Smart Farming – A mezőgazdaság digitalizációja

Image courtesy of Vlado at FreeDigitalPhotos.net

A digitális forradalom

Napjainkban egy olyan robbanásszerű változáson megy keresztül a világ, mely elsősorban az információtechnológiai eszközök elterjedésével és azok új szintű használatával függ össze. Az internet általános körű használata, az újabb és újabb szenzorok megjelenése és használata, valamint az elektronikus kommunikáció olyan szinten változtatta meg a mindennapi életünket, tájékozódásunkat a világban, olvasási és médiafogyasztási szokásainkat, hogy ha egy mai tinédzsert visszahelyeznénk a 80-as évekbe, akkor könnyen lehet, hogy kőbaltás ősembernek érezné magát. Pedig a digitalizációnak még csak a kezdetén állunk, sok helyen látjuk már a következő évek trendjeit és a várható új megoldásokat, de hosszabb távon még lesz bőven meglepetésben részünk. Az azonban biztos, hogy az ipari és a mezőgazdasági termelés digitalizációja feltartóztathatatlan és annak alkalmazása nagyon komoly versenyelőnyt jelent azokkal szemben, akik ragaszkodnak az analóg gazdálkodáshoz. Természetesen a digitalizációnak nem csak előnyei vannak, hanem kockázatai is, melyekkel tisztában kell lennünk. A digitalizációval kapcsolatos előnyök, új kihívások de a veszélyek is az élet teljes területét lefedik, nem kizárólag a mezőgazdasági termelést érintik. A digitalizációt emberek hozzák létre azzal, hogy napról napra új hardvereket, szoftvereket készítenek, új eljárásokat hoznak létre. A digitalizáció a mindennapjaink része akkor is, ha sokszor erről nem is veszünk tudomást.

A XXI. század nyersanyaga az adat

A tőzsdei kapitalizáció alapján a világ 5 legértékesebb cége közül három (Apple, Google, Microsoft) egyértelműen a digitalizációhoz köthető. Míg az Apple és a Microsoft kifejezetten kézzelfogható termékeket forgalmaz, addig a Google esetében már nem ilyen egyértelmű a helyzet. Ma a világon senki más nem gyűjti és dolgozza fel az adatokat olyan intenzitással és hatékonysággal, mint azt a Google teszi. Ha egy átlagfelhasználó az interneten bármit tesz, az a Google előtt általában nem marad rejtve és többek között az irányított keresési eredményekben és célzott reklámokban manifesztálódik. Információ természetesen nem csak az interneten van, hanem mindenhol, így a mezőgazdasági termelés során is rengeteg adat keletkezik, melyek jelentős részéről tudomást sem veszünk. A Smart Farming alapja, hogy ezeket az adatokat ne hagyjuk hasznosulatlanul elveszni, hanem építsük be a termelési és a döntési folyamatokba, hiszen a cél a fenntartható, gazdaságos termelés. Jóllehet az adat nem helyettesíti sem a vetőmagot, sem a műtrágyát, de hiányát sem lehet többlet inputanyaggal kompenzálni. Természetesen a rendelkezésre álló adat csak annyit ér, amennyit hasznosítunk belőle. Ha nem tudjuk megfelelő módon gyűjteni, tárolni, idegenektől megvédeni, és kiértékelni, akkor olyan mintha nem is lenne. Addig amíg az adatok gyűjtése és tárolása tisztán technikai kérdés, az adatok védelme és különösen azok kiértékelése komoly szaktudást feltételeznek. A Smart Farming nagy mértékben felértékeli a tudást, az “úgy csináljuk, ahogy mindig is szoktuk” mentalitás összeegyeztethetetlen a digitális mezőgazdasággal. Az adatok pont azért vannak, hogy a termelés bármely szakaszában gyorsan és pontosan beavatkozhassunk az optimális folyamat érdelében. Digitális gazdaság és ezen belül Smart Farming sem lesz tudás alapú társadalom nélkül. Az információ új információt generál és erre a kihívásra csak az tud megfelelően reagálni, aki kész élete végéig tanulni, az új dolgokra nyitottnak lenni, ez a digitalizáció egyik nagy kockázata az egyes ember szemszögéből. Az újkori írástudatlanság neve digitális analfabetizmus. Szakmák fognak nyomtalanul eltűnni a süllyesztőben és új eddig ismeretlen szakmák fognak megjelenni. A másik nagy kockázat a digitális önrendelkezés elvesztése, ami gyakorlatilag annyit jelent, hogy az én személyes és/vagy üzemi adataim illetéktelenek számára is hozzáférhetőek. Az illetéktelenek fogalmát elég tágan lehet értelmezni, ebbe éppúgy belefér a titkosszolgálatok adathalászata, mint a közvetlen konkurensek vagy akár hatóságok, hivatalok hozzáférése bizalmas, adott esetben üzleti titkokat tartalmazó adatokhoz. A digitális önrendelkezés alapja, hogy az üzemi és személyes adataim fölött én gyakoroljam az ellenőrzést és csak az általam kontrollált módon kerüljön az máshoz. Nem kell itt feltétlenül nagy dolgokra gondolni, kérdezte már valaki, hogy egy felhőalapú szolgáltatásnál melyik országban van a szerver, ott milyen az adatvédelem jogi helyzete, ki férhet hozzá az adataihoz, titkosítva vannak-e az adatai a távoli szerveren, vagy egy esetleges betörés után minden olvasható formában letölthető-e onnan? Mi történik, ha a szolgáltató csődbe megy, esetleg csak lekapcsolja a szervert? Vagy a kedvenc példám az e-mail: Gondolom azzal mindenki tisztában van, hogy az e-mail információvédelme nagyjából a postai levelezőlappal azonos, azaz bízunk benne, hogy a postai dolgozók csukott szemmel dolgozzák fel őket és senki még véletlenül sem pillant rá, nehogy elolvassa. Bizalmas információkat vélhetőleg senki sem írna meg levelező lapon partnereinek. Akkor miért levelezünk titkosítás nélkül? Gyakorlatilag minden valamirevaló e-mail kliens, még az okostelefonon is támogatja a titkosítást, csak használni kellene, hiszen már tudjuk, hogy az adat a XXI. század nyersanyaga és az ára nem fog úgy esni, mint a kőolajé.

