Precyzyjne zarządzanie wodą staje się kluczowym elementem sukcesu ekonomicznego i środowiskowego w nowoczesnym rolnictwie. Coraz częstsze okresy suszy, nieregularne opady i rosnące koszty energii wymuszają na gospodarstwach szukanie metod, które pozwolą dokładnie określić, kiedy rośliny zaczynają odczuwać stres wodny i jak szybko należy zareagować. Wczesne wykrywanie deficytu wody nie tylko chroni plon i jakość produkcji, ale też ogranicza zużycie zasobów, erozję gleby i ryzyko strat ekonomicznych. Rolnictwo precyzyjne, wykorzystujące dane satelitarne, sensory glebowe, stacje pogodowe oraz sztuczną inteligencję, staje się praktycznym narzędziem, które pozwala obserwować reakcje roślin niemal w czasie rzeczywistym i podejmować decyzje na poziomie pojedynczego pola, strefy, a nawet rzędu roślin.
Istota stresu wodnego i jego znaczenie w rolnictwie precyzyjnym
Stres wodny roślin to stan, w którym roślina nie ma dostępu do wystarczającej ilości wody, aby zaspokoić swoje potrzeby fizjologiczne. Może on wynikać zarówno z długotrwałego niedoboru opadów, jak i z nieefektywnego nawadniania, zbyt małej pojemności wodnej gleby, zaskorupienia, a nawet zbyt wysokiej zasolenia podłoża. Im wcześniej rolnik zidentyfikuje pierwsze symptomy stresu, tym większa szansa na ograniczenie strat plonu, zachowanie jakości i optymalizację zużycia wody.
W klasycznym podejściu rolnik rozpoznawał stres wodny głównie wizualnie: więdnięcie liści, zmiana barwy, zahamowanie wzrostu, drobniejsze ziarno czy owoce. Jednak moment, w którym objawy stają się widoczne, oznacza z reguły, że roślina już przez pewien czas funkcjonowała poniżej swojego potencjału plonotwórczego. Rolnictwo precyzyjne umożliwia wejście poziom głębiej: zamiast czekać na widoczne symptomy, korzysta z danych liczbowych i wskaźników, które pozwalają wykryć stres na bardzo wczesnym etapie, często jeszcze przed pojawieniem się jakichkolwiek zmian wizualnych.
W tym kontekście szczególnie ważne są cztery filary: monitorowanie gleby, monitorowanie roślin, monitorowanie atmosfery oraz integracja danych w cyfrowych platformach doradczych. Precyzyjne zarządzanie wodą opiera się na ciągłym pomiarze, analizie i szybkim podejmowaniu decyzji. Wczesne wykrywanie stresu wodnego staje się więc kluczowym zadaniem dla nowoczesnych gospodarstw rolnych, a technologie rolnictwa precyzyjnego – praktycznym narzędziem do osiągnięcia tego celu.
Czujniki glebowe, stacje pogodowe i monitoring polowy jako fundament wczesnego wykrywania stresu wodnego
Pomiar wilgotności gleby i potencjału wodnego
Najprostszą, a jednocześnie jedną z najskuteczniejszych metod wczesnego wykrywania stresu wodnego jest ciągły pomiar wilgotności gleby. Nowoczesne sondy pojemnościowe, tensjometry i czujniki TDR czy FDR pozwalają na precyzyjną ocenę ilości wody dostępnej dla systemu korzeniowego na różnych głębokościach profilu glebowego. Umieszczenie czujników na głębokościach np. 10, 30 i 60 cm umożliwia śledzenie zarówno strefy kiełkowania, jak i właściwej strefy korzeniowej.
Interpretacja danych z czujników wymaga znajomości charakterystyki konkretnej gleby. Piaski, gliny i gleby organiczne różnią się pojemnością wodną, szybkością infiltracji i zdolnością do utrzymywania wilgoci. Systemy rolnictwa precyzyjnego integrują te informacje, tworząc indywidualne krzywe uwilgotnienia gleby dla konkretnego pola. Dzięki temu rolnik otrzymuje wyraźne wartości progowe, przy których powinien uruchomić nawadnianie lub zmienić jego intensywność, zanim roślina wejdzie w krytyczny poziom stresu.
