విజ్ఞాన శాస్త్రం మరియు సాంకేతిక విజ్ఞానం - టెస్ట్ 86 - ప్రిసిషన్ అగ్రికల్చర్ మరియు స్మార్ట్ ఫార్మింగ్
Please keep at least one language enabled. || కనీసం ఒక భాషను ఎంచుకోండి.
Question 1
ప్రశ్న 1
Which statement best captures the central technological idea of precision agriculture?
ప్రిసిషన్ అగ్రికల్చర్ యొక్క ప్రధాన సాంకేతిక భావనను ఉత్తమంగా వివరించేది ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Precision agriculture treats within-field variability as useful information rather than assuming that every location needs identical management.
• Sensors, maps, GNSS, remote sensing and machinery can support site-specific decisions on water, nutrients or crop protection.
• The objective is better input-use efficiency and decision quality, not the elimination of agronomic knowledge.
• Sensors, maps, GNSS, remote sensing and machinery can support site-specific decisions on water, nutrients or crop protection.
• The objective is better input-use efficiency and decision quality, not the elimination of agronomic knowledge.
వివరణ:
• ప్రిసిషన్ అగ్రికల్చర్లో పొలంలోని ప్రతి ప్రాంతం ఒకే అవసరాలు కలిగి ఉందని భావించకుండా, ప్రాంతాల మధ్య భిన్నత్వాన్ని ఉపయోగకరమైన సమాచారంగా పరిగణిస్తారు.
• సంవేదకాలు, పటాలు, GNSS, దూర సంవేదన, వ్యవసాయ యంత్రాల సహాయంతో నీరు, పోషకాలు, పంట రక్షణ చర్యలను ప్రాంతానుసారంగా నిర్వహించవచ్చు.
• దీని లక్ష్యం ఇన్పుట్ వినియోగ సామర్థ్యం, నిర్ణయ నాణ్యతను మెరుగుపరచడం; వ్యవసాయ శాస్త్ర జ్ఞానాన్ని తొలగించడం కాదు.
• సంవేదకాలు, పటాలు, GNSS, దూర సంవేదన, వ్యవసాయ యంత్రాల సహాయంతో నీరు, పోషకాలు, పంట రక్షణ చర్యలను ప్రాంతానుసారంగా నిర్వహించవచ్చు.
• దీని లక్ష్యం ఇన్పుట్ వినియోగ సామర్థ్యం, నిర్ణయ నాణ్యతను మెరుగుపరచడం; వ్యవసాయ శాస్త్ర జ్ఞానాన్ని తొలగించడం కాదు.
Question 2
ప్రశ్న 2
Consider the following sensor–application pairs in precision farming:
1. Soil-moisture sensor — irrigation scheduling
2. Electrical-conductivity sensor — mapping soil zones that may differ in salinity, texture or moisture-related properties
3. Canopy-temperature sensor — detecting possible crop water stress
4. GNSS receiver — direct chemical measurement of soil nitrogen concentration
How many of the pairs given above are correctly matched?
1. Soil-moisture sensor — irrigation scheduling
2. Electrical-conductivity sensor — mapping soil zones that may differ in salinity, texture or moisture-related properties
3. Canopy-temperature sensor — detecting possible crop water stress
4. GNSS receiver — direct chemical measurement of soil nitrogen concentration
How many of the pairs given above are correctly matched?
ప్రిసిషన్ వ్యవసాయంలోని క్రింది సంవేదకం–ఉపయోగం జతలను పరిశీలించండి:
1. నేల తేమ సంవేదకం — సాగునీటి సమయ నిర్ణయం
2. విద్యుత్ వాహకత సంవేదకం — ఉప్పుతనం, నేల నిర్మాణం లేదా తేమ సంబంధిత లక్షణాల్లో భిన్నత కలిగిన నేల ప్రాంతాల పటీకరణ
3. పంట కిరీట ఉష్ణోగ్రత సంవేదకం — సంభావ్య నీటి ఒత్తిడిని గుర్తించడం
4. GNSS గ్రాహకం — నేల నైట్రోజన్ సాంద్రతను నేరుగా రసాయనికంగా కొలవడం
పై జతల్లో ఎన్ని సరిగ్గా సరిపోలాయి?
1. నేల తేమ సంవేదకం — సాగునీటి సమయ నిర్ణయం
2. విద్యుత్ వాహకత సంవేదకం — ఉప్పుతనం, నేల నిర్మాణం లేదా తేమ సంబంధిత లక్షణాల్లో భిన్నత కలిగిన నేల ప్రాంతాల పటీకరణ
3. పంట కిరీట ఉష్ణోగ్రత సంవేదకం — సంభావ్య నీటి ఒత్తిడిని గుర్తించడం
4. GNSS గ్రాహకం — నేల నైట్రోజన్ సాంద్రతను నేరుగా రసాయనికంగా కొలవడం
పై జతల్లో ఎన్ని సరిగ్గా సరిపోలాయి?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Soil-moisture and canopy-temperature measurements can support irrigation and water-stress decisions.
• Apparent soil electrical conductivity is useful for mapping variability, although interpretation requires calibration because several soil properties can influence it.
• GNSS provides position and timing information; it does not directly measure soil nitrogen chemistry, so only the first three pairs are correct.
• Apparent soil electrical conductivity is useful for mapping variability, although interpretation requires calibration because several soil properties can influence it.
• GNSS provides position and timing information; it does not directly measure soil nitrogen chemistry, so only the first three pairs are correct.
వివరణ:
• నేల తేమ, పంట కిరీట ఉష్ణోగ్రత కొలతలు సాగునీటి నిర్వహణ, నీటి ఒత్తిడి గుర్తింపుకు ఉపయోగపడతాయి.
• నేల కనిపించే విద్యుత్ వాహకత భిన్నత్వ పటీకరణకు ఉపయోగపడుతుంది; అయితే దానిపై అనేక నేల లక్షణాలు ప్రభావం చూపుతాయి కాబట్టి సరైన ప్రమాణీకరణ అవసరం.
• GNSS స్థానం, సమయ సమాచారాన్ని అందిస్తుంది; నేల నైట్రోజన్ రసాయన సాంద్రతను నేరుగా కొలవదు. కాబట్టి మొదటి మూడు జతలే సరైనవి.
• నేల కనిపించే విద్యుత్ వాహకత భిన్నత్వ పటీకరణకు ఉపయోగపడుతుంది; అయితే దానిపై అనేక నేల లక్షణాలు ప్రభావం చూపుతాయి కాబట్టి సరైన ప్రమాణీకరణ అవసరం.
• GNSS స్థానం, సమయ సమాచారాన్ని అందిస్తుంది; నేల నైట్రోజన్ రసాయన సాంద్రతను నేరుగా కొలవదు. కాబట్టి మొదటి మూడు జతలే సరైనవి.
Question 3
ప్రశ్న 3
A farm uses soil-moisture probes, a controller and electrically operated valves. Irrigation begins only when measured root-zone moisture falls below a chosen threshold and stops after the desired moisture condition is restored. This is best described as:
ఒక పొలంలో నేల తేమ ప్రోబ్లు, నియంత్రకం, విద్యుత్తో పనిచేసే వాల్వ్లు ఉన్నాయి. వేర్ల ప్రాంతంలోని తేమ నిర్ణయించిన పరిమితికి దిగువకు వచ్చినప్పుడు మాత్రమే సాగునీరు ప్రారంభమై, కావలసిన తేమ స్థితి చేరిన తరువాత ఆగుతుంది. దీనిని ఉత్తమంగా ఏమని చెప్పవచ్చు?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• The controller uses measured soil moisture as feedback and changes irrigation accordingly, which makes the system closed-loop.