A precíziós gazdálkodás az első lépés a Smart Farming irányába

Az elmúlt években a növények termesztésének technológiája döntően a GPS jelek használatának függvényében változott. A nagy pontosságú navigáció, a gépek automatikus vezérlése a precíziós gazdálkodás technikai alapfeltétele. Precíziós gazdálkodásról szigorú értelemben akkor beszélhetünk, ha helyspecifikus információkkal dolgozunk és az egyes anyagok kijuttatását is helyspecifikusan végezzük. A precíziós gazdálkodás sem képzelhető el komoly adatgyűjtés és feldolgozás nélkül, ezért a szoftver ugyanúgy alapfeltétele mint a GPS jel. Ha változtatható tőszámmal szeretnénk vetni, vagy műtrágyát helyspecifikusan kijuttatni, akkor először is olyan információkra van szükségünk, mely a kijuttatandó anyagmennyiséget szakmailag megalapozza. Ma már számtalan lehetőségünk van a tábláinkat nagy pontossággal feltérképezni, hogy részletes és helyspecifikus információkkal rendelkezzünk azokról. Dolgozhatunk hozamtérképekkel, GPS támogatással végzett talajvizsgálatokkal, Talking Fields térképekkel, de nitrogénszenzorokkal készített NDVI térképekkel is, hogy néhány elterjedtebb formát említsünk. Természetesen minél komplexebb kép áll egy tábláról rendelkezésre, annál összetettebb feladat az optimális döntés meghozatala. A precíziós gazdálkodás elterjedése együtt fog járni a magas szintű szaktanácsadással is. Ma már sok üzemben nem a technikai végrehajtás lehetősége a limitáló tényező, hiszen a géppark ezeket a funkciókat már nagyon sok esetben tudja, hanem az információk interpretálásának a korlátai akadályozzák a precíziós gazdálkodásra való áttérést. Ezen a helyzeten sokat segíthet egy intuitív módon használható döntéstámogató szoftver, mellyel egyszerűen készíthető kijuttatási (applikációs) térkép. A precíziós gazdálkodás már napjainkban is lehetővé teszi a környezettudatos és költséghatékony gazdálkodást. A precíziós gazdálkodás és a Smart Farming között nem létezik éles választóvonal, az előbbi feltétele a másiknak.

Smart Farming az intelligens mezőgazdaság

A digitalizáció általánossá válásával a precíziós gazdálkodás fokozatosan átalakul és ennek a folyamatnak az eredménye a Smart Farming. Mint már említettük, nem lehet éles határvonalat húzni a precíziós gazdálkodás és a Smart Farming közé. Ha a traktorunkra egy nitrogénszenzort szerelünk, mely valós időben képes a műtrágyaszót vezérelni, miközben mi a tábláról rendelkezésre álló távérzékelési adatok alapján egy applikációs térkép segítségével tovább finomítjuk a műtrágyaszóró vezérlését, akkor ez precíziós gazdálkodás vagy Smart Farming? Mai ismereteink alapján az egyik következő Smart Farming alkalmazás a dolgok internetének (IoT) megjelenése lesz a termelésben. Itt elsősorban különböző szenzorokra kell gondolni, melyek az általuk mért értékeket az interneten keresztül folyamatosan küldik egy szerverre, de akár egymás között is kommunikálhatnak és bizonyos akciókat önállóan is elindíthatnak. Ennek jó példája lehet olyan szenzor, mely meteorológiai-, talaj, vagy éppen növényélettani paramétereket mér. Persze a terménytárolóban is lehetnek olyan szenzorok, mely a minőségi paramétereket folyamatosan monitorozzák és az adatokat összegyűjtik. A Smart Farming egyik sajátossága a nagymennyiségú adat koncentrált gyűjtése, kezelése és feldolgozása (Big Data). A GPS és a széles sávú internet mellett kulcstechnológia lesz az adatfeldolgozás, a középpontba pedig a szoftver kerül. A Smart Farming szempontjából kiemelten fontos, hogy a termelés és feldolgozás különböző fázisaiban keletkező információk összekapcsolhatók legyenek. A különböző gyártók és szolgáltatók által generált adatoknak átjárhatóknak kell lenni, nem ragadhatnak be egy egy multinacionális cég ökoszisztémájába. A Smart Farming a termelés egész folyamatát lefedi és egyben összefogja ezért standard megoldásokra és szabványokra kell alapulnia.

