές εικόνες είναι σχεδόν απαραίτητη αφού μπορεί να δώσει σημαντικές πληροφορίες για την κατάσταση της καλλιέργειας κατά τη συνολική διάρκεια της καλλιεργητικής περιόδου. Τέτοιου είδους πληροφόρηση μπορεί να είναι κρίσιμη αφού η παραλλακτικότητα που εντοπίζεται τελικά στη παραγωγή μπορεί να οφείλεται σε εξωτερικούς παράγοντες που εμφανίστηκαν 11

κατά τη διάρκεια της περιόδου (π.χ. έντονη βροχόπτωση, επιδημία κλπ) και όχι στη συστηματική παραλλακτικότητα του εδάφους. Στη συνέχεια, ο Δρ Δημήτρης Πατέρας (Ερευνητής στο ΕΘΙΑΓΕ/ΙΧΤΕΛ) μίλησε για τη Χαρτογράφηση Χημικών Ιδιοτήτων του Εδάφους. «Με δεδομένο ότι παραμένουν σταθερές σε επίπεδο αγροτεμαχίου ί) η ένταση των κλιματικών παραμέτρων, ϋ) η καλλιεργητική πρακτική και ϋί) η ποικιλία της καλλιέργειας, τότε η παρατηρούμενη διαφοροποίηση της παραγωγής εντός των ορίων του αγροτεμαχίου αναζητείται στη χωρική παραλλακτικότητα των Χημικών και Φυσικών Ιδιοτήτων του εδάφους» τόνισε ο ανωτέρω ερευνητής. Με την ομιλία του Δρ Μ. Παπαοικονόμου έγινε η εισαγωγή στις έννοιες της Γεωργίας Ακρίβειας, αλλά και στα Διαχειριστικά Συστήματα που αναπτύσσει και υποστηρίζει στην Ελλάδα η εταιρεία και την εφαρμογή τους στη καλλιέργεια του βαμβακιού. Τέτοια συστήματα διαχείρισης έχουν τη δυνατότητα επεξεργασίας και ανάλυσης γεωγραφικών και μη γεωγραφικών δεδομένων με στόχο την αντιμετώπιση της παραλλακτικότητας που παρατηρείται στους ελληνικούς αγρούς. «Στόχος μας είναι η καλλιέργεια του βαμβακιού με βάση τις πραγματικές ανάγκες του φυτού και όχι με βάση τους μέσους όρους του αγροτεμαχίου» (Α. Μαρκινός και άλλοι, 2003). Στο ίδιο συνέδριο παρουσιάστηκε και η μελέτη «Γεωργία Ακρίβειας: προοπτικές εφαρμογής στην Ελλάδα και στην Νότια Ευρώπη» των Γέμτου και άλλων (2003). Στην Ελλάδα εφαρμογές της Γεωργίας Ακρίβειας ξεκίνησαν στο Εργαστήριο Γεωργικής Μηχανολογίας του Π.Θ. το 2001 σε καλλιέργειες βαμβακιού, μήλων και αμπελιού. Τα πρώτα αποτελέσματα έδειξαν ότι υπάρχει σημαντική χωρική παραλλακτικότητα στο έδαφος στην παραγωγή και στην ποιότητα παρόλο το μικρό μέγεθος των αγροκτημάτων. Οι λόγοι της 12

καθυστέρησης εφαρμογών Γεωργίας Ακρίβειας στην Ελλάδα είναι σύμφωνα με τους ανωτέρω επιστήμονες οι εξής: α) το μικρό μέγεθος των γεωργικών εκμεταλλεύσεων, β) το χαμηλό μορφωτικό επίπεδο των αγροτών, γ) το γεγονός ότι οι γεωργοί είναι προσκολλημένοι σε παραδοσιακές μεθόδους παραγωγής, δ) οι επιδοτήσεις των αγροτικών προϊόντων από την Ε.Ε. και ε) ότι δεν υπάρχει τεχνολογία εφαρμογής των μεθόδων της Γεωργίας Ακρίβειας για τις καλλιέργειες αυτών των χωρών και κυρίως για τα φρούτα και τα λαχανικά (Γέμτος και άλλοι, 2003). 