Rolnictwo precyzyjne stało się jednym z najważniejszych kierunków rozwoju nowoczesnej produkcji rolnej, łącząc technologie satelitarne, czujniki, systemy informacji przestrzennej oraz zaawansowaną analitykę danych. Pozwala to rolnikom podejmować decyzje oparte na faktach, ograniczać zużycie środków produkcji i maksymalizować plon przy jednoczesnej ochronie gleby oraz środowiska. Kluczową rolę odgrywają tu satelitarne zdjęcia pól – zarówno z darmowych, jak i płatnych źródeł – wykorzystywane do monitoringu wegetacji, wykrywania stresów roślin i optymalizacji nawożenia oraz zabiegów agrotechnicznych.
Podstawy rolnictwa precyzyjnego i znaczenie danych satelitarnych
Rolnictwo precyzyjne (precision farming) opiera się na założeniu, że każde pole jest niejednorodne, a warunki glebowe, wilgotnościowe i pokrycia roślin zmieniają się nawet na bardzo małych odcinkach. Zamiast traktować pole jako jednolitą powierzchnię, rolnik zarządza nim z podziałem na strefy, dopasowując dawki nawozów, środków ochrony i nasion do lokalnych potrzeb. Ogromne znaczenie mają tutaj dane przestrzenne, których źródłem są m.in. satelitarne zdjęcia pól o różnej rozdzielczości i częstotliwości odświeżania.
Kluczowe elementy rolnictwa precyzyjnego to:
- dokładna lokalizacja GPS maszyn i zabiegów polowych,
- mapy plonu z kombajnów wyposażonych w czujniki,
- pomiary glebowe (pH, zasobność składników pokarmowych, struktura),
- czujniki gleby i roślin (wilgotność, zasolenie, temperatura),
- obrazowanie satelitarne i lotnicze (drony) w różnych zakresach spektralnych.
To właśnie obrazy satelitarne stanowią najłatwiej dostępne, systematyczne i powtarzalne źródło informacji o stanie roślin. Pozwalają monitorować pola w dużej skali, a jednocześnie z wystarczającą szczegółowością, by podejmować decyzje o zmiennym dawkowaniu i identyfikować miejsca problemowe. W praktyce oznacza to lepsze wykorzystanie azotu, fosforu i potasu, niższe koszty paliwa, ograniczenie strat plonu i szybszą reakcję na suszę, przymrozki czy choroby grzybowe.
W rolnictwie precyzyjnym wykorzystuje się zarówno bezpłatne, jak i komercyjne dane satelitarne. Różnią się one przede wszystkim:
- rozdzielczością przestrzenną (wielkość piksela w metrach),
- częstotliwością odświeżania (co ile dni pojawia się nowe zdjęcie),
- liczbą i zakresem pasm spektralnych (RGB, bliska podczerwień, SWIR),
- dostępnością historyczną (archiwa kilkunastoletnie),
- kosztem oraz sposobem licencjonowania.
Dobór konkretnego źródła danych zależy od wielkości gospodarstwa, rodzaju upraw, budżetu i poziomu zaawansowania technologicznego. Inne potrzeby ma rolnik prowadzący gospodarstwo 50-hektarowe, a inne duże przedsiębiorstwo rolne zarządzające tysiącami hektarów oraz planujące integrację danych z własnymi systemami ERP czy platformami do zarządzania produkcją.
Darmowe satelitarne zdjęcia pól – najważniejsze źródła i ich możliwości
Darmowe dane satelitarne są fundamentem wielu rozwiązań z zakresu rolnictwa precyzyjnego, zwłaszcza w małych i średnich gospodarstwach. Pomimo że nie zawsze oferują najwyższą rozdzielczość, ich regularna dostępność i duże archiwa historyczne pozwalają budować wiarygodne analizy trendów oraz mapy zmienności plonu i wegetacji. W praktyce najczęściej wykorzystuje się dane z programów europejskich i amerykańskich misji obserwacji Ziemi.
Sentinel-2 – europejski standard dla rolnictwa
Program Copernicus, realizowany przez Europejską Agencję Kosmiczną (ESA), udostępnia bezpłatnie dane z satelitów Sentinel. Dla rolnictwa najważniejsza jest misja Sentinel-2, która dostarcza obrazy w 13 pasmach spektralnych z rozdzielczością 10, 20 i 60 m na piksel. Częstotliwość odświeżania wynosi zwykle od 3 do 5 dni, co przy dobrej pogodzie pozwala śledzić zmiany w rozwoju roślin praktycznie przez cały sezon wegetacyjny.