Pomiar potencjału wodnego gleby, czyli siły, z jaką woda jest wiązana w porach glebowych, daje jeszcze dokładniejszy obraz dostępności wody dla roślin. Przy określonym potencjale woda staje się dla korzeni praktycznie niedostępna, nawet jeśli wilgotność objętościowa wydaje się jeszcze stosunkowo wysoka. Wczesne ostrzeżenie, oparte na takich pomiarach, stanowi jedno z najważniejszych narzędzi uprzedzających wystąpienie widocznych objawów stresu wodnego.
Stacje pogodowe, bilans wodny i ewapotranspiracja
Drugim kluczowym elementem systemu wczesnego wykrywania stresu wodnego są lokalne stacje meteorologiczne. Dostarczają one danych o opadach, temperaturze, wilgotności powietrza, prędkości wiatru, usłonecznieniu i promieniowaniu słonecznym. Na tej podstawie można obliczyć ewapotranspirację (ET), czyli łączną ilość wody wyparowującej z powierzchni gleby i transpirowanej przez rośliny.
Precyzyjne rolnictwo wykorzystuje modele ET referencyjnej oraz współczynniki roślinne dla danego gatunku i fazy rozwojowej, aby wyznaczyć realne zapotrzebowanie na wodę. Połączenie informacji o aktualnej wilgotności gleby i prognozowanej ET pozwala wyznaczyć dokładny moment, w którym rośliny zaczną doświadczać deficytu wody. Dzięki temu nawadnianie może być planowane wyprzedzająco, co minimalizuje ryzyko wejścia w nieodwracalną fazę stresu.
Stacje pogodowe, zintegrowane z systemami nawadniającymi, mogą automatycznie dostosowywać dawki i częstotliwość podlewania, biorąc pod uwagę prognozy pogody, spodziewane opady oraz ryzyko parowania. W praktyce oznacza to nie tylko oszczędność wody, ale również optymalizację kosztów energii i pracy.
Mapowanie pola, strefy zarządzania i zmienne dawki wody
Rzeczywiste pola są zróżnicowane: zmienia się typ gleby, ukształtowanie terenu, głębokość poziomu wodonośnego czy zdolność retencji. Rolnictwo precyzyjne wykorzystuje mapowanie gleby, pomiary przewodnictwa elektrycznego, analizę wysokościową (np. z danych LiDAR) oraz mapy plonów z kombajnów, aby podzielić pole na strefy o różnej zdolności do magazynowania wody.
Każda strefa może być monitorowana oddzielnie i otrzymywać zróżnicowane dawki nawadniania. Nawadnianie sterowane zmienną dawką (VRI – Variable Rate Irrigation) pozwala dopasować ilość wody do rzeczywistych potrzeb roślin i specyfiki konkretnej części pola. Obszary o słabej retencji mogą otrzymywać mniejsze, ale częstsze dawki, natomiast fragmenty z głębszą glebą magazynującą wodę – większe dawki w dłuższych odstępach czasu.
Wczesne wykrywanie stresu wodnego jest w tym układzie znacznie precyzyjniejsze: sygnały płynące z czujników glebowych czy wskaźników zdalnych są interpretowane w kontekście danej strefy, co pozwala unikać zarówno niedoboru, jak i nadmiaru wody. Takie podejście sprawdza się szczególnie w uprawach o wysokiej wartości, takich jak warzywa, owoce miękkie czy sady, gdzie każda nieoptymalna decyzja nawadnieniowa może oznaczać znaczne straty finansowe.
Teledetekcja, analiza obrazu i wskaźniki wegetacji w diagnostyce stresu wodnego roślin
Znaczenie danych satelitarnych, dronów i kamer multispektralnych
Rozwój technologii obserwacji Ziemi sprawił, że rolnicy mają dziś dostęp do regularnych zdjęć satelitarnych o wysokiej rozdzielczości, danych z dronów oraz z kamer umieszczonych bezpośrednio na maszynach czy konstrukcjach polowych. Teledetekcja umożliwia śledzenie kondycji roślin na dużą skalę, wychwytywanie subtelnych zmian barwy, struktury i reflektancji, które są niewidoczne gołym okiem.