2.3. Ζώνες διαχείρισης Στο παρελθόν, το μικρό μέγεθος των αγροτεμαχίων και ο περιορισμός τους από φυσικά όρια επέτρεπαν στους γεωργούς να παίρνουν υπόψη τους τη χωρική και χρονική παραλλακτικότητα, μεταβάλλοντας εμπειρικά τη μεταχείριση τους από σημείο σε σημείο και από εποχή σε εποχή. Ωστόσο, με τη μεγέθυνση των αγροτεμαχίων, την εντατική παραγωγή και την εκμηχάνιση το τελευταίο μισό του 20ού αιώνα, δεν ήταν δυνατό να ληφθεί υπόψη η εντός του αγροτεμαχίου παραλλακτικότητα, χωρίς την ανάπτυξη της τεχνολογίας των Γεωγραφικών Συστημάτων Πληροφοριών Ενώ η παραδοσιακή γεωργική διαχείριση αντιμετωπίζει τα αγροτεμάχια ως ομοιόμορφα (βασιζόμενη σε μέσους όρους) και αγνοεί την εγγενή ή επίκτητη ως προς το χώρο και το χρόνο παραλλακτικότητά τους (variability), στην καρδιά της Γεωργίας Ακρίβειας βρίσκεται η διαχείριση αυτής ακριβώς της Παραλλακτικότητας. Διακρίνονται τρεις μορφές παραλλακτικότητας: η χωρική, η χρονική και η προβλεπτική. Η χωρική παραλλακτικότητα γίνεται αντιληπτή ως μεταβολή των 13

χαρακτηριστικών και ιδιοτήτων των καλλιεργειών και του εδάφους, με την αλλαγή θέσης μέσα στο αγροτεμάχιο. Η χρονική τταραλλακτικότητα γίνεται αντιληπτή ως μεταβολή τους με το χρόνο. Η προβλεπτική παραλλακτικότητα γίνεται αντιληπτή ως μεταβολή στο χώρο, της διαφοράς μεταξύ προβλεπόμενων και πραγματικών τιμών αποδόσεων. Η Γεωργία Ακρίβειας παρέχει το πλαίσιο μέσα στο οποίο οι διαχειριστές των καλλιεργειών μπορούν με μεγάλη ακρίβεια να κατανοήσουν και στη συνέχεια να ελέγξουν αυτά που συμβαίνουν μέσα στο αγροτεμάχιο (Καρυδάς και Συλλαίος, 2000). Αν υποθέσουμε ότι η αγροτική έκταση είναι ομοιογενής, τότε ο αγρός δέχεται την ίδια καλλιεργητική τεχνική σε όλη την έκταση του, χωρίς καμία αναφορά σε χωρική παραλλακτικότητα. Εάν όμως ο αγρός δεν είναι ομοιογενής, οι εισροές πρέπει να διαφέρουν σε χωρικό επίπεδο, οπότε είναι απαραίτητες οι περισσότερες πληροφορίες πάνω στον αγρό. Ο στόχος της Γεωργίας Ακρίβειας είναι ο εντοπισμός και η ταυτοποίηση της παραλλακτικότητας ενός αγρού και η διαχείριση της με την εφαρμογή των καλλιεργητικών εισροών με διαφοροποιούμενη δόση. Κατά συνέπεια, το πρώτο βήμα για την επίτευξη αυτού του στόχου, είναι ο εντοπισμός επιμέρους μικρότερων ομοιόμορφων τμημάτων ενός αγρού που χρήζουν διαφορετικής, μεταξύ τους, διαχείρισης. Οι ζώνες διαχείρισης είναι τμήματα του αγρού που χαρακτηρίζονται από κοινά εδαφολογικά ή αγρονομικά χαρακτηριστικά και επομένως απαιτούν κοινή διαχείριση των εισροών και των καλλιεργητικών φροντίδων. Η δημιουργία ζωνών διαχείρισης των αγροτεμαχίων αποτελεί τη βάση εφαρμογής της Γεωργίας Ακρίβειας (Φούντάς και Γέμτος, 2008). Ως ζώνη διαχείρισης ορίζεται «ένα επιμέρους τμήμα ενός αγρού που χαρακτηρίζεται από έναν λειτουργικά ομοιογενή συνδυασμό ιδιοτήτων». Η χρήση 14