Najważniejsze cechy Sentinel-2 z perspektywy rolnika:
- bezpłatny dostęp do danych z całej Europy i większości świata,
- archiwum sięgające 2015 roku, przydatne do analiz historycznych,
- możliwość obliczania indeksów wegetacji, takich jak NDVI czy EVI,
- wystarczająca rozdzielczość 10 m do monitoringu średnich i dużych pól,
- liczne platformy i aplikacje rolnicze wykorzystujące te dane „w tle”.
Dzięki pasmom w bliskiej podczerwieni Sentinel-2 umożliwia ocenę kondycji łanu, gęstości okrywy roślinnej, zawartości chlorofilu oraz wczesne wykrywanie stresu wodnego. Wiele popularnych platform rolnictwa precyzyjnego (polskich i zagranicznych) udostępnia rolnikom mapy NDVI oparte właśnie o dane Sentinel-2, często w prostym i intuicyjnym interfejsie, bez konieczności bezpośredniej pracy z surowymi obrazami.
Landsat – długie archiwa i globalny zasięg
Amerykański program Landsat, realizowany przez NASA i USGS, to jedno z najdłużej trwających przedsięwzięć satelitarnego monitoringu Ziemi. Archiwa sięgają lat 80. XX wieku, dzięki czemu możliwe jest analizowanie zmian użytkowania gruntów i długoterminowych trendów plonowania czy degradacji gleb. Aktualne misje (Landsat 8 i 9) oferują rozdzielczość 30 m i częstotliwość odświeżania ok. 8–16 dni, w zależności od lokalizacji.
Z punktu widzenia rolnictwa precyzyjnego Landsat ma mniejsze znaczenie operacyjne niż Sentinel-2, ale jest niezwykle cennym źródłem danych historycznych. Szczególnie przydaje się, gdy chcemy:
- określić długofalową zmienność plonów na poszczególnych częściach pola,
- zidentyfikować obszary chronicznie słabsze lub narażone na erozję,
- analizować skutki zmian technologii uprawy (np. wprowadzenie upraw bezorkowych),
- przygotować mapy gleboznawcze uzupełnione o dane historyczne wegetacji.
Landsat, podobnie jak Sentinel-2, pozwala obliczać liczne wskaźniki wegetacji, wodne i glebowe. Dane są w pełni darmowe i szeroko dostępne przez portale USGS oraz zintegrowane platformy geoprzestrzenne, takie jak Google Earth Engine, chętnie wykorzystywane przez analityków i doradców rolniczych.
Inne darmowe źródła i portale dostępu
Oprócz Sentinel-2 i Landsat istnieje szereg dodatkowych, darmowych danych satelitarnych oraz usług, które wspierają rolnictwo precyzyjne:
- Sentinel-1 – radarowe dane SAR, użyteczne m.in. do monitoringu wilgotności gleby i struktury roślin, szczególnie przy zachmurzeniu,
- MODIS i VIIRS – dane o niższej rozdzielczości przestrzennej, ale bardzo dużej częstotliwości, pomocne w analizach na poziomie regionów,
- portale krajowe i regionalne, finansowane ze środków publicznych, udostępniające przetworzone mapy wskaźników wegetacji dla rolników,
- platformy badawcze i edukacyjne z gotowymi kompozycjami obrazów dla rolnictwa.
Wiele z tych usług integruje dane z różnych satelitów, a następnie oferuje użytkownikowi końcowemu jedynie gotowe mapy, wykresy i rekomendacje. Dzięki temu rolnicy nie muszą znać szczegółów technicznych z zakresu teledetekcji – wystarczy, że potrafią odczytać mapę stref zmiennego nawożenia czy obszarów o słabszej kondycji łanu.
Płatne satelitarne zdjęcia pól – kiedy warto zainwestować i co oferują
Komercyjne dane satelitarne zyskują na znaczeniu wraz z rozwojem rolnictwa precyzyjnego na poziomie gospodarstw nastawionych na maksymalizację efektywności oraz kontroli nad każdym hektarem. Prywatne konstelacje satelitów optycznych i radarowych oferują dużo wyższą rozdzielczość przestrzenną (nawet poniżej 0,5 m) oraz bardzo częste obrazowanie, a także zaawansowane produkty analityczne przygotowane pod konkretne zastosowania w rolnictwie.