W kontekście stresu wodnego niezwykle użyteczne są systemy multispektralne i hiperspektralne. Rejestrują one odbicie promieniowania w wielu wąskich pasmach, w tym w bliskiej podczerwieni oraz tzw. red-edge, gdzie rośliny reagują bardzo wrażliwie na zmiany ilości chlorofilu i zawartości wody. Wczesna redukcja aktywności fotosyntetycznej, spowodowana niedoborem wody, znajduje odzwierciedlenie w wartościach wskaźników wegetacyjnych, co pozwala uruchomić działania zaradcze na długo przed pojawieniem się wyraźnych objawów wizualnych.
NDVI, NDMI, CWSI i inne wskaźniki stresu wodnego
Rolnictwo precyzyjne wykorzystuje szereg wskaźników obliczanych z danych teledetekcyjnych, aby określić stan roślin i poziom stresu wodnego. Jednym z najbardziej znanych jest NDVI (Normalized Difference Vegetation Index), który opisuje ogólną kondycję roślinności, gęstość okrywy i aktywność fotosyntetyczną. Spadek wartości NDVI w trakcie sezonu, przy braku innych czynników stresowych, może wskazywać na niedobór wody.
Bardziej bezpośrednio z wodą związane są jednak takie wskaźniki jak NDMI (Normalized Difference Moisture Index), MSI (Moisture Stress Index) czy WBI (Water Band Index). Uwzględniają one pasma spektralne szczególnie czułe na zawartość wody w liściach, co umożliwia szybsze rozpoznanie stresu wodnego. Systemy analityczne integrujące NDMI z danymi o glebie i pogodzie potrafią generować mapy ryzyka deficytu wody, które precyzyjnie wskazują, które fragmenty plantacji wymagają interwencji.
Istotnym narzędziem jest także CWSI (Crop Water Stress Index), oparty na pomiarze temperatury liści w stosunku do warunków referencyjnych. Roślina cierpiąca na niedobór wody ogranicza transpirację poprzez zamykanie aparatów szparkowych, co prowadzi do wzrostu temperatury liści. Kamery termowizyjne na dronach, stacjonarnych masztach lub maszynach rolniczych potrafią bardzo precyzyjnie odwzorować przestrzenną strukturę tego zjawiska. Wzrost wartości CWSI w kawalkadzie kolejnych dni jest wyraźnym sygnałem wczesnego stresu wodnego, nawet jeśli rośliny wyglądają jeszcze na wizualnie zdrowe.
Analiza trendów czasowych i detekcja anomalii
Sama wartość wskaźnika roślinnego w jednym dniu często nie wystarcza, aby stwierdzić stres wodny. Kluczowa jest analiza trendów: jak szybko zmieniają się NDVI, NDMI czy CWSI w kolejnych dniach lub tygodniach. Platformy rolnictwa precyzyjnego wykorzystują algorytmy statystyczne oraz metody oparte na sztucznej inteligencji, aby porównywać aktualny przebieg krzywej wegetacji z danymi historycznymi z tego samego pola lub z upraw o podobnych warunkach.
Wykrywanie anomalii polega na identyfikowaniu odchyleń od spodziewanego przebiegu wzrostu roślin. Jeśli w krytycznej fazie rozwojowej (np. formowanie kolb kukurydzy, nalewanie ziarna, wzrost owoców) notuje się nagły spadek wskaźników związanych z zawartością wody, system sygnalizuje potencjalny stres wodny. Połączenie wskazań teledetekcyjnych z danymi z czujników glebowych i stacji pogodowych pozwala zweryfikować przyczynę zjawiska i precyzyjnie wskazać, czy głównym czynnikiem jest niedobór wody, choroba, uszkodzenia mechaniczne czy np. niedobór składników pokarmowych.
Integracja teledetekcji z praktyką nawadniania
Wczesne wykrywanie stresu wodnego ma sens tylko wtedy, gdy prowadzi do konkretnych działań. W rolnictwie precyzyjnym mapy wskaźników roślinnych są przekształcane na rekomendacje dotyczące nawadniania. Systemy VRI, liniowe i kołowe deszczownie czy instalacje kroplowe mogą być sterowane według map zmiennej dawki, generowanych na podstawie wskaźników wegetacyjnych i wilgotności gleby.
Krytycznym elementem jest tutaj odpowiednia kalibracja – uwzględniająca specyfikę odmiany, typu gleby, systemu korzeniowego i lokalnego klimatu. W praktyce, zanim system zacznie działać w pełni automatycznie, przeprowadza się kilka sezonów pilotażowych, w których rekomendacje są weryfikowane przez agronoma i porównywane z rzeczywistą reakcją roślin. Z czasem model staje się coraz lepiej dopasowany do konkretnego gospodarstwa, co zwiększa skuteczność wczesnego wykrywania stresu wodnego i poprawia efektywność nawadniania.
