Abstrak
Memahami pengaruh kadar nitrogen (N) pada budidaya rami (Cannabis sativa) sangat penting untuk mengoptimalkan hasil dan kualitas tanaman. Studi ini mengevaluasi efektivitas sensor genggam (aktif) dan drone (pasif) dalam mengukur reflektansi tanaman dan memprediksi parameter pertumbuhan utama sebagai respons terhadap berbagai kadar aplikasi N. Studi ini dilakukan selama musim panas tahun 2022 di Plant Science Research and Education Unit di Citra, FL. Uji coba melibatkan tiga kultivar rami—NWG-2730, Yuma, dan IH-Williams—yang diberi enam kadar N (0, 56, 112, 168, 224, dan 280 kg/ha). Data reflektansi dikumpulkan pada 76 hari setelah tanam untuk menghitung indeks vegetasi selisih ternormalisasi (NDVI) dan tepi merah selisih ternormalisasi (NDRE). Hasil penelitian menunjukkan bahwa peningkatan kadar N menyebabkan nilai NDVI dan NDRE yang lebih tinggi pada kultivar yang belum mencapai penuaan. NDVI dari sensor drone menunjukkan hubungan terkuat dengan kadar N dan merupakan prediktor paling akurat untuk hasil biomassa dalam musim, hasil biomassa akhir, dan tinggi tanaman. Namun, efisiensi prediktif NDVI dan NDRE bervariasi menurut kultivar dan menurun saat tanaman mendekati penuaan. Penginderaan reflektansi tanaman awal musim terbukti lebih andal karena dampak daun yang menua lebih rendah. Studi ini menyoroti potensi teknologi sensor dalam budidaya rami, menawarkan wawasan tentang perkiraan hasil, manajemen N variabel, dan fenotipe berthroughput tinggi. Penelitian di masa mendatang harus lebih jauh mengeksplorasi penerapan sensor untuk meningkatkan praktik pertanian presisi dalam budidaya rami.
1 PENDAHULUAN
Nitrogen (N) merupakan nutrisi penting untuk produksi tanaman, yang memainkan peran penting dalam berbagai molekul tanaman, termasuk asam amino, klorofil, asam nukleat, dan fitohormon (Anas et al., 2020). Setiap molekul klorofil mengandung empat atom N, yang menyoroti fungsi penting N dalam fotosintesis. Kekurangan N dapat menyebabkan berkurangnya kadar klorofil, yang memengaruhi kemampuan tanaman untuk berfotosintesis secara efektif (Serrano et al., 2000). Rentang spektrum elektromagnetik dari 400 hingga 700 nm, yang dikenal sebagai radiasi aktif fotosintesis, sangat penting untuk fotosintesis. Reflektansi dan penyerapan cahaya dalam rentang ini secara signifikan dipengaruhi oleh biomassa tanaman dan pigmen fotosintesis, terutama klorofil, yang dapat ditangkap oleh sensor (Liu & Van Iersel, 2021). Penggunaan sensor untuk menilai konsentrasi dan biomassa N pada tanaman menghadirkan pendekatan yang menjanjikan untuk mengoptimalkan kesehatan dan produktivitas tanaman.
Kesehatan dan produktivitas tanaman dapat dipantau menggunakan teknologi sensor aktif dan pasif (Gambar 1). Sensor pasif, seperti kamera multispektral yang dipasang pada drone, mendeteksi radiasi elektromagnetik (EMR) yang dipantulkan oleh tanaman dari sumber energi alami seperti matahari. Sebaliknya, sensor aktif mengukur pantulan dari sumber cahaya buatan yang dihasilkan oleh sensor itu sendiri (Erdle et al., 2011).
Telah diketahui dengan baik bahwa tanaman menyerap lebih banyak cahaya di wilayah biru dan merah spektrum elektromagnetik dibandingkan dengan wilayah hijau dan inframerah dekat (NIR) (Wang et al., 2020). Stres N, yang disebabkan oleh pasokan N yang tidak memadai, dapat mengubah reflektansi tajuk tanaman secara signifikan. Secara khusus, stres N meningkatkan reflektansi tajuk pada panjang gelombang merah dan biru karena berkurangnya klorofil dan pigmen penyerap cahaya lainnya sekaligus mengurangi reflektansi pada panjang gelombang NIR. Akibatnya, teknik penginderaan berpotensi untuk menilai dampak status N pada biomassa tanaman dengan mendeteksi variasi spektrum merah, tepi merah, dan NIR dari EMR.