των ζωνών διαχείρισης είναι ένας εύκολος τρόπος για την ταυτοποίηση, την ταξινόμηση και την χωροταξική κατανομή της παραλλακτικότητας των χαρακτηριστικών ενός αγρού (Παπαοικονόμου, 2003). Ένα απλό παράδειγμα ζώνης διαχείρισης και εφαρμογής εισροής με μεταβλητή δόση που εφαρμόζεται σήμερα στην πράξη, είναι η χειροκίνητη διαφοροποίηση της δόσης εφαρμογής του λιπάσματος από τον παραγωγό, η εντοπισμένη εφαρμογή κοπριάς ή άλλων εισροών. Ο παραγωγός το πραγματοποιεί αυτό βασισμένος στην εμπειρία και τη γνώση του, όσον αφορά την απόδοση της καλλιέργειας τα προηγούμενα χρόνια ή το είδος του εδάφους στη συγκεκριμένη περιοχή του αγρού. Σε ένα σύστημα Γεωργίας Ακρίβειας τα τελικά στάδια είναι ένας ψηφιακός χάρτης του αγρού που απεικονίζει τις ζώνες διαχείρισης, το είδος των εισροών και τις δόσεις που εφαρμόζονται. Η δημιουργία ζωνών διαχείρισης των αγροτεμαχίων μας παρέχει τη δυνατότητα για καλλιεργητικές επεμβάσεις με μεταβαλλόμενες δόσεις (variable rate applications). Αυτή η δυνατότητα είναι και ο απώτερος σκοπός της Γεωργίας Ακρίβειας, δηλαδή η εφαρμογή μεταβλητών καλλιεργητικών φροντίδων για κάθε τμήμα του αγρού, ανάλογα με τις πραγματικές του, ανά ζώνη, ανάγκες. Αυτές οι εφαρμογές επιφέρουν εξοικονόμηση πόρων, με αποτέλεσμα την καλύτερη διαχείριση των αγροτικών εκμεταλλεύσεων σε επίπεδο παραγωγού, αλλά και την προστασία του περιβάλλοντος από την αλόγιστη χρήση των εισροών. Οι πιο σημαντικές εφαρμογές μεταβλητών καλλιεργητικών φροντίδων έχουν σημειωθεί στην εφαρμογή λιπασμάτων και ειδικότερα σε Ν, Ρ και Κ, όπως επίσης και στην εφαρμογή ασβέστου σε όξινα εδάφη (Gemtos et al., 2002). Επιπρόσθετα, συστήματα διαφοροποίησης εφαρμογής αρδευτικού νερού έχουν δώσει πολύ 15

θετικά αποτελέσματα στην καλύτερη αξιοποίηση και οικονομία του αρδευτικού νερού (Al-Kufaishi et al., 2005). 2.3.1. Δημιουργία ζωνών διαχείρισης Στις αρχές της δεκαετίας του 90 αναπτύχθηκε μια μεθοδολογία για τη δημιουργία ζωνών διαχείρισης, που ως βάση είχε τη δειγματοληψία πλέγματος. Κατά τη μεθοδολογία αυτή, διαιρείται ο αγρός σε τμήματα με οριζόντιες και κάθετες γραμμές υπό τη μορφή πλέγματος και λαμβάνεται ένα δείγμα εδάφους από κάθε τομή των γραμμών του πλέγματος. Με την ανάλυση αυτών των δειγμάτων εντοπίζονται οι περιοχές του αγρού με ενιαία χαρακτηριστικά οι οποίες αποτελούν και τις ζώνες διαχείρισης του συγκεκριμένου αγρού. Η δειγματοληψία πλέγματος έχει τη δυνατότητα να εντοπίσει διαφορές στα επίπεδα των παραμέτρων που αναλύονται σε όλη την έκταση του αγρού, που είναι αδύνατο να καταγραφούν με την ενιαία δειγματοληψία. Ωστόσο αυτή η μέθοδος έχει πολλούς περιορισμούς (Παπαοικονόμου, 2003): Οι περιοχές μεταξύ των σημείων δειγματοληψίας δεν χαρακτηρίζονται με ακρίβεια Οι στατιστικές μέθοδοι απαιτούν μεγάλο αριθμό δειγμάτων για τη δημιουργία ψηφιακών χαρτών ικανοποιητικής ακρίβειας Η δειγματοληψία είναι χρονοβόρα και έχει μεγάλο κόστος σε ανθρώπινο δυναμικό Το κόστος της ανάλυσης των δειγμάτων είναι υψηλό 16