• Such control can reduce unnecessary watering when soil moisture is already adequate.
• Sensor accuracy, placement, threshold selection and valve reliability still affect the quality of the irrigation decision.
• Such control can reduce unnecessary watering when soil moisture is already adequate.
• Sensor accuracy, placement, threshold selection and valve reliability still affect the quality of the irrigation decision.
వివరణ:
• నియంత్రకం కొలిచిన నేల తేమను ప్రతిస్పందన సమాచారంగా తీసుకుని దానికి అనుగుణంగా సాగునీటిని మార్చడం వల్ల ఇది ప్రతిస్పందన ఆధారిత నియంత్రణకు ఉదాహరణ.
• నేలలో తగిన తేమ ఉన్నప్పుడు అనవసరంగా నీరు పెట్టడాన్ని ఈ విధానం తగ్గించగలదు.
• సంవేదక ఖచ్చితత్వం, అమర్చిన స్థానం, పరిమితి ఎంపిక, వాల్వ్ నమ్మకత నిర్ణయ నాణ్యతపై ప్రభావం చూపుతాయి.
• నేలలో తగిన తేమ ఉన్నప్పుడు అనవసరంగా నీరు పెట్టడాన్ని ఈ విధానం తగ్గించగలదు.
• సంవేదక ఖచ్చితత్వం, అమర్చిన స్థానం, పరిమితి ఎంపిక, వాల్వ్ నమ్మకత నిర్ణయ నాణ్యతపై ప్రభావం చూపుతాయి.
Question 4
ప్రశ్న 4
Which combination is most directly required for map-based Variable Rate Application (VRA) of fertilizer by a moving machine?
కదులుతున్న వ్యవసాయ యంత్రంతో పట ఆధారిత Variable Rate Application (VRA) ద్వారా ఎరువును ప్రాంతానుసారంగా భిన్న మోతాదుల్లో వేయడానికి అత్యంత నేరుగా అవసరమైన కలయిక ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Map-based VRA requires the machine to know where it is within the field and what rate is prescribed for that location.
• A GNSS-positioned controller can match current position to a georeferenced prescription map and alter the metering mechanism.
• A variability map alone cannot create variable application if the machine cannot modulate its output.
• A GNSS-positioned controller can match current position to a georeferenced prescription map and alter the metering mechanism.
• A variability map alone cannot create variable application if the machine cannot modulate its output.
వివరణ:
• పట ఆధారిత ప్రాంతానుసార మోతాదు విధానంలో యంత్రం పొలంలో తన ప్రస్తుత స్థానాన్ని, ఆ స్థానానికి సూచించిన మోతాదును తెలుసుకోవాలి.
• GNSS ఆధారిత స్థాన సమాచారంతో నియంత్రకం భౌగోళిక మోతాదు పటాన్ని సరిపోల్చి ఎరువు విడుదల వ్యవస్థను మార్చగలదు.
• యంత్రం మోతాదును మార్చలేకపోతే భిన్నత్వ పటం ఒక్కటే ప్రాంతానుసార మారే మోతాదు అమలును సాధించదు.
• GNSS ఆధారిత స్థాన సమాచారంతో నియంత్రకం భౌగోళిక మోతాదు పటాన్ని సరిపోల్చి ఎరువు విడుదల వ్యవస్థను మార్చగలదు.
• యంత్రం మోతాదును మార్చలేకపోతే భిన్నత్వ పటం ఒక్కటే ప్రాంతానుసార మారే మోతాదు అమలును సాధించదు.
Question 5
ప్రశ్న 5
With reference to NDVI in crop monitoring, consider the following statements:
1. It uses red and near-infrared reflectance.
2. It can help reveal spatial differences in crop vigour or canopy condition.
3. A low NDVI value uniquely proves nitrogen deficiency and rules out water stress, disease, sparse canopy and other causes.
Which of the statements given above are correct?
1. It uses red and near-infrared reflectance.
2. It can help reveal spatial differences in crop vigour or canopy condition.
3. A low NDVI value uniquely proves nitrogen deficiency and rules out water stress, disease, sparse canopy and other causes.
Which of the statements given above are correct?
పంట పర్యవేక్షణలో NDVI గురించి క్రింది ప్రకటనలను పరిశీలించండి:
1. ఇది ఎరుపు మరియు సమీప-అవరక్త ప్రతిఫలనాన్ని ఉపయోగిస్తుంది.
2. పంట పెరుగుదల లేదా కిరీట స్థితిలోని ప్రాంతీయ తేడాలను గుర్తించడంలో సహాయపడుతుంది.
3. తక్కువ NDVI విలువ నైట్రోజన్ లోపాన్నే ఖచ్చితంగా నిరూపించి నీటి ఒత్తిడి, వ్యాధి, పలుచని పంట కిరీటం వంటి ఇతర కారణాలను పూర్తిగా తొలగిస్తుంది.
పై ప్రకటనల్లో సరైనవి ఏవి?
1. ఇది ఎరుపు మరియు సమీప-అవరక్త ప్రతిఫలనాన్ని ఉపయోగిస్తుంది.
2. పంట పెరుగుదల లేదా కిరీట స్థితిలోని ప్రాంతీయ తేడాలను గుర్తించడంలో సహాయపడుతుంది.
3. తక్కువ NDVI విలువ నైట్రోజన్ లోపాన్నే ఖచ్చితంగా నిరూపించి నీటి ఒత్తిడి, వ్యాధి, పలుచని పంట కిరీటం వంటి ఇతర కారణాలను పూర్తిగా తొలగిస్తుంది.
పై ప్రకటనల్లో సరైనవి ఏవి?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• NDVI exploits the contrast between red absorption and near-infrared reflectance associated with green vegetation.
• It is useful for detecting spatial and temporal differences in canopy greenness and vigour.
• A vegetation index is not a unique diagnosis of the cause of stress; field observations or additional sensors are often required.
• It is useful for detecting spatial and temporal differences in canopy greenness and vigour.
• A vegetation index is not a unique diagnosis of the cause of stress; field observations or additional sensors are often required.
వివరణ:
• పచ్చని వృక్షావరణం ఎరుపు కాంతిని ఎక్కువగా శోషించి సమీప-అవరక్తాన్ని ఎక్కువగా ప్రతిఫలించే లక్షణాన్ని NDVI ఉపయోగిస్తుంది.
• పంట కిరీట పచ్చదనం, పెరుగుదలలో స్థల, కాల తేడాలను గుర్తించడానికి ఇది ఉపయోగపడుతుంది.
• ఒక వృక్ష సూచికతో ఒత్తిడి కారణాన్ని ఒక్కటిగా ఖచ్చితంగా నిర్ణయించలేం; క్షేత్ర పరిశీలనలు లేదా అదనపు సంవేదకాలు తరచుగా అవసరం.
• పంట కిరీట పచ్చదనం, పెరుగుదలలో స్థల, కాల తేడాలను గుర్తించడానికి ఇది ఉపయోగపడుతుంది.