Sztuczna inteligencja, modele predykcyjne i systemy wspomagania decyzji w zarządzaniu wodą
Uczenie maszynowe w prognozowaniu stresu wodnego
Nawet najlepiej rozbudowana sieć czujników i źródeł danych nie wystarczy, jeśli rolnik nie ma narzędzi do ich interpretacji. Tu pojawia się rola sztucznej inteligencji oraz zaawansowanych modeli predykcyjnych. Algorytmy uczenia maszynowego analizują jednocześnie tysiące zmiennych: warunki pogodowe, wilgotność gleby, dane satelitarne, strukturę gleby, historię plonów, a nawet harmonogram zabiegów agrotechnicznych.
Na podstawie tych informacji systemy uczą się rozpoznawać wzorce prowadzące do stresu wodnego dla konkretnych upraw i regionów. Rezultatem są prognozy, które informują z wyprzedzeniem, gdzie i kiedy prawdopodobieństwo wystąpienia deficytu wody jest największe. Zamiast reagować na problem, rolnik może działać proaktywnie – modyfikując dawki nawadniania, zmianując termin siewu, dobierając odmiany o lepszej tolerancji na suszę lub planując przestój w niektórych zabiegach.
Systemy wspomagania decyzji (DSS) dla gospodarstw rolnych
Systemy DSS (Decision Support Systems) stanowią centralny element nowoczesnego rolnictwa precyzyjnego. Zbierają dane z czujników glebowych, stacji pogodowych, teledetekcji, maszyn rolniczych i rejestrów produkcyjnych, a następnie prezentują je w formie czytelnych paneli, map i alertów. Dla stresu wodnego przygotowywane są specjalne moduły: mapy ryzyka, prognozy zapotrzebowania na wodę, wskaźniki efektywności nawadniania.
Rolnik otrzymuje konkretne rekomendacje: ile wody zastosować na danej kwaterze, w jakim terminie rozpocząć nawadnianie i jak długo utrzymać nawadnianie przy zadanym przepływie. Systemy mogą też sugerować modyfikacje rotacji upraw, zmianę gatunków lub odmian na polach o słabej retencji, a także inwestycje w infrastrukturę nawadniającą tam, gdzie ryzyko stresu wodnego jest przewlekle wysokie.
Kluczową cechą nowoczesnych DSS jest ich zdolność do uczenia się na podstawie danych z gospodarstwa. Każdy sezon dostarcza nowych informacji, które pozwalają doprecyzować modele i lepiej odwzorować relacje między opadami, nawadnianiem, typem gleby a reakcją roślin. Dzięki temu wczesne wykrywanie stresu wodnego staje się coraz dokładniejsze, a system potrafi trafniej przewidywać skutki konkretnych decyzji nawadnianiowych.
Integracja zarządzania wodą z nawożeniem i ochroną roślin
Stres wodny nie występuje w próżni – ściśle łączy się z dostępnością składników pokarmowych, zdrowotnością roślin i aktywnością biologiczną gleby. Rolnictwo precyzyjne dąży do integracji zarządzania wodą z innymi elementami technologii produkcji. Przykładowo, przy nawadnianiu kroplowym często stosuje się fertygację, czyli podawanie nawozów wraz z wodą. Wczesne wykrycie deficytu wody pozwala nie tylko dostosować dawkę nawadniania, ale również zoptymalizować ilość i moment podania nawozów.
Modele predykcyjne uwzględniają interakcje między wodą a azotem, potasem czy mikroelementami. Susza ogranicza pobieranie składników pokarmowych, co może nasilać objawy niedoborów, nawet przy odpowiednim nawożeniu całkowitym. Systemy DSS mogą sugerować przesunięcie części dawki nawozów na okres po ustąpieniu stresu wodnego, aby zapewnić ich lepsze wykorzystanie i ograniczyć straty wynikające z wymywania czy ulatniania.