Beberapa indeks vegetatif seperti indeks vegetasi perbedaan ternormalisasi (NDVI), indeks tepi merah perbedaan ternormalisasi (NDRE), indeks vegetasi yang disempurnakan, indeks vegetasi perbedaan ternormalisasi hijau, dan indeks vegetasi perbedaan pita tampak telah dikembangkan untuk memperkirakan kandungan N tanaman dan produksi biomassa (Xue & Su, 2017). Indeks-indeks ini dihitung berdasarkan data reflektansi tanaman dalam panjang gelombang merah, biru, hijau, tepi merah, dan NIR (Sharma et al., 2015). NDVI dan NDRE dipilih untuk penelitian ini karena keduanya umum digunakan untuk menilai kesehatan vegetasi dan kandungan klorofil (Sharma et al., 2015). NDVI berguna untuk mengukur kesehatan tanaman secara keseluruhan, sementara NDRE lebih sensitif terhadap kandungan klorofil dan nitrogen, terutama pada vegetasi yang rapat. Indeks-indeks ini bekerja dengan baik dengan pita NIR, merah, dan tepi merah yang tersedia, yang cukup untuk tujuan penelitian ini dalam memperkirakan kandungan nitrogen pada tanaman penutup. NDVI didasarkan pada perbedaan reflektansi antara panjang gelombang NIR dan merah, sementara NDRE memanfaatkan kontras antara panjang gelombang NIR dan tepi merah (Sharma dkk., 2015).
Indeks-indeks ini telah diterapkan pada tanaman pangan seperti Oryza sativa (beras) (Zha et al., 2020), Triticum aestivum (gandum) (Serrano et al., 2000), Sorghum bicolor (sorgum) (J. Li et al., 2018), dan Zea mays (jagung) (Freeman et al., 2007) untuk memperkirakan biomassa dan konsentrasi N. Misalnya, NDVI telah digunakan untuk memprediksi hasil gabah pada gandum pada tahap booting dengan korelasi r2 = 0,90 (Refat Sultana et al., 2014); kandungan klorofil pada Fagopyrum esculentum (gandum hitam) dengan r2 = 0,90 (Kim et al., 2019); serta biomassa (r2 = 0,51) dan kandungan N (r2 = 0,54) pada O. sativa (Rehman et al., 2019). Selain itu, indeks sensor multispektral telah digunakan untuk fenotipe tanaman dalam program pemuliaan tanaman seperti Sesamum indicum (wijen) (Petsoulas et al., 2022), Cucurbita pepo (labu musim panas) (Beloti et al., 2020), Pistacia vera (pistachio) (Martínez-Peña et al., 2023), Glycine max (kedelai) (X. Li et al., 2023), Gossypium spp. (kapas) (Xu et al., 2021), Z. mays (Zaman-Allah et al., 2015), dan Lolium perenne (rumput gandum abadi) (Gebremedhin et al., 2019). Potensi NDVI dan NDRE juga dapat dieksplorasi untuk tanaman baru seperti Cannabis sativa (rami industri). Legalisasi budidaya rami industri di Amerika Serikat telah membuka peluang baru untuk produksi komersial, yang mengarah pada kebutuhan yang semakin meningkat untuk praktik manajemen pertanian yang efektif. Pada tahun 2021, total 21.915 ha lahan didedikasikan untuk budidaya rami di seluruh negeri (Kaur et al., 2023). Meskipun ada pertumbuhan ini, menentukan kebutuhan N yang optimal untuk rami tetap menjadi tantangan yang signifikan (Kaur et al., 2023). Saat ini, ada penelitian terbatas tentang hubungan antara tingkat pupuk N dan NDVI/NDRE pada rami menggunakan sensor drone dan genggam. Percobaan ini bertujuan untuk membangun hubungan antara tingkat N, biomassa rami, dan NDVI/NDRE. Secara khusus, penelitian ini memiliki tiga tujuan utama: (1) untuk mengembangkan pemahaman yang komprehensif tentang hubungan antara perlakuan tingkat N yang berbeda dan indeks vegetatif utama, seperti NDVI dan NDRE; (2) untuk memprediksi biomassa rami (di musim dan saat panen) menggunakan NDVI dan NDRE; dan (3) melakukan analisis perbandingan antara sensor genggam (aktif) dan sensor drone (pasif) untuk menentukan jenis sensor mana yang lebih efektif dalam memperkirakan biomassa rami, tinggi tanaman, dan hasil gabah.