• ఒక వృక్ష సూచికతో ఒత్తిడి కారణాన్ని ఒక్కటిగా ఖచ్చితంగా నిర్ణయించలేం; క్షేత్ర పరిశీలనలు లేదా అదనపు సంవేదకాలు తరచుగా అవసరం.
Question 6
ప్రశ్న 6
Assertion (A): Thermal imagery can assist in detecting crop water stress.
Reason (R): When water stress causes stomata to close, transpiration cooling may decrease and canopy temperature can rise relative to a well-watered crop under comparable conditions.
Which of the following is correct?
Reason (R): When water stress causes stomata to close, transpiration cooling may decrease and canopy temperature can rise relative to a well-watered crop under comparable conditions.
Which of the following is correct?
వాదన (A): ఉష్ణ చిత్రీకరణ పంట నీటి ఒత్తిడిని గుర్తించడంలో సహాయపడగలదు.
కారణం (R): నీటి ఒత్తిడి వల్ల ఆకుల రంధ్రాలు మూసుకుపోతే ఆవిరి-ఉత్సర్జన ద్వారా జరిగే శీతలీకరణ తగ్గి, సమాన పరిస్థితుల్లో తగిన నీరు పొందిన పంటతో పోలిస్తే పంట కిరీట ఉష్ణోగ్రత పెరగవచ్చు.
క్రింది వాటిలో సరైనది ఏది?
కారణం (R): నీటి ఒత్తిడి వల్ల ఆకుల రంధ్రాలు మూసుకుపోతే ఆవిరి-ఉత్సర్జన ద్వారా జరిగే శీతలీకరణ తగ్గి, సమాన పరిస్థితుల్లో తగిన నీరు పొందిన పంటతో పోలిస్తే పంట కిరీట ఉష్ణోగ్రత పెరగవచ్చు.
క్రింది వాటిలో సరైనది ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Plant transpiration removes heat from leaves, so changes in transpiration can influence canopy temperature.
• Water stress can induce stomatal closure and reduce evaporative cooling, making thermal sensing useful for detecting possible stress.
• Canopy temperature is also affected by weather, crop structure and timing, so thermal imagery requires contextual interpretation.
• Water stress can induce stomatal closure and reduce evaporative cooling, making thermal sensing useful for detecting possible stress.
• Canopy temperature is also affected by weather, crop structure and timing, so thermal imagery requires contextual interpretation.
వివరణ:
• ఆకుల ఆవిరి-ఉత్సర్జన వాటి నుంచి ఉష్ణాన్ని తొలగిస్తుంది; అందువల్ల ఆవిరి-ఉత్సర్జన మార్పులు పంట కిరీట ఉష్ణోగ్రతను ప్రభావితం చేస్తాయి.
• నీటి ఒత్తిడి ఆకుల రంధ్రాల మూసివేతకు దారి తీసి ఆవిరి శీతలీకరణను తగ్గించవచ్చు; అందువల్ల ఉష్ణ సంవేదన సంభావ్య ఒత్తిడిని గుర్తించడంలో ఉపయోగపడుతుంది.
• వాతావరణం, పంట నిర్మాణం, కొలత సమయం కూడా కిరీట ఉష్ణోగ్రతను ప్రభావితం చేస్తాయి కాబట్టి సందర్భానుసార విశ్లేషణ అవసరం.
• నీటి ఒత్తిడి ఆకుల రంధ్రాల మూసివేతకు దారి తీసి ఆవిరి శీతలీకరణను తగ్గించవచ్చు; అందువల్ల ఉష్ణ సంవేదన సంభావ్య ఒత్తిడిని గుర్తించడంలో ఉపయోగపడుతుంది.
• వాతావరణం, పంట నిర్మాణం, కొలత సమయం కూడా కిరీట ఉష్ణోగ్రతను ప్రభావితం చేస్తాయి కాబట్టి సందర్భానుసార విశ్లేషణ అవసరం.
Question 7
ప్రశ్న 7
Which comparison between satellite imagery and agricultural-drone imagery is most accurate?
ఉపగ్రహ చిత్రాలు మరియు వ్యవసాయ డ్రోన్ చిత్రాల మధ్య అత్యంత సరైన పోలిక ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Earth-observation satellites are well suited to repeated regional or national monitoring because of their wide swath and systematic coverage.
• Drones can fly close to crops and provide very high spatial detail for selected fields.
• Weather, endurance, regulations, processing requirements and the need for ground validation limit the idea that one platform universally replaces the other.
• Drones can fly close to crops and provide very high spatial detail for selected fields.
• Weather, endurance, regulations, processing requirements and the need for ground validation limit the idea that one platform universally replaces the other.
వివరణ:
• విస్తృత వీక్షణ పట్టీ, పునరావృత కవరేజ్ వల్ల భూ పరిశీలన ఉపగ్రహాలు ప్రాంతీయ లేదా జాతీయ స్థాయి పర్యవేక్షణకు అనుకూలంగా ఉంటాయి.
• డ్రోన్లు పంటలకు సమీపంగా ఎగిరి ఎంపిక చేసిన పొలాల్లో చాలా సూక్ష్మ స్థల వివరాలను అందించగలవు.
• వాతావరణం, ప్రయాణ వ్యవధి, నియంత్రణ నిబంధనలు, దత్తాంశ శుద్ధి, క్షేత్ర ధృవీకరణ అవసరాల వల్ల ఒక వేదిక మరొకదాన్ని పూర్తిగా భర్తీ చేయదు.
• డ్రోన్లు పంటలకు సమీపంగా ఎగిరి ఎంపిక చేసిన పొలాల్లో చాలా సూక్ష్మ స్థల వివరాలను అందించగలవు.
• వాతావరణం, ప్రయాణ వ్యవధి, నియంత్రణ నిబంధనలు, దత్తాంశ శుద్ధి, క్షేత్ర ధృవీకరణ అవసరాల వల్ల ఒక వేదిక మరొకదాన్ని పూర్తిగా భర్తీ చేయదు.
Question 8
ప్రశ్న 8
A multispectral drone survey identifies several low-vigour zones in a crop. The farm then wants to spray only confirmed pest-infested patches. Which workflow best represents precision crop protection?
బహువర్ణపట డ్రోన్ సర్వేలో పంటలో కొన్ని తక్కువ పెరుగుదల ప్రాంతాలు కనిపించాయి. తరువాత ధృవీకరించిన పురుగు ప్రభావిత ప్రాంతాల్లో మాత్రమే మందు పిచికారీ చేయాలని రైతు భావిస్తున్నాడు. ప్రిసిషన్ పంట రక్షణను ఉత్తమంగా సూచించే కార్యప్రవాహం ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Remote sensing is valuable for locating anomalous zones but does not necessarily identify the unique cause of poor crop vigour.
• Field verification can distinguish pest damage from nutrient, water or other stress before treatment is prescribed.
• A georeferenced treatment map can then guide site-specific application and reduce unnecessary pesticide use.
• Field verification can distinguish pest damage from nutrient, water or other stress before treatment is prescribed.
• A georeferenced treatment map can then guide site-specific application and reduce unnecessary pesticide use.
వివరణ:
• దూర సంవేదన అసాధారణ ప్రాంతాలను గుర్తించడంలో ఉపయోగకరమైనదే కానీ తక్కువ పంట పెరుగుదలకు ఖచ్చిత కారణాన్ని ఎల్లప్పుడూ ఒక్కటిగా నిర్ధారించదు.