Wysokorozdzielcze konstelacje optyczne
Firmy komercyjne, takie jak Planet, Maxar czy Airbus, dysponują konstelacjami małych satelitów obserwacyjnych, które regularnie fotografują całą Ziemię z rozdzielczością od kilku do kilkudziesięciu centymetrów. Dzięki temu rolnicy i doradcy zyskują możliwość obserwowania szczegółów struktury łanu, ścieżek przejazdowych, pasów technologicznych, a nawet zmian na poziomie wąskich klinów czy zakamarków pól trudnych w uprawie.
Najważniejsze atuty komercyjnych danych wysokorozdzielczych:
- bardzo dokładne odwzorowanie granic pól oraz ich wewnętrznej zmienności,
- częste odświeżanie – nawet codzienne obrazy w sezonie wegetacyjnym,
- lepsza diagnostyka lokalnych problemów, np. podtopień, szkód łowieckich, kolein,
- możliwość korelacji z przejazdami maszyn i ścieżkami dojazdowymi,
- pełna integracja z systemami zarządzania gospodarstwem i maszynami precyzyjnymi.
Tego typu zdjęcia są szczególnie wartościowe w gospodarstwach uprawiających rośliny o wysokiej wartości rynkowej (warzywa, owoce, nasiennictwo), gdzie precyzyjna kontrola stanu roślin i szybka reakcja na problemy mają bezpośredni wpływ na opłacalność produkcji. Pozwalają również na lepsze zarządzanie zabiegami ochrony roślin, na przykład różnicowanie dawek fungicydów w zależności od lokalnego ryzyka chorób.
Satellity radarowe i dane SAR w usługach komercyjnych
Obok satelitów optycznych rośnie znaczenie komercyjnych misji radarowych, wykorzystujących technologię SAR (Synthetic Aperture Radar). Radar „widzi” przez chmury i jest niezależny od oświetlenia słonecznego, dzięki czemu zapewnia obrazy także przy silnym zachmurzeniu i nocą. Jest to szczególnie ważne w regionach o częstych opadach i zmiennej pogodzie, gdzie dane optyczne bywają często zasłonięte chmurami przez wiele dni z rzędu.
Dla rolnictwa istotne są zwłaszcza produkty oparte na analizie rozpraszania fal radarowych na powierzchni gleby i łanu. Umożliwiają one:
- monitoring wilgotności gleby z podziałem na strefy,
- ocenę struktury łanu i biomasy niezależnie od światła,
- wczesne wykrywanie podtopień oraz zastoisk wody,
- kontrolę prac ziemnych i orki (zmiany struktury powierzchni).
Część firm komercyjnych oferuje zintegrowane pakiety danych optycznych i radarowych, dostarczając rolnikom gotowe mapy rekomendacji nawozowych czy nawadniania. Dane SAR są jednak trudniejsze w interpretacji niż obrazy RGB, dlatego zazwyczaj trafiają do użytkownika końcowego w formie przetworzonej, z wykorzystaniem wskaźników i modeli stworzonych specjalnie dla upraw polowych, sadowniczych czy łąk.
Modele subskrypcyjne i integracja z platformami rolniczymi
Dane komercyjne są zazwyczaj sprzedawane w modelu subskrypcyjnym – rolnik płaci roczny abonament uzależniony od powierzchni pól lub liczby obrazów w sezonie. W zamian otrzymuje:
- dostęp do archiwum wysokorozdzielczych zdjęć swoich pól,
- automatyczne powiadomienia o zmianach w kondycji roślin,
- mapy zmiennego nawożenia oraz siewu na podstawie wskaźników wegetacji,
- eksport map aplikacyjnych do terminali w ciągnikach i opryskiwaczach,
- wsparcie techniczne i doradztwo w interpretacji danych.
Coraz częściej platformy rolnicze działają jako pośrednik, łącząc w jednym interfejsie dane darmowe (np. Sentinel-2) i płatne (wysokorozdzielcze) oraz integrując je z danymi z maszyn, sensorów glebowych czy stacji pogodowych. Rolnik widzi więc nie tylko mapę NDVI, ale również przejazdy opryskiwacza, dawki nawozów zastosowane w poszczególnych strefach, prognozę pogody i zalecenia agrotechniczne pod konkretne pola.