Σε ένα ευέλικτο και ακριβές σύστημα διαχωρισμού ζωνών διαχείρισης οι παράγοντες που πρέπει να λαμβάνονται υπόψη, κατά τη δημιουργία των ζωνών, πρέπει να έχουν ορισμένα χαρακτηριστικά: Σταθερότητα στο χρόνο Ευκολία στη μέτρηση Σχέση με την παραγωγή Χαμηλό κόστος Στο πρώτο στάδιο της εφαρμογής η καλλιεργήσιμη έκταση χωρίζεται σε ζώνες διαχείρισης του συστήματος, σε περιοχές δηλαδή με διαφορετικά χαρακτηριστικά και συνεπώς διαφορετικές απαιτήσεις στις εισροές που χρησιμοποιούνται. Στη δεύτερη φάση εφαρμόζονται οι βέλτιστες παραγωγικές εισροές (άρδευση, λίπανση, φυτοπροστασία, κ.α), με τρόπο διαφοροποιημένο σε κάθε ζώνη καλλιέργειας ανάλογα με τις απαιτήσεις που κάθε φορά προκύπτουν. Με τον τρόπο αυτό όχι μόνο εξοικονομείται νερό αλλά και λίπασμα και φυτοφάρμακα. Το κέρδος είναι πολλαπλό και αφορά εξίσου τον καλλιεργητή και τον καταναλωτή. Μειώνεται σταδιακά το κόστος παραγωγής και αυτό έχει αντίκτυπο στην τελική τιμή του προϊόντος. Παράλληλα μειώνεται η ποσότητα των χημικών ουσιών που δέχονται τα φυτά και το έδαφος, αφού γίνεται ορθολογική διαχείριση τους (Γκέρτσης, 2007). Το χαρακτηριστικό είναι ότι αντί να γίνονται οι καλλιεργητικές φροντίδες με βάση τις μέσες τιμές παραγωγής και γονιμότητας του εδάφους είναι δυνατή η εφαρμογή διαφορετικών δόσεων εισροών για κάθε τμήμα του αγρού ανάλογα με τις πραγματικές του ανάγκες. Για τη δημιουργία των ζωνών διαχείρισης χρησιμοποιούνται διάφορες μέθοδοι, ανάλογα με τα μέσα που έχουμε. Καταρχήν γίνεται καταγραφή των ιδιοτήτων του 17

εδάφους και της καλλιέργειας (δειγματοληψίες εδάφους, χρήση αισθητήρων μέτρησης παραγωγής, ηλεκτρικής αγωγιμότητας του εδάφους, χρήση δορυφορικών εικόνων και αεροφωτογραφιών εδάφους και καλλιεργειών) και κατανομή τους στο χωράφι. Στη συνέχεια με τη χρήση στατιστικών μεθόδων όπως είναι η ασαφής συσταδοποίηση (fuzzy clustering), που στηρίζεται στη θεωρία των ασαφών συνόλων αναλύουμε και ομαδοποιούμε τα χαρακτηριστικά που μετρήθηκαν στις καλλιέργειες. Η ασαφής ομαδοποίηση ταξινομεί τα σημεία ή τις παρατηρήσεις σε δύο ή περισσότερες κλάσεις. Μία από τις ιδιότητες που μπορούν να χρησιμοποιηθούν με ευκολία στην δημιουργία ζωνών διαχείρισης είναι η ηλεκτρική αγωγιμότητα. Η ηλεκτρική αγωγιμότητα είναι η ιδιότητα του εδάφους που ορίζεται ως η ευκολία με την οποία διέρχεται το ηλεκτρικό ρεύμα δια μέσου της μάζας του. Οι κυριότεροι παράγοντες που την επηρεάζουν είναι η αλατότητα του εδάφους, η υγρασία και η ποσότητα αργίλου. Άλλοι παράγοντες που την επηρεάζουν είναι η συμπίεση του εδάφους, η οργανική ουσία και η θερμοκρασία (Τάνος και άλλοι, 2007). 2.4. Γεωνοαφίκά Συστήιιατα Πληροφοριών (GIS) Το Γζωγραφικό Σύστημα Πληροφοριών (ΣΓΠ), γνωστό ευρέως και ως G.I.S. (Geographic Information Systems), είναι σύστημα διαχείρισης χωρικών δεδομένων (spatial data) και συσχετισμένων ιδιοτήτων. Στην πιο αυστηρή μορφή του είναι ένα ψηφιακό σύστημα, ικανό να ενσωματώσει, αποθηκεύσει, προσαρμόσει, αναλύσει και παρουσιάσει γεωγραφικά συσχετισμένες (geographically-referenced) πληροφορίες. Σε πιο γενική μορφή, ένα ΣΓΠ είναι ένα εργαλείο "έξυπνου χάρτη", το οποίο επιτρέπει στους χρήστες του να αποτυπώσουν μια περίληψη του 18