2 BAHAN DAN METODE
Uji coba kadar N rami dilakukan dalam kondisi lapangan pada musim panas tahun 2022 di Plant Science Research and Education Unit di Citra, FL (Gambar 2). Lokasi penelitian terletak pada 29.4023° LU, 82.1709° BB, dengan seri tanah pasir Arredondo (Web Soil Survey, tgl tidak diketahui). Data cuaca diperoleh dari Florida Automated Weather Network. Selama musim tanam, suhu rata-rata, minimum, dan maksimum masing-masing adalah 26,6, 12,4, dan 34,1°C, dengan curah hujan kumulatif 584 mm. Percobaan disusun dalam rancangan blok lengkap acak dengan empat kali ulangan (Gambar 3). Setiap petak berukuran panjang 7,62 m dan lebar 3,66 m, dengan empat baris rami ditanam pada jarak baris 91,44 cm dan tingkat benih 544.500 benih/ha. Awalnya, lahan diolah dan kemudian dibajak hingga kedalaman dangkal untuk mempersiapkannya untuk penanaman di lapangan. Setelah ini, pembudidaya lapangan S-Tyne digunakan untuk meratakan lahan dan membuatnya siap untuk ditanami. Penanaman dilakukan dengan menggunakan penanam Monosem NG plus (Monosem).
3 HASIL
Hubungan NDVI dan NDRE dengan biomassa, hasil gabah, dan tinggi tanaman dianalisis (Tabel 2). Setiap parameter tanaman dibahas secara terpisah di bagian hasil.
3.1 Laju N dan NDVI/NDRE
Analisis regresi menunjukkan bahwa nilai NDVI dan NDRE dari sensor drone dan genggam menunjukkan hubungan linier positif dengan peningkatan laju N pada dua kultivar rami, Yuma (p < 0,0003; Tabel 2) dan IH-Williams (p < 0,0001; Tabel 2). Namun, tidak ditemukan hubungan signifikan antara NDVI sensor genggam dan laju N pada IH-Williams (p = 0,0784; Tabel 2). Koefisien determinasi (R2) untuk kultivar Yuma signifikan dan lebih kuat di bawah model linier yang paling sesuai. Secara khusus, nilai R2 adalah 0,68 dan 0,57 untuk NDVI dan NDRE dari sensor drone dan 0,34 dan 0,62 untuk nilai NDVI dan NDRE dari sensor genggam. Pada IH-Williams, nilai R2 model linear adalah 0,83 dan 0,74 untuk NDVI dan NDRE dari sensor drone. Sebagai perbandingan, nilai R2 ditemukan signifikan hanya dengan NDRE, yaitu 0,54, dari sensor genggam.
3.2 Prediksi biomassa musiman dan hasil biomassa saat panen menggunakan NDVI/NDRE
Analisis menunjukkan bahwa nilai NDVI dan NDRE dari sensor drone dan genggam yang dikumpulkan pada 76 DAP secara efektif memprediksi biomassa musiman dan hasil biomassa saat panen untuk kultivar Yuma (p < 0,05; Tabel 2) dan IH-Williams (p < 0,0005; Tabel 2) menggunakan model eksponensial. Namun, tidak ditemukan hubungan signifikan antara NDVI sensor genggam dan biomassa musiman atau hasil biomassa saat panen untuk IH-Williams (p > 0,05; Tabel 2). Selain itu, tidak ditemukan hubungan signifikan antara NDVI/NDRE dan biomassa musiman atau hasil biomassa saat panen untuk kultivar NWG-2730 (p > 0,05; Tabel 2).