• చికిత్సకు ముందు క్షేత్ర ధృవీకరణ ద్వారా పురుగు నష్టాన్ని పోషక, నీటి లేదా ఇతర ఒత్తిడుల నుంచి వేరు చేయవచ్చు.
• తరువాత భౌగోళిక చికిత్స పటం ఆధారంగా అవసరమైన ప్రాంతాల్లో మాత్రమే మందు వేసి అనవసర వినియోగాన్ని తగ్గించవచ్చు.
• చికిత్సకు ముందు క్షేత్ర ధృవీకరణ ద్వారా పురుగు నష్టాన్ని పోషక, నీటి లేదా ఇతర ఒత్తిడుల నుంచి వేరు చేయవచ్చు.
• తరువాత భౌగోళిక చికిత్స పటం ఆధారంగా అవసరమైన ప్రాంతాల్లో మాత్రమే మందు వేసి అనవసర వినియోగాన్ని తగ్గించవచ్చు.
Question 9
ప్రశ్న 9
Which sequence best represents an IoT-enabled smart-farming control loop?
IoT ఆధారిత స్మార్ట్ వ్యవసాయ నియంత్రణ చక్రాన్ని ఉత్తమంగా సూచించే క్రమం ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• IoT systems begin with sensing physical conditions such as soil moisture, temperature or equipment status.
• Measurements are communicated to a local or remote processing layer where rules or models can generate a decision.
• The result may trigger an actuator such as a valve or be delivered as an advisory to the farmer.
• Measurements are communicated to a local or remote processing layer where rules or models can generate a decision.
• The result may trigger an actuator such as a valve or be delivered as an advisory to the farmer.
వివరణ:
• IoT వ్యవస్థలో నేల తేమ, ఉష్ణోగ్రత, పరికర స్థితి వంటి భౌతిక పరిస్థితులను ముందుగా సంవేదకాలు కొలుస్తాయి.
• ఆ కొలతలు స్థానిక లేదా దూర విశ్లేషణ వ్యవస్థకు పంపబడి నియమాలు లేదా నమూనాల ఆధారంగా నిర్ణయం రూపొందుతుంది.
• ఆ నిర్ణయం వాల్వ్ వంటి కార్యనిర్వాహక పరికరాన్ని నడపవచ్చు లేదా రైతుకు సలహాగా చేరవచ్చు.
• ఆ కొలతలు స్థానిక లేదా దూర విశ్లేషణ వ్యవస్థకు పంపబడి నియమాలు లేదా నమూనాల ఆధారంగా నిర్ణయం రూపొందుతుంది.
• ఆ నిర్ణయం వాల్వ్ వంటి కార్యనిర్వాహక పరికరాన్ని నడపవచ్చు లేదా రైతుకు సలహాగా చేరవచ్చు.
Question 10
ప్రశ్న 10
A machine-vision sprayer identifies weeds between crop rows and opens individual nozzles only when a weed is detected. What is the main precision-agriculture advantage of this approach?
ఒక యంత్ర-దృష్టి పిచికారీ పరికరం పంట వరుసల మధ్య కలుపు మొక్కలను గుర్తించి, కలుపు కనిపించిన చోట మాత్రమే ప్రత్యేక నాజిల్ను తెరుస్తుంది. ఈ విధానంలోని ప్రధాన ప్రిసిషన్ వ్యవసాయ ప్రయోజనం ఏమిటి?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Machine vision can classify crop and weed targets from camera images and trigger site-specific action.
• Spot treatment reduces chemical application to areas where a target is detected instead of treating every square metre equally.
• Recognition errors, nozzle response, wind and crop conditions still matter, so the technology does not guarantee perfect control.
• Spot treatment reduces chemical application to areas where a target is detected instead of treating every square metre equally.
• Recognition errors, nozzle response, wind and crop conditions still matter, so the technology does not guarantee perfect control.
వివరణ:
• యంత్ర-దృష్టి వ్యవస్థ కెమెరా చిత్రాల నుంచి పంట, కలుపు లక్ష్యాలను వర్గీకరించి ప్రాంతానుసార చర్యను ప్రారంభించగలదు.
• ప్రతి చదరపు మీటరుకు సమానంగా మందు వేయకుండా లక్ష్యం గుర్తించిన చోట మాత్రమే చికిత్స చేయడం వల్ల రసాయన వినియోగం తగ్గవచ్చు.
• గుర్తింపు లోపాలు, నాజిల్ ప్రతిస్పందన, గాలి, పంట పరిస్థితులు ఇంకా ప్రభావం చూపుతాయి; కాబట్టి సంపూర్ణ నియంత్రణకు హామీ ఇవ్వదు.
• ప్రతి చదరపు మీటరుకు సమానంగా మందు వేయకుండా లక్ష్యం గుర్తించిన చోట మాత్రమే చికిత్స చేయడం వల్ల రసాయన వినియోగం తగ్గవచ్చు.
• గుర్తింపు లోపాలు, నాజిల్ ప్రతిస్పందన, గాలి, పంట పరిస్థితులు ఇంకా ప్రభావం చూపుతాయి; కాబట్టి సంపూర్ణ నియంత్రణకు హామీ ఇవ్వదు.
Question 11
ప్రశ్న 11
What is the main technological benefit of using RTK corrections with GNSS for automated farm-machinery guidance?
స్వయంచాలక వ్యవసాయ యంత్ర మార్గదర్శకత్వంలో GNSSతో RTK సవరణలను ఉపయోగించడం వల్ల ప్రధాన సాంకేతిక ప్రయోజనం ఏమిటి?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• RTK uses correction information to improve GNSS positioning accuracy relative to standalone navigation solutions.
• More precise guidance helps machinery follow planned paths with less overlap or missed strips during operations such as planting and input application.
• Positioning alone does not sense crop chemistry or physically steer a vehicle without the required control and actuation system.
• More precise guidance helps machinery follow planned paths with less overlap or missed strips during operations such as planting and input application.
• Positioning alone does not sense crop chemistry or physically steer a vehicle without the required control and actuation system.
వివరణ:
• RTK సవరణ సమాచారంతో సాధారణ GNSS స్థాన నిర్ధారణతో పోలిస్తే మరింత ఖచ్చితమైన స్థానం పొందవచ్చు.
• ఖచ్చిత మార్గదర్శకత్వం వల్ల విత్తనం, ఇన్పుట్ వేయడం వంటి పనుల్లో వరుస ప్రయాణాల మేళవింపు లేదా మిస్ అయిన పట్టీలను తగ్గించవచ్చు.
• స్థాన సమాచారం మాత్రమే పంట రసాయన స్థితిని కొలవదు; అవసరమైన నియంత్రణ, దిశ మార్చే పరికరాలు లేకుండా వాహనాన్ని భౌతికంగా నడపదు.
• ఖచ్చిత మార్గదర్శకత్వం వల్ల విత్తనం, ఇన్పుట్ వేయడం వంటి పనుల్లో వరుస ప్రయాణాల మేళవింపు లేదా మిస్ అయిన పట్టీలను తగ్గించవచ్చు.
• స్థాన సమాచారం మాత్రమే పంట రసాయన స్థితిని కొలవదు; అవసరమైన నియంత్రణ, దిశ మార్చే పరికరాలు లేకుండా వాహనాన్ని భౌతికంగా నడపదు.