Porównanie darmowych i płatnych źródeł danych w praktyce gospodarstwa
Wybór między darmowymi a komercyjnymi satelitarnymi zdjęciami pól nie jest zero-jedynkowy. Wiele gospodarstw wykorzystuje oba typy danych jednocześnie, dopasowując poziom szczegółowości i częstotliwość monitoringu do rodzaju upraw, wielkości gospodarstwa i dostępnego budżetu. Kluczem jest zrozumienie, jakie decyzje chcemy wesprzeć danymi oraz jaką dokładność i szybkość reakcji uznajemy za niezbędną.
Rozdzielczość, częstotliwość i jakość danych
Darmowe dane, takie jak Sentinel-2, oferują rozdzielczość 10 m, co oznacza, że każdy piksel odpowiada powierzchni 100 m². Dla większości upraw polowych jest to wystarczające do identyfikacji większych stref wewnątrz pola, ale nie pozwala na bardzo szczegółową analizę wąskich pasów technologicznych czy drobnych ubytków w łanie. W płatnych danych rozdzielczość może wynosić 3 m, 1 m, a nawet mniej, co umożliwia rozpoznanie znacznie mniejszych obszarów oraz lepszą korelację z mapami plonu z kombajnów.
Częstotliwość odświeżania to kolejny kluczowy parametr. Przy darmowych danych optycznych rolnik może liczyć na nowe obrazy co kilka dni, ale istotnym ograniczeniem jest zachmurzenie. Jeżeli przez dwa tygodnie utrzymuje się pochmurna pogoda, luka w danych może być znaczna. Komercyjne konstelacje, dzięki większej liczbie satelitów i możliwości planowania zleceń, często dostarczają obrazy praktycznie codziennie, zwiększając szanse na pozyskanie czystych zdjęć między epizodami chmur.
Jakość danych to nie tylko ostrość obrazu, ale również jakość kalibracji radiometrycznej, geolokalizacji i korekcji atmosferycznej. Wysokiej jakości przetworzone dane są niezbędne do wiarygodnego obliczania wskaźników wegetacji i porównywania ich w czasie. Firmy komercyjne często inwestują duże środki w precyzyjne modele korekcji, co przekłada się na lepszą stabilność wskaźników i mniejszy wpływ czynników zakłócających, takich jak mgła czy aerozole atmosferyczne.
Wykorzystanie danych w planowaniu zmiennego nawożenia i siewu
Jednym z najbardziej praktycznych zastosowań satelitarnych zdjęć pól jest tworzenie map do zmiennego dawkowaniu nawozów mineralnych i nasion. Na podstawie wieloletnich danych z darmowych misji (Sentinel-2, Landsat) można zidentyfikować stabilne strefy o wyższym i niższym potencjale plonowania, a następnie dopasować do nich dawki NPK oraz gęstość siewu.
W tym zastosowaniu darmowe dane często w zupełności wystarczają, ponieważ analizujemy raczej ogólne strefy produktywności niż bardzo małe fragmenty pola. Jednak w uprawach wymagających bardzo precyzyjnej regulacji gęstości siewu i nawożenia – zwłaszcza w warzywnictwie i sadownictwie – wyższa rozdzielczość danych komercyjnych pozwala stworzyć bardziej szczegółowe mapy aplikacyjne i lepiej odpowiedzieć na lokalne zróżnicowanie gleby oraz mikroklimatów.
W praktyce wiele gospodarstw stosuje podejście hybrydowe:
- do identyfikacji długoletnich stref produktywności wykorzystuje darmowe archiwa,
- w sezonie wegetacyjnym, przy kluczowych decyzjach (np. druga i trzecia dawka azotu), sięga po płatne zdjęcia wysokorozdzielcze,
- łączy dane satelitarne z mapami plonu, analizą glebową i wiedzą własną rolnika.
Monitorowanie stresów roślin i planowanie zabiegów ochrony
Zdjęcia satelitarne pozwalają znacznie szybciej niż tradycyjny objazd pól wychwycić obszary dotknięte stresem wodnym, uszkodzeniami mrozowymi, presją chwastów czy chorób grzybowych. Wskaźniki wegetacji, takie jak NDVI, RENDVI, NDRE czy wskaźniki wodne opierające się na porównaniu pasm podczerwieni, reagują na zmiany kondycji roślin zanim staną się one widoczne gołym okiem.