Untuk kultivar Yuma, nilai R2 model eksponensial untuk NDVI menggunakan sensor drone adalah 0,55 untuk biomassa musiman (Gambar 5A) dan 0,67 untuk hasil biomassa akhir (Gambar 6A). Nilai R2 untuk NDRE menggunakan sensor drone adalah 0,37 untuk biomassa musiman (Gambar 5C) dan 0,40 untuk hasil biomassa akhir (Gambar 6C). Sebagai perbandingan, nilai R2 untuk NDVI dari sensor genggam adalah 0,18 untuk biomassa musiman (Gambar 5G) dan 0,36 untuk hasil biomassa akhir (Gambar 6G). Untuk NDRE yang diukur dengan sensor genggam, nilai R2 adalah 0,26 untuk biomassa musiman (Gambar 5E) dan 0,54 untuk hasil biomassa akhir (Gambar 6E).
Untuk kultivar IH-Williams, model eksponensial yang menggunakan NDVI dari sensor pesawat nirawak terbukti menjadi prediktor biomassa musiman yang lebih kuat, dengan nilai R2 sebesar 0,79, dibandingkan dengan NDRE dari sensor pesawat nirawak dengan nilai R2 sebesar 0,68. Sebaliknya, NDVI dari sensor genggam tidak menunjukkan hubungan prediktif yang signifikan (p > 0,05), sementara NDRE-nya memiliki nilai R2 yang lebih rendah yaitu 0,43. Demikian pula, untuk memprediksi hasil akhir biomassa saat panen, NDVI (R2 = 0,66) dan NDRE (R2 = 0,63) dari sensor drone merupakan prediktor yang lebih efektif daripada NDVI dari sensor genggam, yang sekali lagi tidak menunjukkan hubungan yang signifikan (p > 0,05), dan NDRE-nya, yang memiliki nilai R2 yang lebih rendah yaitu 0,35.
3.3 Prediksi hasil gabah dan tinggi tanaman menggunakan NDVI/NDRE
Nilai NDVI dan NDRE dari kedua sensor efektif dalam memprediksi hasil gabah dan tinggi tanaman untuk kultivar Yuma (p < 0,05; Tabel 2) dan IH-Williams (p < 0,05; Tabel 2). Namun, tidak ditemukan hubungan yang signifikan antara NDVI sensor genggam dan hasil gabah atau tinggi tanaman pada IH-Williams (p = 0,1761; Tabel 2). Selain itu, NDVI dan NDRE dari kedua sensor tidak memprediksi hasil gabah dan tinggi tanaman pada kultivar NWG-2730 (p > 0,05; Tabel 2).
Untuk kultivar Yuma, nilai R2 dari model eksponensial menggunakan NDVI dan NDRE dari sensor drone masing-masing adalah 0,43 (Gambar 7A) dan 0,24 (Gambar 7C), untuk memprediksi hasil gabah. Sebaliknya, nilai R2 untuk NDVI dan NDRE dari sensor genggam masing-masing adalah 0,19 (Gambar 7G) dan 0,40 (Gambar 7E). Untuk kultivar IH-Williams, nilai NDVI dan NDRE dari sensor drone menghasilkan nilai R2 masing-masing sebesar 0,38 (Gambar 7B) dan 0,50 (Gambar 7D). NDRE dari sensor genggam juga menghasilkan nilai R2 sebesar 0,38 (Gambar 7F). Mengenai prediksi tinggi tanaman, model linier untuk IH-Williams menemukan bahwa NDVI (R2 = 0,75) (Gambar 8B) dan NDRE (R2 = 0,67) (Gambar 8D) dari sensor drone memberikan prediksi yang lebih akurat daripada NDVI (R2 = 0,21) (Gambar 8G) dan NDRE (R2 = 0,42) (Gambar 8F) dari sensor genggam. Untuk kultivar Yuma, nilai R2 model linier untuk NDVI dan NDRE dari sensor drone masing-masing adalah 0,61 (Gambar 8A) dan 0,40 (Gambar 8C) untuk tinggi tanaman, dibandingkan dengan 0,21 (Gambar 8G) dan 0,39 (Gambar 8E) untuk NDVI dan NDRE dari sensor genggam.