Question 12
ప్రశ్న 12
With reference to crop-yield prediction, consider the following statements:
1. Weather, crop condition, soil information and remote-sensing variables can be combined in statistical, process-based or machine-learning models.
2. A model trained in one region or season may require validation before being applied elsewhere.
3. A high-resolution satellite image alone necessarily determines final yield exactly, regardless of later weather or management.
Which of the statements given above are correct?
1. Weather, crop condition, soil information and remote-sensing variables can be combined in statistical, process-based or machine-learning models.
2. A model trained in one region or season may require validation before being applied elsewhere.
3. A high-resolution satellite image alone necessarily determines final yield exactly, regardless of later weather or management.
Which of the statements given above are correct?
పంట దిగుబడి అంచనా గురించి క్రింది ప్రకటనలను పరిశీలించండి:
1. వాతావరణం, పంట స్థితి, నేల సమాచారం, దూర సంవేదన పరామితులను గణాంక, ప్రక్రియ-ఆధారిత లేదా యంత్ర అభ్యాస నమూనాల్లో కలిపి ఉపయోగించవచ్చు.
2. ఒక ప్రాంతం లేదా సీజన్ దత్తాంశంతో శిక్షణ పొందిన నమూనాను వేరే ప్రాంతంలో ఉపయోగించే ముందు ధృవీకరణ అవసరమవచ్చు.
3. తరువాతి వాతావరణం లేదా నిర్వహణ ఎలా ఉన్నా ఒక అధిక-స్పష్టత ఉపగ్రహ చిత్రం ఒక్కటే తుది దిగుబడిని తప్పనిసరిగా ఖచ్చితంగా నిర్ణయిస్తుంది.
పై ప్రకటనల్లో సరైనవి ఏవి?
1. వాతావరణం, పంట స్థితి, నేల సమాచారం, దూర సంవేదన పరామితులను గణాంక, ప్రక్రియ-ఆధారిత లేదా యంత్ర అభ్యాస నమూనాల్లో కలిపి ఉపయోగించవచ్చు.
2. ఒక ప్రాంతం లేదా సీజన్ దత్తాంశంతో శిక్షణ పొందిన నమూనాను వేరే ప్రాంతంలో ఉపయోగించే ముందు ధృవీకరణ అవసరమవచ్చు.
3. తరువాతి వాతావరణం లేదా నిర్వహణ ఎలా ఉన్నా ఒక అధిక-స్పష్టత ఉపగ్రహ చిత్రం ఒక్కటే తుది దిగుబడిని తప్పనిసరిగా ఖచ్చితంగా నిర్ణయిస్తుంది.
పై ప్రకటనల్లో సరైనవి ఏవి?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Yield depends on interacting weather, crop, soil and management conditions, so combining multiple information sources can improve prediction.
• Models may not transfer perfectly across varieties, climates and management systems; independent validation is important.
• A satellite observation represents crop condition at a time, not an infallible measurement of final yield under all future conditions.
• Models may not transfer perfectly across varieties, climates and management systems; independent validation is important.
• A satellite observation represents crop condition at a time, not an infallible measurement of final yield under all future conditions.
వివరణ:
• దిగుబడి వాతావరణం, పంట, నేల, నిర్వహణ పరస్పర ప్రభావాలపై ఆధారపడుతుంది; అందువల్ల అనేక సమాచార వనరులను కలపడం అంచనాను మెరుగుపరచగలదు.
• రకాలు, వాతావరణాలు, నిర్వహణ పద్ధతులు మారితే నమూనా పనితీరు మారవచ్చు; కాబట్టి స్వతంత్ర ధృవీకరణ ముఖ్యం.
• ఉపగ్రహ పరిశీలన ఒక సమయంలోని పంట స్థితిని సూచిస్తుంది; భవిష్యత్ పరిస్థితులు ఎలా ఉన్నా తుది దిగుబడిని తప్పులేకుండా కొలిచేది కాదు.
• రకాలు, వాతావరణాలు, నిర్వహణ పద్ధతులు మారితే నమూనా పనితీరు మారవచ్చు; కాబట్టి స్వతంత్ర ధృవీకరణ ముఖ్యం.
• ఉపగ్రహ పరిశీలన ఒక సమయంలోని పంట స్థితిని సూచిస్తుంది; భవిష్యత్ పరిస్థితులు ఎలా ఉన్నా తుది దిగుబడిని తప్పులేకుండా కొలిచేది కాదు.
Question 13
ప్రశ్న 13
India's FASAL programme is best described as an operational approach that combines:
భారత FASAL కార్యక్రమాన్ని క్రింది ఏ కలయికను ఉపయోగించే కార్యాచరణ విధానంగా ఉత్తమంగా వివరించవచ్చు?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• FASAL stands for Forecasting Agricultural Output using Space, Agro-meteorology and Land based Observations.
• Space-derived crop acreage and spectral information are combined with weather and other observations for pre-harvest forecasting.
• The approach demonstrates how remote sensing becomes more useful when integrated with agrometeorological and ground information.
• Space-derived crop acreage and spectral information are combined with weather and other observations for pre-harvest forecasting.
• The approach demonstrates how remote sensing becomes more useful when integrated with agrometeorological and ground information.
వివరణ:
• FASALలో అంతరిక్ష ఆధారిత పరిశీలనలు, వ్యవసాయ-వాతావరణ సమాచారం, భూ ఆధారిత పరిశీలనలను కలిపి పంట ఉత్పత్తిని ముందుగా అంచనా వేస్తారు.
• ఉపగ్రహాల నుంచి పొందిన పంట విస్తీర్ణం, వర్ణపట సమాచారాన్ని వాతావరణ, ఇతర భూ పరిశీలనలతో కలిపి కోతకు ముందే అంచనాలు రూపొందిస్తారు.
• దూర సంవేదనను వ్యవసాయ-వాతావరణ, క్షేత్ర సమాచారంతో కలిపినప్పుడు దాని ఉపయోగం ఎలా పెరుగుతుందో ఈ విధానం చూపిస్తుంది.
• ఉపగ్రహాల నుంచి పొందిన పంట విస్తీర్ణం, వర్ణపట సమాచారాన్ని వాతావరణ, ఇతర భూ పరిశీలనలతో కలిపి కోతకు ముందే అంచనాలు రూపొందిస్తారు.
• దూర సంవేదనను వ్యవసాయ-వాతావరణ, క్షేత్ర సమాచారంతో కలిపినప్పుడు దాని ఉపయోగం ఎలా పెరుగుతుందో ఈ విధానం చూపిస్తుంది.
Question 14
ప్రశ్న 14
Which statement best describes India's Krishi Decision Support System (KDSS) under the Digital Agriculture Mission?
Digital Agriculture Missionలోని భారత Krishi Decision Support System (KDSS)ను ఉత్తమంగా వివరించేది ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• KDSS is a geospatial decision-support platform built to integrate multiple agriculture-related datasets.
• Its outputs can include crop and soil maps, yield estimates and drought or flood monitoring assessments.
• It supports evidence-based decisions; it is neither a farm machine nor a substitute for all field observations.
• Its outputs can include crop and soil maps, yield estimates and drought or flood monitoring assessments.
• It supports evidence-based decisions; it is neither a farm machine nor a substitute for all field observations.