Podobnie wygląda to w ochronie roślin. Zabiegi fungicydowe czy insektycydowe, wykonywane w czasie silnego stresu wodnego, mogą mieć obniżoną skuteczność, a rośliny mogą reagować na nie mniej przewidywalnie. Wczesne wykrycie deficytu wody pozwala odpowiednio zaplanować kolejność i intensywność zabiegów, aby minimalizować dodatkowy stres dla upraw.
Ekonomiczne, środowiskowe i praktyczne korzyści z wczesnego wykrywania stresu wodnego
Oszczędność wody, energii i kosztów operacyjnych
Najbardziej oczywistą korzyścią z wczesnego wykrywania stresu wodnego jest możliwość zastosowania tylko takiej ilości wody, która jest rzeczywiście potrzebna roślinom. Zamiast nawadniać według sztywnych harmonogramów kalendarzowych, gospodarstwo opiera się na rzeczywistych danych o wilgotności gleby i kondycji roślin. Dzięki temu redukuje się liczbę niepotrzebnych cykli nawadniania, co przekłada się na mniejsze zużycie wody i energii, a także ograniczenie kosztów obsługi systemów nawodnieniowych.
W wielu rejonach świata dostęp do wody jest regulowany prawnie, a jej ilość przydzielana gospodarstwom w formie limitów. Precyzyjne wykrywanie i zarządzanie stresem wodnym pomaga utrzymać produkcję w granicach przydzielonego wolumenu, co jest warunkiem utrzymania ciągłości działalności rolniczej. W dłuższej perspektywie przekłada się to również na lepszą relację między kosztem wody a wartością uzyskanego plonu.
Stabilizacja plonu i jakości produkcji
Nawet krótkotrwały, ale krytyczny w czasie stres wodny może prowadzić do nieodwracalnych strat plonu. Przykładowo, niedobór wody w fazie kwitnienia rzepaku, kukurydzy czy zbóż może ograniczyć zapylenie i liczbę zawiązanych nasion. W sadach owocowych stres wodny w okresie wzrostu owoców skutkuje ich drobnieniem, spadkiem masy jednostkowej i pogorszeniem parametrów jakościowych, takich jak jędrność, zawartość cukrów czy barwa skórki.
Wczesne wykrywanie stresu wodnego umożliwia ukierunkowanie nawadniania właśnie na te okresy krytyczne, gdy każda godzina zwłoki ma znaczenie. Zamiast nadrabiać niedobór wodą zastosowaną po fakcie, rolnik może utrzymać ciągłość odpowiednich warunków wilgotnościowych przez cały przebieg kluczowych faz rozwojowych. Skutkuje to większą stabilnością plonu oraz mniejszą zmiennością jakości między latami.
Ochrona gleby i środowiska
Nieprawidłowe nawadnianie, zarówno zbyt obfite, jak i zbyt rzadkie, niekorzystnie wpływa na glebę i otoczenie. Nadmierne dawki wody prowadzą do wymywania azotanów i innych składników pokarmowych w głębsze warstwy profilu glebowego, a niekiedy aż do wód gruntowych, co zwiększa ryzyko ich zanieczyszczenia. Z kolei powtarzający się stres wodny osłabia aktywność biologiczną gleby, ogranicza rozwój pożytecznych mikroorganizmów i sprzyja degradacji struktury.
Rolnictwo precyzyjne, poprzez wczesne wykrywanie deficytu wody i precyzyjne zarządzanie nawadnianiem, wspiera zachowanie optymalnej wilgotności gleby w warstwie ornej. Pozwala to na ochronę jej struktury, ograniczenie zaskorupiania i erozji, a także sprzyja rozwojowi stabilnego systemu korzeniowego. W dłuższej perspektywie takie gospodarowanie wodą wzmacnia odporność całego agroekosystemu na ekstremalne zjawiska pogodowe, takie jak susze czy nawalne deszcze.
Wykorzystanie danych w długoterminowej strategii gospodarstwa
Systemy wczesnego wykrywania stresu wodnego generują ogromne ilości danych, które – odpowiednio zarchiwizowane i przeanalizowane – stają się cennym zasobem strategicznym gospodarstwa. Analiza kilku czy kilkunastu lat historii wilgotności gleby, opadów, nawadniania i plonów pozwala na identyfikację najbardziej podatnych na suszę fragmentów pól, ocenę efektywności różnych systemów nawodnieniowych oraz lepsze planowanie inwestycji infrastrukturalnych.