Kirim masukan Panel samping Histori Tersimpan.
4 DISKUSI
Baik sensor genggam maupun drone efektif dalam mengukur reflektansi tanaman di wilayah merah, tepi merah, dan NIR dari spektrum elektromagnetik pada 76 DAP untuk kultivar Yuma, IH-Williams, dan NWG-2730. Pengukuran ini digunakan untuk menghitung NDVI dan NDRE. Sensor tidak efektif dalam memprediksi biomassa, hasil gabah, dan tinggi tanaman untuk NWG-2730. Selain itu, tidak ada hubungan yang signifikan antara kadar N dan nilai NDVI atau NDRE untuk kultivar ini. Kurangnya hubungan ini dapat dikaitkan dengan NWG-2730 yang mencapai tahap perkembangan biji pada saat pengumpulan data, yang mengakibatkan penuaan semua tanaman jantan dan menguningnya daun bagian bawah pada tanaman betina. Kultivar ini juga memiliki hasil biomassa dan tutupan tanah terendah, ditambah dengan tekanan gulma yang lebih tinggi sepanjang musim, meskipun penyiangan manual dilakukan pada saat pengumpulan data (Kaur et al., 2024). Faktor-faktor ini kemungkinan berkontribusi pada hubungan yang lemah antara parameter tanaman dan nilai NDVI/NDRE. Penelitian sebelumnya telah menunjukkan bahwa penuaan dini tanaman jantan dapat mengurangi nilai NDVI (Di Bella et al., 2004). Hal ini menunjukkan bahwa penggunaan sensor selama tahap pertumbuhan awal dapat memberikan prediksi biomassa, tinggi tanaman, dan hasil gabah yang lebih baik. Temuan serupa dilaporkan oleh Prabhakara et al. (2015) dalam sebuah penelitian terhadap enam spesies tanaman yang berbeda (Prabhakara et al., 2015). Hal ini juga menjelaskan mengapa nilai R2 tertinggi untuk prediksi hasil biomassa diamati untuk IH-Williams, yang berada pada tahap pertumbuhan awal dibandingkan dengan kultivar lainnya.
Hubungan positif yang signifikan secara statistik antara kadar N dan NDVI dan NDRE ditemukan melalui analisis regresi untuk Yuma dan IH-Williams. Efek serupa dari aplikasi N pada NDVI dan NDRE telah dilaporkan untuk tanaman seperti jagung, gandum, dan padi, di mana peningkatan aplikasi N meningkatkan kehijauan tanaman dan cakupan tanah (Burns et al., 2022; Tubaña et al., 2012; Vian et al., 2018). Namun, belum ada penelitian semacam itu yang dilakukan pada rami biji-bijian dan serat. Sebuah penelitian pada rami bunga melaporkan korelasi positif yang kuat antara kandungan klorofil dan pembacaan meter SPAD (soil plant analysis development) (Anderson et al., 2021). Peningkatan kadar N umumnya meningkatkan kandungan klorofil a dan b pada tanaman, yang menghasilkan biomassa yang lebih tinggi dan penurunan reflektansi pada panjang gelombang merah dan tepi merah serta nilai NDVI dan NDRE yang lebih tinggi (Chang-Hua et al., 2010; Gitelson et al., 2003; Muhammad et al., 2022). Hubungan terkuat ditemukan antara NDVI sensor drone dan tingkat pemupukan N di IH-Williams (regresi linier, r2 = 0,83). Hal ini dapat terjadi karena IH-Williams berada dalam tahap pertumbuhan vegetatif yang lebih awal untuk tanaman betina (43% pembungaan) dibandingkan dengan Yuma (70% pembungaan betina). Karena kedekatannya dengan tanaman, saturasi nilai NDVI dari sensor genggam mungkin telah mengurangi sensitivitas terhadap perubahan tingkat N dibandingkan dengan sensor drone, yang mencakup area yang lebih luas dan lebih banyak titik data. Saturasi NDVI adalah fenomena ketika nilai NDVI mendekati batas atasnya (biasanya mendekati 0,9 atau lebih tinggi) pada vegetasi yang lebat, di mana nilai NDVI tidak lagi secara efektif membedakan antara variasi biomassa tanaman (Gutman et al., 2021).