πραγματικού κόσμου, να δημιουργήσουν διαδραστικά ερωτήσεις χωρικού ή περιγραφικού χαρακτήρα (αναζητήσεις δημιουργούμενες από το χρήστη), να αναλύσουν τα χωρικά δεδομένα (spatial data), να τα προσαρμόσουν και να τα αποδώσουν σε αναλογικά μέσα (εκτυπώσεις χαρτών και διαγραμμάτων) ή σε ψηφιακά μέσα (αρχεία χωρικών δεδομένων, διαδραστικοί χάρτες στο Διαδίκτυο) (Βικιπαίδεια, 2009). Τα συστήματα GIS αποτυπώνουν χωρικά δεδομένα σε γεωγραφικό ή χαρτογραφικό ή καρτεσιανό σύστημα συντεταγμένων. Βασικό χαρακτηριστικό των ΣΓΠ είναι ότι τα χωρικά δεδομένα συνδέονται και με περιγραφικά δεδομένα, π.χ. μια ομάδα σημείων που αναπαριστούν θέσεις πόλεων συνδέεται με ένα πίνακα όπου κάθε εγγραφή εκτός από τη θέση περιέχει πληροφορίες όπως ονομασία, πληθυσμός κλπ. Τα Συστήματα Γεωγραφικών Πληροφοριών (ΓΠΣ) είναι πληροφοριακά συστήματα (Information Systems) που παρέχουν τη δυνατότητα συλλογής, διαχείρισης, αποθήκευσης, επεξεργασίας, ανάλυσης και οπτικοποίησης, σε ψηφιακό περιβάλλον, των δεδομένων που σχετίζονται με το χώρο. Τα δεδομένα αυτά συνήθως λέγονται γεωγραφικά ή χαρτογραφικά ή χωρικά (spatial) και μπορεί να συσχετίζονται με μια σειρά από περιγραφικά δεδομένα τα οποία και τα χαρακτηρίζουν μοναδικά. Η χαρακτηριστική δυνατότητα που παρέχουν τα GIS είναι αυτή της σύνδεσης της χωρικής με την περιγραφική πληροφορία (η οποία δεν έχει από μόνη της χωρική υπόσταση). Η τεχνολογία που χρησιμοποιείται για την λειτουργία αυτή βασίζεται: Είτε στο σχεσιακό (relational) μοντέλο δεδομένων, όπου τα περιγραφικά δεδομένα πινακοποιούνται χωριστά και αργότερα συσχετίζονται με τα 19

χωρικά δεδομένα μέσω κάποιων μοναδικών τιμών που είναι κοινές και στα δύο είδη δεδομένων. Είτε στο αντικειμενοστραφές (object-oriented) μοντέλο δεδομένων, όπου τόσο τα χωρικά όσο και τα περιγραφικά δεδομένα συγχωνεύονται σε αντικείμενα, τα οποία μπορεί να μοντελοποιούν κάποια αντικείμενα με φυσική υπόσταση (π.χ. κατηγορία = "δρόμος", όνομα = "Πανεπιστημίου", γεωμετρία = [Χ1,Υ1],[Χ2,Υ2]...", πλάτος = "20 μέτρα") (Βικιπαίδεια, 2009). Το αντικειμενοστραφές μοντέλο τείνει να χρησιμοποιείται όλο και περισσότερο σε εφαρμογές GIS εξαιτίας των αυξημένων δυνατοτήτων του σε σχέση με το σχεσιακό μοντέλο της δυνατότητας που παρέχει για την εύκολη και απλοποιημένη μοντελοποίηση σύνθετων φυσικών φαινομένων και αντικειμένων με χωρική διάσταση. Πολλές φορές η ολοκληρωμένη έννοια των GIS (integrated GIS concept) επεκτείνεται για να συμπεριλάβει τόσο τα δεδομένα (που αποτελούν ουσιαστικά τον πυρήνα τους), το λογισμικό και το