వివరణ:
• KDSS అనేక వ్యవసాయ దత్తాంశ వనరులను సమన్వయం చేసే భౌగోళిక నిర్ణయ-మద్దతు వేదిక.
• పంట పటాలు, నేల పటాలు, దిగుబడి అంచనాలు, కరువు లేదా వరద పర్యవేక్షణ అంచనాలు వంటి ఫలితాలను అందించగలదు.
• ఇది ఆధారబద్ధ నిర్ణయాలకు మద్దతు ఇస్తుంది; వ్యవసాయ యంత్రం కాదు, అన్ని క్షేత్ర పరిశీలనలకు ప్రత్యామ్నాయం కూడా కాదు.
• పంట పటాలు, నేల పటాలు, దిగుబడి అంచనాలు, కరువు లేదా వరద పర్యవేక్షణ అంచనాలు వంటి ఫలితాలను అందించగలదు.
• ఇది ఆధారబద్ధ నిర్ణయాలకు మద్దతు ఇస్తుంది; వ్యవసాయ యంత్రం కాదు, అన్ని క్షేత్ర పరిశీలనలకు ప్రత్యామ్నాయం కూడా కాదు.
Question 15
ప్రశ్న 15
Consider the following components of India's Digital Agriculture Mission:
1. AgriStack
2. Krishi Decision Support System
3. Comprehensive Soil Fertility & Profile Map
Which of the above are part of the digital public infrastructure envisaged under the Mission?
1. AgriStack
2. Krishi Decision Support System
3. Comprehensive Soil Fertility & Profile Map
Which of the above are part of the digital public infrastructure envisaged under the Mission?
భారత Digital Agriculture Missionలో క్రింది అంశాలను పరిశీలించండి:
1. AgriStack
2. Krishi Decision Support System
3. సమగ్ర నేల సారవంతత మరియు నేల ప్రొఫైల్ పటం
పై వాటిలో Mission కింద ఊహించిన డిజిటల్ ప్రజా మౌలిక వసతుల్లో భాగమైనవి ఏవి?
1. AgriStack
2. Krishi Decision Support System
3. సమగ్ర నేల సారవంతత మరియు నేల ప్రొఫైల్ పటం
పై వాటిలో Mission కింద ఊహించిన డిజిటల్ ప్రజా మౌలిక వసతుల్లో భాగమైనవి ఏవి?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• The Digital Agriculture Mission envisages AgriStack, KDSS and a comprehensive Soil Fertility & Profile Map as key digital-public-infrastructure elements.
• These components serve different functions: verified registries, analytical decision support and spatial soil information.
• Their integration can support more targeted services and planning, but each still requires reliable underlying data and governance.
• These components serve different functions: verified registries, analytical decision support and spatial soil information.
• Their integration can support more targeted services and planning, but each still requires reliable underlying data and governance.
వివరణ:
• Digital Agriculture Missionలో AgriStack, KDSS, సమగ్ర నేల సారవంతత-ప్రొఫైల్ పటం ప్రధాన డిజిటల్ ప్రజా మౌలిక వసతులుగా ఊహించబడ్డాయి.
• ఇవి వరుసగా ధృవీకరించిన రిజిస్టర్లు, విశ్లేషణాత్మక నిర్ణయ మద్దతు, స్థల ఆధారిత నేల సమాచారాన్ని అందించే వేర్వేరు పనులు చేస్తాయి.
• వీటి సమన్వయం లక్ష్యిత సేవలు, ప్రణాళికకు సహాయపడగలదు; అయితే నమ్మదగిన మూల దత్తాంశం, సరైన పాలన ఇంకా అవసరం.
• ఇవి వరుసగా ధృవీకరించిన రిజిస్టర్లు, విశ్లేషణాత్మక నిర్ణయ మద్దతు, స్థల ఆధారిత నేల సమాచారాన్ని అందించే వేర్వేరు పనులు చేస్తాయి.
• వీటి సమన్వయం లక్ష్యిత సేవలు, ప్రణాళికకు సహాయపడగలదు; అయితే నమ్మదగిన మూల దత్తాంశం, సరైన పాలన ఇంకా అవసరం.
Question 16
ప్రశ్న 16
As of July 2026, India's National Pest Surveillance System (NPSS) primarily uses AI and Machine Learning for which technological function?
2026 జూలై నాటికి భారత National Pest Surveillance System (NPSS) ప్రధానంగా AI, Machine Learningను ఏ సాంకేతిక పనికి ఉపయోగిస్తోంది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• NPSS uses AI and Machine Learning to assist recognition of pest infestations and crop-health problems from submitted images.
• The resulting identification can support timely crop-protection advisories rather than merely storing photographs.
• It is a surveillance and decision-support technology, not an autonomous field-machinery or chemical-manufacturing system.
• The resulting identification can support timely crop-protection advisories rather than merely storing photographs.
• It is a surveillance and decision-support technology, not an autonomous field-machinery or chemical-manufacturing system.
వివరణ:
• NPSSలో సమర్పించిన చిత్రాల నుంచి పురుగు దాడులు, పంట ఆరోగ్య సమస్యలను గుర్తించడానికి AI, యంత్ర అభ్యాస పద్ధతులను ఉపయోగిస్తారు.
• గుర్తింపు ఫలితాలు కేవలం చిత్రాలను నిల్వ చేయడానికే కాకుండా సమయానుకూల పంట రక్షణ సలహాలకు ఉపయోగపడతాయి.
• ఇది పర్యవేక్షణ, నిర్ణయ-మద్దతు సాంకేతికత; స్వయంచాలక వ్యవసాయ యంత్రం లేదా రసాయన తయారీ వ్యవస్థ కాదు.
• గుర్తింపు ఫలితాలు కేవలం చిత్రాలను నిల్వ చేయడానికే కాకుండా సమయానుకూల పంట రక్షణ సలహాలకు ఉపయోగపడతాయి.
• ఇది పర్యవేక్షణ, నిర్ణయ-మద్దతు సాంకేతికత; స్వయంచాలక వ్యవసాయ యంత్రం లేదా రసాయన తయారీ వ్యవస్థ కాదు.
Question 17
ప్రశ్న 17
An advisory system receives a probabilistic forecast of heavy rain within the next 24 hours. Which precision-farming response is most technically defensible?
ఒక వ్యవసాయ సలహా వ్యవస్థకు వచ్చే 24 గంటల్లో భారీ వర్షం పడే అవకాశాన్ని సూచించే సంభావ్యత ఆధారిత అంచనా అందింది. సాంకేతికంగా అత్యంత సమర్థనీయమైన స్పందన ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Weather forecasts contain uncertainty and should be interpreted together with the farm's current state rather than treated as guaranteed outcomes.
• Heavy-rain probability may justify postponing irrigation or spraying when soil moisture, crop stage and operational conditions support that decision.
• Decision-support systems are valuable because they combine forecast information with field-specific context.
• Heavy-rain probability may justify postponing irrigation or spraying when soil moisture, crop stage and operational conditions support that decision.
• Decision-support systems are valuable because they combine forecast information with field-specific context.
వివరణ:
• వాతావరణ అంచనాల్లో అనిశ్చితి ఉంటుంది; వాటిని ఖచ్చిత ఫలితాలుగా కాకుండా పొలం ప్రస్తుత పరిస్థితులతో కలిపి చూడాలి.