Baik sensor drone maupun sensor genggam efektif dalam memprediksi biomassa dalam musim, hasil biomassa saat panen, hasil gabah, dan tinggi tanaman, meskipun dengan akurasi yang bervariasi. Khususnya, NDVI yang diperoleh dari sensor drone merupakan prediktor paling akurat untuk hasil biomassa pada 76 DAP dan saat panen di IH-Williams. Hal ini menunjukkan bahwa nilai pita merah dari sensor drone tidak jenuh pada 76 DAP, menjadikan indeks pita merah sebagai prediktor yang lebih efektif daripada indeks panjang gelombang tepi merah (NDRE). Nilai pita merah dari sensor genggam mungkin telah jenuh, menjadikan NDVI kurang responsif terhadap perubahan biomassa di IH-Williams. Hubungan eksponensial diamati antara biomassa dan nilai NDVI/NDRE, karena tingkat biomassa yang lebih tinggi menyebabkan saturasi indeks ini. Spesies lain telah mencatat hubungan eksponensial serupa antara NDVI dan biomassa (White et al., 2019).
NDRE merupakan prediktor biomassa, hasil gabah, dan tinggi tanaman yang lebih baik untuk sensor genggam daripada NDVI. Nilai r2 yang lebih rendah untuk NDVI dibandingkan dengan NDRE pada sensor genggam dapat disebabkan oleh saturasi pita merah yang disebabkan oleh peningkatan biomassa dan tajuk yang rapat pada tingkat N yang lebih tinggi (Erdle et al., 2011). Sebaliknya, EMR tepi merah, dengan panjang gelombang yang lebih panjang dan penyerapan yang lebih sedikit oleh klorofil, dapat menembus jauh ke dalam tajuk tanaman yang rapat, sehingga membuatnya lebih sensitif terhadap perubahan biomassa pada tahap tanaman selanjutnya (Rehman et al., 2019). Selain itu, kedekatan sensor genggam dengan tanaman dan bidang pandangnya yang terbatas mungkin telah menyebabkan perkiraan yang lebih rendah terhadap reflektansi, yang ditangkap oleh sensor drone secara lebih efektif. Temuan serupa telah dilaporkan dalam fenotipe gandum, di mana sensor drone menunjukkan korelasi yang lebih tinggi dengan hasil gabah dan biomassa dibandingkan dengan sensor genggam.
5 KESIMPULAN
Sebagai kesimpulan, penelitian kami menunjukkan nilai signifikan data reflektansi tanaman sebagai indikator pertumbuhan dan perkembangan tanaman. Baik sensor genggam (aktif) maupun sensor drone (pasif) merupakan alat penting untuk menangkap data ini. Kami mengamati pola yang jelas di mana peningkatan tingkat aplikasi N menghasilkan nilai NDVI dan NDRE yang lebih tinggi pada kultivar yang belum mencapai penuaan. Khususnya, NDVI yang berasal dari sensor drone menunjukkan hubungan terkuat dengan tingkat N dibandingkan dengan sensor genggam, menjadikannya prediktor yang lebih unggul untuk hasil biomassa dalam musim, hasil biomassa akhir, dan tinggi tanaman. Namun, efektivitas NDVI dan NDRE dalam memprediksi biomassa, hasil gabah, dan tinggi tanaman bervariasi menurut kultivar dan menurun saat tanaman jantan mendekati penuaan. Penginderaan awal musim terbukti lebih akurat karena berkurangnya dampak daun yang menua. Penelitian ini menyoroti potensi aplikasi teknologi sensor dalam budidaya rami, termasuk peramalan hasil, manajemen N variabel, dan fenotipe berthroughput tinggi. Penelitian di masa mendatang harus terus dilakukan untuk mengeksplorasi manfaat sensor dalam budidaya rami, yang bertujuan untuk meningkatkan praktik pertanian presisi dan pengelolaan sumber daya pada tanaman yang sedang berkembang ini.
Leave a Reply