μηχανικό εξοπλισμό, όσο και τις διαδικασίες και το ανθρώπινο δυναμικό, που αποτελούν αναπόσπαστα τμήματα ενός οργανισμού, ο οποίος έχει σαν πρωταρχική του δραστηριότητα τη διαχείριση πληροφορίας με τη βοήθεια GIS. Συγκεκριμένα, σε ένα σύστημα Γεωργίας Ακρίβειας οι διάφορες πληροφορίες που αφορούν στον αγρό, αντιπροσωπεύονται από αριθμούς οι οποίοι περιγράφουν μετρήσεις κάποιων παραμέτρων του (πχ εδαφοαναλύσεις), επιτόπιες παρατηρήσεις (όπως πχ εντοπισμένα νεροκρατήματα), εφαρμογή κάποιας εισροής με διαφοροποιούμενη δόση, κλπ. Οι πληροφορίες αυτές, με τη βοήθεια του GPS, συνοδεύονται με το γεωγραφικό στίγμα των αντίστοιχων 20

σημείων του αγρού όπου αναφέρονται. Κατά τη δημιουργία ψηφιακών χαρτών μεγάλης ακρίβειας, ο όγκος των πληροφοριών είναι τεράστιος, έτσι ώστε η χρήση κάποιου λογισμικού για την επεξεργασία τους είναι απαραίτητη (Παπαοικονόμου, 2003). Τα γεωγραφικά συστήματα πληροφοριών λειτουργούν σαν διαχειριστής πληροφοριών συνδέοντας δεδομένα με καλλιεργητικές πληροφορίες για να δημιουργήσουν τη χωρική παραλλακτικότητα. Όλα τα δεδομένα που χρησιμοποιούνται υποστηρίζονται από το GPS έτσι ώστε όλα τα επίπεδα να έχουν μια γεωαναφορά. To GIS μπορεί να κάνει τη χωρική ανάλυση είτε χρησιμοποιώντας το κάθε τετράγωνο καννάβου οπότε είναι το raster GIS ή χρησιμοποιώντας σημεία, γραμμές και πολύγωνα οπότε είναι το vector GIS (Βικιπαίδεια, 2010). Ένας χάρτης αποδόσεων συμπεριλαμβάνει μετρήσεις από περιοχή που έχει γίνει η συγκομιδή σε διάφορες χρονικές περιόδους και η μέσες τιμές αυτών των μετρήσεων αυτών συνδυασμένα στο λογισμικό του GIS. Από τους χάρτες αποδόσεων οι αγρότες μπορούν να αναγνωρίσουν μέσα στον αγρό ποιες περιοχές μπορούν να βελτιωθούν ή που πρέπει να γίνουν ρυθμίσεις στις εισροές για να βελτιστοποιήσουμε το κέρδος του παραγωγού και να προστατεύσουμε το περιβάλλον (Βικιπαίδεια, 2010). Ένα Γζωγραφικό Σύστημα Πληροφοριών (GIS) είναι ένα λογισμικό με τη βοήθεια του οποίου οι πληροφορίες οργανώνονται, αναλύονται και επεξεργάζονται. Οι πληροφορίες σε ένα GIS απεικονίζονται πάντοτε ως ψηφιακοί χάρτες του υπό εξέταση αγρού, γιατί όλες οι πληροφορίες είναι προσδιορισμένες στον χώρο με τη βοήθεια του GPS. Πρόσθετα εργαλεία όπως στατιστικές αναλύσεις, 21

προσομοιώσεις και άλλες αναλυτικές μέθοδοι, χρησιμοποιούνται από το GIS και βοηθούν στην εξαγωγή συμπερασμάτων και στη λήψη αποφάσεων. Πέρα από τη χαρτογράφηση, οι βάσεις δεδομένων που συνδέονται με το GIS και τα εργαλεία του για το χειρισμό τους, καθιστούν το GIS πολύτιμο εργαλείο σε ένα σύστημα Γεωργίας Ακρίβειας (Παπαοικονόμου, 2003). 