• నేల తేమ, పంట దశ, కార్యాచరణ పరిస్థితులు అనుకూలిస్తే భారీ వర్ష అవకాశాన్ని బట్టి సాగునీరు లేదా పిచికారీని వాయిదా వేయవచ్చు.
• అంచనా సమాచారాన్ని పొలం-ప్రత్యేక సందర్భంతో కలిపి నిర్ణయానికి సహాయపడటం నిర్ణయ-మద్దతు వ్యవస్థల ప్రధాన ప్రయోజనం.
• నేల తేమ, పంట దశ, కార్యాచరణ పరిస్థితులు అనుకూలిస్తే భారీ వర్ష అవకాశాన్ని బట్టి సాగునీరు లేదా పిచికారీని వాయిదా వేయవచ్చు.
• అంచనా సమాచారాన్ని పొలం-ప్రత్యేక సందర్భంతో కలిపి నిర్ణయానికి సహాయపడటం నిర్ణయ-మద్దతు వ్యవస్థల ప్రధాన ప్రయోజనం.
Question 18
ప్రశ్న 18
Which of the following best illustrates variable-rate nutrient management rather than simple uniform mechanisation?
క్రింది వాటిలో సాధారణ సమాన యంత్రీకరణ కాకుండా ప్రాంతానుసారంగా మారే మోతాదు పోషక నిర్వహణకు ఉత్తమ ఉదాహరణ ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Variable-rate technology deliberately changes input rate according to spatially varying crop or soil requirements.
• ICAR lists variable-rate top-dressing urea application among its smart-farming technologies.
• Merely using a machine does not make an operation precision agriculture if the same rate is applied everywhere without regard to measured variability.
• ICAR lists variable-rate top-dressing urea application among its smart-farming technologies.
• Merely using a machine does not make an operation precision agriculture if the same rate is applied everywhere without regard to measured variability.
వివరణ:
• ప్రాంతానుసార మారే మోతాదు సాంకేతికతలో పంట లేదా నేల అవసరాల స్థల భిన్నత్వాన్ని బట్టి ఇన్పుట్ మోతాదును ఉద్దేశపూర్వకంగా మార్చుతారు.
• ICAR తన స్మార్ట్ వ్యవసాయ సాంకేతికతల్లో ప్రాంతానుసారంగా urea పైపూత ఎరువు వేయే వ్యవస్థను కూడా పేర్కొంటుంది.
• కొలిచిన భిన్నత్వాన్ని పరిగణించకుండా మొత్తం పొలంలో ఒకే మోతాదు వేస్తే కేవలం యంత్రం ఉపయోగించినంత మాత్రాన అది ప్రిసిషన్ వ్యవసాయం కాదు.
• ICAR తన స్మార్ట్ వ్యవసాయ సాంకేతికతల్లో ప్రాంతానుసారంగా urea పైపూత ఎరువు వేయే వ్యవస్థను కూడా పేర్కొంటుంది.
• కొలిచిన భిన్నత్వాన్ని పరిగణించకుండా మొత్తం పొలంలో ఒకే మోతాదు వేస్తే కేవలం యంత్రం ఉపయోగించినంత మాత్రాన అది ప్రిసిషన్ వ్యవసాయం కాదు.
Question 19
ప్రశ్న 19
Which statement about soil apparent electrical-conductivity mapping is scientifically most defensible?
నేల కనిపించే విద్యుత్ వాహకత పటీకరణ గురించి శాస్త్రీయంగా అత్యంత సమర్థనీయమైన ప్రకటన ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Apparent electrical conductivity is a useful proximal-sensing variable for mapping within-field differences.
• The signal is influenced by several properties, including salinity, water content, clay content and temperature, depending on conditions.
• Ground sampling and calibration are therefore important before translating conductivity zones into management recommendations.
• The signal is influenced by several properties, including salinity, water content, clay content and temperature, depending on conditions.
• Ground sampling and calibration are therefore important before translating conductivity zones into management recommendations.
వివరణ:
• కనిపించే విద్యుత్ వాహకత పొలంలోని ప్రాంతీయ భిన్నత్వాన్ని పటీకరించడానికి ఉపయోగకరమైన సమీప సంవేదన పరామితి.
• పరిస్థితులను బట్టి ఉప్పుతనం, నీటి పరిమాణం, మట్టి కణాల వాటా, ఉష్ణోగ్రత వంటి అనేక లక్షణాలు ఈ సంకేతాన్ని ప్రభావితం చేస్తాయి.
• అందువల్ల వాహకత ప్రాంతాలను నిర్వహణ సూచనలుగా మార్చే ముందు నేల నమూనాలు, ప్రమాణీకరణ ముఖ్యం.
• పరిస్థితులను బట్టి ఉప్పుతనం, నీటి పరిమాణం, మట్టి కణాల వాటా, ఉష్ణోగ్రత వంటి అనేక లక్షణాలు ఈ సంకేతాన్ని ప్రభావితం చేస్తాయి.
• అందువల్ల వాహకత ప్రాంతాలను నిర్వహణ సూచనలుగా మార్చే ముందు నేల నమూనాలు, ప్రమాణీకరణ ముఖ్యం.
Question 20
ప్రశ్న 20
Which statement identifies an important technological limitation of AI-based smart farming?
AI ఆధారిత స్మార్ట్ వ్యవసాయంలోని ముఖ్యమైన సాంకేతిక పరిమితిని గుర్తించే ప్రకటన ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Machine-learning performance depends on the quality, representativeness and relevance of the data used for training and operation.
• Sensor bias, missing data or domain shift between regions can produce poor recommendations even when the algorithm is sophisticated.
• Human agronomic expertise, field validation and data-quality controls therefore remain important in smart farming.
• Sensor bias, missing data or domain shift between regions can produce poor recommendations even when the algorithm is sophisticated.
• Human agronomic expertise, field validation and data-quality controls therefore remain important in smart farming.
వివరణ:
• యంత్ర అభ్యాస పనితీరు శిక్షణ, వినియోగంలో ఉపయోగించే దత్తాంశ నాణ్యత, ప్రతినిధిత్వం, స్థానిక అనుకూలతపై ఆధారపడుతుంది.
• సంవేదకాల్లో వ్యవస్థాగత కొలత లోపాలు, దత్తాంశ లోపాలు లేదా ప్రాంతాల మధ్య పరిస్థితుల మార్పు వల్ల క్లిష్టమైన అల్గోరిథమ్ ఉన్నప్పటికీ తప్పు సూచనలు రావచ్చు.
• అందువల్ల వ్యవసాయ నిపుణుల జ్ఞానం, క్షేత్ర ధృవీకరణ, దత్తాంశ నాణ్యత నియంత్రణ స్మార్ట్ వ్యవసాయంలో ఇంకా కీలకం.
• సంవేదకాల్లో వ్యవస్థాగత కొలత లోపాలు, దత్తాంశ లోపాలు లేదా ప్రాంతాల మధ్య పరిస్థితుల మార్పు వల్ల క్లిష్టమైన అల్గోరిథమ్ ఉన్నప్పటికీ తప్పు సూచనలు రావచ్చు.
• అందువల్ల వ్యవసాయ నిపుణుల జ్ఞానం, క్షేత్ర ధృవీకరణ, దత్తాంశ నాణ్యత నియంత్రణ స్మార్ట్ వ్యవసాయంలో ఇంకా కీలకం.