Darmowe źródła danych dobrze sprawdzają się jako system wczesnego ostrzegania, sygnalizujący, że „coś się dzieje” w określonej części pola. Rolnik może wtedy zdecydować się na lustrację w terenie, aby zdiagnozować przyczynę problemu. Natomiast w sytuacjach wymagających bardzo szybkiej i precyzyjnej reakcji – na przykład przy gwałtownym rozprzestrzenianiu się choroby w roślinach wysokowartościowych – częstsze i bardziej szczegółowe dane płatne pozwalają lepiej zaplanować zabiegi ochronne oraz określić, gdzie warto zwiększyć dawkę środka, a gdzie można ją ograniczyć.
Praktyczne wdrożenie rolnictwa precyzyjnego opartego na zdjęciach satelitarnych
Wprowadzenie satelitarnych zdjęć pól do codziennej praktyki gospodarstwa wymaga kilku kroków: od wyboru platformy i źródeł danych, przez integrację z maszynami, po wypracowanie procedur podejmowania decyzji. Niezależnie od tego, czy rolnik korzysta głównie z darmowych, czy płatnych danych, kluczowe jest, aby informacje z satelitów przekładały się na konkretne działania w polu, a nie kończyły na etapie „oglądania kolorowych map”.
Wybór platformy i integracja pól
Pierwszym etapem jest wybór platformy lub aplikacji, która umożliwi dostęp do zdjęć satelitarnych oraz ich interpretację. Może to być:
- komercyjna platforma rolnictwa precyzyjnego zintegrowana z maszynami,
- narzędzie oferowane przez doradcę agronomicznego lub firmę nawozową,
- samodzielnie skonfigurowana platforma geoprzestrzenna,
- prosta aplikacja webowa wykorzystująca jedynie dane darmowe i podstawowe wskaźniki.
Następnie konieczne jest zaimportowanie granic pól (np. z ewidencji działek, systemów ARiMR lub zarejestrowanie ich za pomocą odbiornika GPS). Dokładne odzwierciedlenie granic ma duże znaczenie dla poprawności analiz – błędnie zdefiniowane pole będzie generować nieprecyzyjne mapy wewnętrznej zmienności oraz błędne średnie wskaźniki dla uprawy.
Analiza historyczna i wyznaczanie stref zarządzania
Po wprowadzeniu pól warto rozpocząć od analizy danych historycznych. Platformy oparte na darmowych źródłach, takich jak Sentinel-2 i Landsat, umożliwiają wgląd w kilka–kilkanaście sezonów wegetacyjnych. Analiza zmian NDVI w czasie pozwala zidentyfikować obszary, które systematycznie osiągają wyższe lub niższe wartości wegetacji, niezależnie od roku i warunków pogodowych.
Na tej podstawie można wyznaczyć tzw. strefy zarządzania, czyli obszary pola o podobnym potencjale plonowania i warunkach glebowych. Dla każdej strefy można zaplanować odrębne:
- dawki nawozów mineralnych,
- gęstość i termin siewu,
- intensywność ochrony roślin,
- system uprawy gleby (np. głębsza uprawa w strefach zagęszczonych).
Strefy zarządzania mogą być aktualizowane w kolejnych latach na podstawie nowych danych satelitarnych oraz map plonu z kombajnów. Dzięki temu rolnictwo precyzyjne staje się procesem ciągłego doskonalenia, a nie jednorazowym projektem. Kluczowe jest także wykorzystanie wiedzy praktycznej rolnika – obserwacji z wielu sezonów, znajomości historii pól, miejsc podatnych na zastoiska wodne, występowanie kamieni czy problemów z erozją.
Tworzenie map aplikacyjnych i współpraca z maszynami
Kolejnym krokiem jest przełożenie informacji z map satelitarnych na konkretne decyzje agrotechniczne. W przypadku zmiennego nawożenia azotem proces może wyglądać następująco:
- wybór odpowiedniej daty obrazu satelitarnego, najlepiej z pełnym pokryciem uprawy i minimalnym zachmurzeniem,
- obliczenie wskaźnika wegetacji (np. NDVI lub NDRE) oraz stworzenie mapy klas (stref o niższej, średniej i wyższej kondycji łanu),
- zdefiniowanie dla każdej strefy docelowej dawki azotu, uwzględniając dotychczasowe nawożenie, zawartość Nmin w glebie i prognozę plonu,
- eksport mapy aplikacyjnej w formacie obsługiwanym przez terminal rozsiewacza lub opryskiwacza.