2.5. Πανκόσιιιο Σύστημα Καθορισμού θέσης (Global Positioning System,GPS) Παγκόσμιο Σύστημα Εντοπισμού Θέσης (Global Positioning System, GPS) ονομάζεται ο σχηματισμός των 24 συνολικά δορυφόρων που αναπτύχθηκε από το Αμερικανικό Υπουργείο Αμύνης και χρησιμοποιείται για τον υπολογισμό του γεωγραφικού στίγματος οποιοσδήποτε σημείου πάνω στην επιφάνεια της γης. Οι δορυφόροι αυτοί βρίσκονται σε τροχιά σε ύψος είκοσι χιλιάδων χιλιομέτρων από την επιφάνεια της γης, σε συγκεκριμένα, γνωστά σημεία. Μικρές αποκλίσεις από τις τροχιές τους που παρατηρούνται, οφείλονται στις επιδράσεις βαρύτητας από τον Ήλιο και τη Σελήνη. Κάθε δορυφόρος εκπέμπει ένα κωδικοποιημένο ηλεκτρομαγνητικό σήμα, το οποίο λαμβάνεται από τους δέκτες GPS και χρησιμοποιείται για τον ακριβή υπολογισμό της γεωγραφικής θέσης του δέκτη. Το σήμα που εκπέμπεται από τον κάθε δορυφόρο περιέχει πληροφορίες για την ταυτότητα του δορυφόρου και την ακριβή χρονική στιγμή που έγινε η εκπομπή. Οι δορυφόροι φέρουν ατομικά ρολόγια υψηλής ακρίβειας και είναι ουσιαστικά συγχρονισμένοι μεταξύ τους (Παπαοικονόμου, 2003). Οι δορυφόροι αυτοί βρίσκονται διαρκώς σε κίνηση, κάνοντας 2 πλήρεις περιφορές γύρω από τη γη σε 22

λιγότερο από 24 ώρες. Αν το υπολογίσουμε με μαθηματικά θα δούμε ότι η ταχύτητά τους φτάνει τα 2,90 χιλιόμετρα το δευτερόλεπτο. Ο δέκτης GPS λαμβάνει τα ηλεκτρομαγνητικά σήματα των δορυφόρων και υπολογίζει τη χρονική υστέρηση στο σήμα που δέχεται, την οποία και χρησιμοποιεί για να μετρήσει την απόστασή του από κάθε δορυφόρο. Όταν δέχεται σήματα από τρεις δορυφόρους τουλάχιστον, ο δέκτης χρησιμοποιεί γεωμετρική ανάλυση για να καθορίσει τη γεωγραφική του θέση (στίγμα) στην επιφάνεια της γης, που εκφράζεται σε γεωγραφικό μήκος (longitude) και γεωγραφικό πλάτος (latitude). Όταν λαμβάνει σήματα και από τέταρτο δορυφόρο μπορεί να υπολογίσει και το υψόμετρο της θέσης που βρίσκεται (Παπαοικονόμου, 2003). Το όλο σύστημα μπορεί να διακριθεί σε τρία επιμέρους μεγάλα τμήματα: το δορυφορικό τμήμα, το τμήμα ελέγχου και το τμήμα χρηστών. Το δορυφορικό τμήμα, το τμήμα ελέγχου με τους επίγειους σταθμούς ελέγχου και παρακολούθησης των δορυφόρων και το τμήμα χρηστών που αποτελείται από τους δέκτες GPS οι οποίοι λαμβάνουν το δορυφορικό σήμα, εκτελούν και καταγράφουν τις παρατηρήσεις και τελικά μετά από κατάλληλη επεξεργασία που γίνεται κατά περίπτωση στο δέκτη ή στο γραφείο προσδιορίζονται οι θέσεις των σημείων, δηλαδή οι συντεταγμένες τους (Ανδριτσάνος και άλλοι, 1997). To GPS αποτελεί το μέσο που βοηθά στον καθορισμό θέσης οπουδήποτε στην επιφάνεια της γης, αρκεί να υπάρχει «οπτική επαφή» με τους δορυφόρους. Σε κλειστούς ή στεγασμένους χώρους ο δέκτης GPS αδυνατεί να καθορίσει το στίγμα του, καθώς δεν λαμβάνει τα δορυφορικά σήματα. To GPS βρίσκει εφαρμογή σε πολυάριθμους τομείς, όπως η διαχείριση εναέριας κυκλοφορίας, η 23