Współpraca z doradcami agronomicznymi, firmami dostarczającymi rozwiązania precyzyjne oraz instytucjami badawczymi umożliwia przekształcenie surowych danych w praktyczne rekomendacje dla całego regionu. Gospodarstwa mogą porównywać swoje wskaźniki zużycia wody i plonów z wartościami referencyjnymi, co sprzyja wdrażaniu najlepszych praktyk i ciągłemu doskonaleniu technologii produkcji.
Przyszłe kierunki rozwoju wczesnego wykrywania stresu wodnego w rolnictwie precyzyjnym
Nowe generacje sensorów i Internet Rzeczy (IoT)
Rozwój miniaturyzacji, łączności bezprzewodowej i zasilania o niskim poborze mocy sprawia, że sieci sensorów glebowych i roślinnych stają się coraz tańsze i łatwiejsze w instalacji. Coraz częściej pojedyncza sonda mierzy nie tylko wilgotność, ale również temperaturę, przewodnictwo elektryczne, zasolenie i potencjał redoks. W połączeniu z urządzeniami IoT dane trafiają niemal natychmiast do chmury, gdzie są przetwarzane przez algorytmy analityczne.
Przyszłe systemy wczesnego wykrywania stresu wodnego będą łączyły informacje z wielu poziomów: od mikrosensorów w strefie korzeniowej, przez dane z dronów i satelitów, aż po modele klimatyczne. Umożliwi to nie tylko oceny aktualnego stanu, ale także precyzyjne prognozy dla konkretnych fragmentów pola, uwzględniające zarówno pogłębiający się deficyt wody, jak i potencjalne opady.
Modele cyfrowych bliźniaków (Digital Twin) dla pól i upraw
Jednym z najbardziej obiecujących kierunków rozwoju jest tworzenie tzw. cyfrowych bliźniaków pól uprawnych. Są to wirtualne modele, które na bieżąco odzwierciedlają stan rzeczywistego pola, bazując na danych z sensorów i obserwacji. Cyfrowy bliźniak uwzględnia strukturę gleby, profil wilgotności, fazę rozwojową roślin, przebieg pogody i historię zabiegów agrotechnicznych.
Na tej podstawie można symulować różne scenariusze zarządzania wodą: co się stanie, jeśli opóźnimy nawadnianie o dwa dni, zwiększymy dawkę o 20% lub ograniczymy liczbę cykli? Modele obliczają wpływ tych decyzji na ryzyko stresu wodnego, plon, koszty i oddziaływanie środowiskowe. Rolnik zyskuje możliwość testowania strategii w środowisku wirtualnym, zanim wprowadzi je w życie, co znacząco zmniejsza ryzyko błędów decyzyjnych.
Integracja wiedzy agronomicznej z modelami LLM i asystentami cyfrowymi
Dynamiczny rozwój dużych modeli językowych (LLM) i systemów konwersacyjnych otwiera nowy wymiar w dostępie do wiedzy agronomicznej. Asystenci cyfrowi, zintegrowani z danymi z gospodarstwa, mogą w sposób naturalny wyjaśniać rolnikowi przyczyny sugerowanych rekomendacji nawadniania, interpretować wskaźniki stresu wodnego i podpowiadać, jakie działania podjąć w kontekście danego gatunku, odmiany czy technologii uprawy.
Połączenie modeli LLM z bazami wiedzy naukowej, lokalnymi danymi klimatycznymi i systemami DSS pozwoli tworzyć spersonalizowane doradztwo na poziomie pojedynczego pola czy wręcz kwatery. Rolnik nie będzie musiał samodzielnie analizować skomplikowanych wykresów i map; zamiast tego otrzyma zrozumiałe odpowiedzi na pytania, w jaki sposób uniknąć stresu wodnego w nadchodzących dniach i jakie działania są najbardziej opłacalne ekonomicznie i bezpieczne środowiskowo.
Wczesne wykrywanie stresu wodnego roślin będzie coraz bardziej zautomatyzowane, ale jednocześnie bardziej dostępne i zrozumiałe dla użytkownika końcowego. Rolnictwo precyzyjne, wsparte sztuczną inteligencją, teledetekcją i gęstymi sieciami sensorów, stanie się podstawowym narzędziem racjonalnego gospodarowania wodą – zasobem, którego znaczenie dla produkcji rolniczej i bezpieczeństwa żywnościowego z roku na rok rośnie.