Answer Key సమాధానాల పట్టిక
-
Question 1 ప్రశ్న 1Answer: B. Measure spatial and temporal variability and manage inputs site-specifically where useful సమాధానం: B. స్థల, కాల భిన్నత్వాన్ని కొలిచి అవసరమైన చోట ప్రాంతానుసారంగా ఇన్పుట్లను నిర్వహించడం
-
Question 2 ప్రశ్న 2Answer: C. Only three సమాధానం: C. మూడు మాత్రమే
-
Question 3 ప్రశ్న 3Answer: A. Closed-loop sensor-based irrigation control సమాధానం: A. ప్రతిస్పందన ఆధారిత సంవేదక-నియంత్రిత సాగునీటి వ్యవస్థ
-
Question 4 ప్రశ్న 4Answer: A. A georeferenced prescription map, reliable position information and a controller capable of changing application rate సమాధానం: A. భౌగోళిక స్థానంతో అనుసంధానించిన మోతాదు పటం, నమ్మదగిన స్థాన సమాచారం, వేయాల్సిన మోతాదును మార్చగల నియంత్రకం
-
Question 5 ప్రశ్న 5Answer: B. 1 and 2 only సమాధానం: B. 1 మరియు 2 మాత్రమే
-
Question 6 ప్రశ్న 6Answer: A. Both A and R are true, and R is the correct explanation of A సమాధానం: A. A, R రెండూ సరైనవి; Aకు R సరైన వివరణ
-
Question 7 ప్రశ్న 7Answer: A. Satellites generally offer broad-area repeat coverage, while drones can provide finer local detail but over smaller areas and with operational constraints సమాధానం: A. ఉపగ్రహాలు సాధారణంగా విస్తృత ప్రాంతాన్ని పునరావృతంగా గమనించగలవు; డ్రోన్లు చిన్న ప్రాంతాల్లో మరింత సూక్ష్మ వివరాలు ఇవ్వగలిగినా కార్యకలాప పరిమితులు ఉంటాయి
-
Question 8 ప్రశ్న 8Answer: B. Use imagery to flag suspect zones → verify the cause → create a georeferenced treatment map → apply pesticide only where justified సమాధానం: B. చిత్రాలతో అనుమానిత ప్రాంతాలను గుర్తించడం → కారణాన్ని ధృవీకరించడం → భౌగోళిక చికిత్స పటం తయారు చేయడం → అవసరమైన ప్రాంతాల్లో మాత్రమే మందు వేయడం
-
Question 9 ప్రశ్న 9Answer: A. Sensor measurement → communication/gateway → processing or decision logic → command to actuator or advisory సమాధానం: A. సంవేదక కొలత → సమాచార ప్రసారం/గేట్వే → విశ్లేషణ లేదా నిర్ణయ తర్కం → కార్యనిర్వాహక పరికరానికి ఆదేశం లేదా సలహా
-
Question 10 ప్రశ్న 10Answer: A. It can reduce herbicide use by treating detected weeds rather than spraying the entire area uniformly సమాధానం: A. మొత్తం ప్రాంతంలో సమానంగా పిచికారీ చేయకుండా గుర్తించిన కలుపు మొక్కల వద్ద మాత్రమే కలుపు మందు వేయడం వల్ల దాని వినియోగాన్ని తగ్గించగలదు
-
Question 11 ప్రశ్న 11Answer: A. Improved positioning accuracy that can reduce pass-to-pass overlap and support repeatable field operations సమాధానం: A. స్థాన నిర్ధారణ ఖచ్చితత్వం పెరిగి వరుస ప్రయాణాల మధ్య అనవసర మేళవింపును తగ్గించడం, పునరావృత క్షేత్ర పనులను ఖచ్చితంగా చేయడం
-
Question 12 ప్రశ్న 12Answer: B. 1 and 2 only సమాధానం: B. 1 మరియు 2 మాత్రమే
-
Question 13 ప్రశ్న 13Answer: A. Space-based observations, agrometeorological information and land-based observations for in-season crop forecasting సమాధానం: A. పంట సీజన్లోనే అంచనాల కోసం అంతరిక్ష ఆధారిత పరిశీలనలు, వ్యవసాయ-వాతావరణ సమాచారం, భూ ఆధారిత పరిశీలనలను కలిపి ఉపయోగించడం
-
Question 14 ప్రశ్న 14Answer: A. It integrates sources such as satellite imagery, weather, soil, water and crop information to support analytical outputs and agricultural decisions సమాధానం: A. ఉపగ్రహ చిత్రాలు, వాతావరణం, నేల, నీరు, పంట సమాచారం వంటి అనేక వనరులను సమన్వయం చేసి విశ్లేషణాత్మక ఫలితాలు, వ్యవసాయ నిర్ణయాలకు మద్దతు ఇస్తుంది
-
Question 15 ప్రశ్న 15Answer: D. 1, 2 and 3 సమాధానం: D. 1, 2 మరియు 3
-
Question 16 ప్రశ్న 16Answer: A. Image-assisted detection and identification of pest or crop-disease problems to support timely advisories సమాధానం: A. చిత్రాల సహాయంతో పురుగు లేదా పంట వ్యాధి సమస్యలను గుర్తించి సమయానుకూల సలహాలకు మద్దతు ఇవ్వడం
-
Question 17 ప్రశ్న 17Answer: C. Combine forecast probability with crop stage, soil moisture and field conditions before deciding whether to postpone irrigation or spraying సమాధానం: C. సాగునీరు లేదా పిచికారీ వాయిదా వేయాలా అనే నిర్ణయానికి ముందు వర్ష అవకాశాన్ని పంట దశ, నేల తేమ, పొలం పరిస్థితులతో కలిపి పరిశీలించడం
-
Question 18 ప్రశ్న 18Answer: B. A top-dressing system changes urea rate among field zones according to a validated prescription or sensed crop requirement సమాధానం: B. ధృవీకరించిన మోతాదు సూచన లేదా సంవేదకంతో గుర్తించిన పంట అవసరాన్ని బట్టి పొలం ప్రాంతాల మధ్య urea మోతాదును మార్చే పైపూత ఎరువు వ్యవస్థ
-
Question 19 ప్రశ్న 19Answer: A. A conductivity map can reveal spatial zones, but interpretation requires calibration because salinity, texture, moisture and other factors may influence the signal సమాధానం: A. విద్యుత్ వాహకత పటం ప్రాంతీయ భిన్నత్వాన్ని చూపగలదు; అయితే ఉప్పుతనం, నేల నిర్మాణం, తేమ మరియు ఇతర అంశాలు సంకేతాన్ని ప్రభావితం చేయవచ్చు కాబట్టి ప్రమాణీకరణ అవసరం
-
Question 20 ప్రశ్న 20Answer: A. AI recommendations can be unreliable if training data are unrepresentative, sensors are poorly calibrated or local conditions differ from those used to build the model సమాధానం: A. శిక్షణ దత్తాంశం స్థానిక పరిస్థితులను ప్రతినిధ్యం చేయకపోతే, సంవేదకాలు సరిగా ప్రమాణీకరించకపోతే లేదా నమూనా రూపొందించిన పరిస్థితులు వేరుగా ఉంటే AI సూచనలు నమ్మదగనివిగా మారవచ్చు