πλοήγηση πλοίων κλπ., ενώ άριστες είναι οι προοπτικές εφαρμογής του στη Γεωργία (Παπαοικονόμου, 2003). Χάρη στο GPS, οι γεωργοί μπορούν να εργαστούν στα χωράφια τους με μεγαλύτερη ακρίβεια. Μπορούν να λάβουν υπόψη τους τις διαφορές που υπάρχουν μέσα σ ένα χωράφι, συνδυάζοντας τις πληροφορίες που στέλνονται από τους δορυφόρους και εκείνες που λαμβάνονται στο έδαφος (CEJA, 2010). Οι θεριζοαλωνιστικές μηχανές είναι εξοπλισμένες με αισθητήρες που καταγράφουν, ανά πάσα στιγμή, την ποσότητα σιταριού που συλλέγεται καθώς επίσης και το ποσοστό υγρασίας του σιταριού. Οι πληροφορίες αυτές αποθηκεύονται σ έναν υπολογιστή. Εξάλλου, μία κεραία που έχει τοποθετηθεί στη οροφή της μηχανής επικοινωνεί με τους δορυφόρους. Δείχνει τη θέση της θεριστικής μηχανής μέσα στο χωράφι, (στην πραγματικότητα δίνει τις συντεταγμένες σε γεωγραφικό πλάτος και μήκος). Συνδυάζοντας αυτές τις πληροφορίες, ο γεωργός γνωρίζει με ακρίβεια την ποσότητα του συγκομιζόμενου προϊόντος ανάλογα με το σημείο του χωραφιού στο οποίο βρίσκεται. Με τη βοήθεια του υπολογιστή, είναι δυνατόν να εντοπιστούν πάνω σε χάρτη, που σχηματίζεται από τις δορυφορικές εικόνες, τα αποτελέσματα της συγκομιδής του χωραφιού. Αν υπάρχουν διαφορές στην απόδοση ανάμεσα στα διάφορα τμήματα του χωραφιού, ο γεωργός θα μπορέσει να τις διορθώσει, είτε δουλεύοντας διαφορετικά το έδαφος, είτε καθορίζοντας διαφορετικές δόσεις λιπασμάτων (CEJA, 2010). Οι δασοκόμοι των βόρειων χωρών χρησιμοποιούν το GPS για να μεταδίδουν στους οδηγούς των φορτηγών τη γεωγραφική διεύθυνση των δένδρων που κόπηκαν. To GPS εισέρχεται επίσης στην καθημερινή ζωή μας, 24

χρησιμοποιείται από τα αεροπλάνα και τα πλοία και αρχίζει να εγκαθίσταται στα λεωφορεία, τα φορτηγά, τα ταξί ακόμα και τα αυτοκίνητα (CEJA, 2010). Το παγκόσμιο σύστημα εντοπισμού θέσης είναι ένα δορυφορικό σύστημα πλοήγησης που αναπτύχθηκε και διατηρείται στις Ηνωμένες Πολιτείες της Αμερικής. Οι δέκτες του GPS στο έδαφος συλλέγουν πληροφορίες και αλλάζουν το ραδιοηλεκτρικό σήμα του δορυφόρου σε δεδομένο θέσης. Οι πληροφορίες για το υψόμετρο και τη θέση μπορούν αν αποθηκευτούν σε ένα γεωγραφικό σύστημα πληροφοριών (GIS) να βοηθήσουν το χρήστη να εκτελέσει την εργασία του πιο αποτελεσματικά (Βικιπαίδεια, 2010). 2.5.1. DGPS Το διαφορικό GPS (DGPS) είναι μια μέθοδος που αυξάνει και άλλο την ακρίβεια της θέσης από έναν δέκτη GPS. Η ακρίβεια της θέσης έχει βελτιωθεί πολύ με την χρήση του DGPS και από τα 30 m έχει φτάσει το 1 m. Χρειαζόμαστε την ακρίβεια που προσφέρει το DGPS σε ένα σύστημα παρακολούθησης αποδόσεων. Οι χάρτες αποδόσεων δημιουργούνται με την τοποθέτηση ενός μετρητή σοδειάς σε ένα μηχάνημα συγκομιδής για να μετρήσει την ποσότητα της σοδειάς σε μια συγκεκριμένη χρονική στιγμή. To DGPS χρησιμοποιείται για να καταγράψει την ακριβή θέση (Βικιπαίδεια, 2010). Για να χαρτογραφήσεις την παραλλακτικότητα σε χωρική βάση, πρέπει τα συστήματα που χρησιμοποιούμε να είναι συνδεδεμένα με ένα σύστημα εντοπισμού θέσης όπως είναι το DGPS (Βικιπαίδεια, 2010). 25