Nowoczesne maszyny, wyposażone w kontrolery sekcji, systemy ISOBUS i dokładny autopilot GPS, są w stanie automatycznie zmieniać dawkę nawozu w zależności od aktualnej pozycji na polu i klasy przypisanej w mapie. Rolnik nadzoruje jedynie poprawność działania systemu z kabiny, zamiast ręcznie regulować ustawienia przy każdym nawrocie czy zmianie fragmentu pola.
Analogiczny proces można stosować przy zmiennym siewie (VRA – Variable Rate Application), regulacji obsady roślin czy różnicowaniu dawek środków ochrony. Kluczowym elementem jest tu zaufanie do jakości danych satelitarnych i ich prawidłowe skalibrowanie z realnymi obserwacjami w terenie, np. poprzez regularne lustracje i dokumentowanie zdjęciami z poziomu gruntu.
Rola doradztwa i przyszłość rolnictwa precyzyjnego opartego na obserwacji Ziemi
Choć technologia satelitarna staje się coraz bardziej dostępna, prawdziwe wyzwanie polega na właściwej interpretacji danych i ich przełożeniu na ekonomicznie uzasadnione decyzje. Dlatego kluczową rolę w rozwoju rolnictwa precyzyjnego odgrywają doradcy agronomiczni, firmy technologiczne oraz instytucje naukowe, które tworzą modele łączące dane satelitarne, pomiary glebowe, informacje pogodowe i ekonomiczne.
Wsparcie doradców i szkolenia dla rolników
Rolnicy coraz częściej korzystają z kompleksowych usług doradztwa, w ramach których:
- tworzone są wieloletnie mapy zmienności pól na bazie danych satelitarnych,
- wyznaczane strefy zarządzania i optymalne strategie nawożenia,
- wdrażane są standardy zbierania danych z maszyn i czujników,
- organizowane są szkolenia z obsługi platform i interpretacji map.
Szkolenia obejmują nie tylko obsługę konkretnych narzędzi, ale przede wszystkim zrozumienie podstaw teledetekcji, zasad działania wskaźników wegetacji oraz ograniczeń danych satelitarnych. To pozwala rolnikom uniknąć nadinterpretacji map (np. uznawania pojedynczego obrazu za pełny obraz sytuacji) oraz lepiej łączyć dane z własnymi obserwacjami polowymi.
Automatyzacja analiz i rosnąca rola sztucznej inteligencji
Wraz ze wzrostem ilości danych – zarówno satelitarnych, jak i glebowych, pogodowych czy maszynowych – rośnie znaczenie zaawansowanych algorytmów analitycznych, uczenia maszynowego i modeli predykcyjnych. Systemy te potrafią na bieżąco analizować setki obserwacji z wielu sezonów, tworząc dynamiczne mapy ryzyka, prognozy plonu i rekomendacje działań dla rolnika.
Algorytmy sztucznej inteligencji wykorzystują dane z darmowych i płatnych satelitów do:
- automatycznego wykrywania anomalii i stresów w łanie,
- szacowania biomasy i zawartości azotu w roślinach,
- tworzenia precyzyjnych map ewapotranspiracji i zapotrzebowania na wodę,
- modelowania optymalnych terminów i dawek nawozów oraz zabiegów ochronnych.
Dzięki temu rolnik nie musi samodzielnie analizować każdej mapy NDVI – otrzymuje gotowe komunikaty i zalecenia, często w formie prostych powiadomień w aplikacji mobilnej. Systemy te stają się jednym z kluczowych elementów nowoczesnego rolnictwa precyzyjnego, łącząc moc obliczeniową z bogactwem informacji dostarczanych przez satelity obserwujące pola niemal nieprzerwanie.
Rozwój technologii satelitarnych, rosnąca dostępność darmowych danych oraz szybka ewolucja komercyjnych usług obrazowania o wysokiej rozdzielczości sprawiają, że rolnictwo precyzyjne będzie coraz silniej opierało się na obserwacji Ziemi z kosmosu. Umiejętne łączenie darmowych i płatnych źródeł danych, wsparte doradztwem i narzędziami analitycznymi, pozwala gospodarstwom wszystkich rozmiarów optymalizować produkcję, redukować koszty i jednocześnie chronić zasoby naturalne, w szczególności glebę i wodę.