Közeli és távoli trendek

A jelenleg zajló úgynevezett 4. ipari forradalom (Ipar 4.0) első kézzelfogható eredményei már jól láthatók. Az átlagember leginkább talán az autóiparban zajló változást érzékeli. Az autó az a termék, hasonlóan a traktorhoz, kombájnhoz, ahol szemünk láttára vált az “ostoba” vasból, hightech intelligens termék. A normál, utcai forgalomban használható autonóm (vezető nélküli) autóra már csak néhány évet kell várni, jelenleg a jogszabályi háttér nagyobb akadály, mint a technikai kérdések. A mezőgazdaságban is ugyanígy jöhetnek az autonóm munkagépek, melyek a gép-gép (M2M) kommunikáció használatával közösen, összehangoltan is képesek dolgozni. A dolgok internete (IoT), a különböző intelligens szenzorok, és természetesen a drónok, melyek szintén autonóm módon fognak repülni, biztosítják a kiegészítő támogatást a munkagépeknek. A jövő zenéje pedig a mesterséges intelligencia. Első lépésként nemcsak a telefonunkat és a számítógépünket vezérelhetjük élő szóval, hanem a termelési folyamatot is, később elég lesz csak gondolni a feladatra ahhoz, hogy a gépek teljesítsék azt. Egy szép nap pedig….

Big Data a mezőgazdaságban

 

Nemesítés és informatika

A mezőgazdaság alapvető feladata az emberiség élelmiszerrel való ellátása. A Föld népességének várható további gyarapodása és a meglévő erőforrások ésszerű felhasználása, azaz a fenntartható gazdálkodás, két olyan sarkalatos pont, mely a közeljövő mezőgazdaságát alapvetően meghatározza. Nem elég mennyiségileg többet termelni, hanem ezt a növekedést a mainál sokkal hatékonyabb input-anyagfelhasználással kell elérni. Ebben a genetika mellet, mely mind a növénytermesztésben, mind az állattenyésztésben a termelésnövekedés egyik fő motorja, a termelés digitalizációja, azaz az információk összegyűjtése, feldolgozása és okszerű felhasználása, tehát a Smart Farming a másik főszereplő.

A precíziós gazdálkodás az első lépés

A precíziós gazdálkodás (Wikipédia Link) a Smart Farming alapvető eleme, enélkül a fokozat nélkül egyszerűen nem lehet továbblépni. A precíziós gazdálkodás egyik legnagyobb előnye, hogy a kijuttatott anyagok mennyiségét és térbeli elhelyezkedését sokkal pontosabban lehet szabályozni, mint a hagyományos módon. Kissé sarkítva akár úgy is fogalmazhatunk, hogy a zsák helyett evőkanállal, a kanna helyett pedig pipettával adagoljuk, akkor és oda a vetőmagot, műtrágyát, növényvédő szert, amikor a munkaművelet optimális időpontja elérkezett. A szigorú értelemben vett precíziós gazdálkodás a kijuttatási (applikációs) térképek használatát is magában foglalja. Az applikációs térképek készítéséhez azonban helyspecifikus információkra van szükség, enélkül a precíziós kijuttatásnak nincs értelme.

Információ minden mennyiségben

A Smart Farming és a Big Data (Wikipédia Link) kéz a kézben jár. Vegyünk egy egyszerű példát, mely már ma is bárki számára megvalósítható, ha rendelkezik a (kereskedelmi forgalomban kapható) technikai háttérrel. Példánkban az osztott nitrogénműtrágyázás egy olyan esetét nézzük meg, ahol a szenzortechnika, a távérzékelés és az applikációs térkép egy egységet képez és az eredőjük határozza meg a kijuttatandó anyag mennyiségét a tábla adott pontján. Erről már egy korábbi posztban részletesen írtunk (A távérzékelés és a szenzortechnika kombinációja). A kijuttatást megalapozó, a termőterületre jellemző helyspecifikus adatok sok forrásból származhatnak, az azonban közös bennük, hogy jelentős mennyiségű adatot tartalmaznak, ill. jelentős mennyiségű adat feldolgozásával jönnek létre. Ezek az adatok éppúgy lehetnek valós idejűek, mint történelmi adatok, azaz olyan információk, melyek egy korábbi időpontban keletkeztek. Költséghatékonyság szempontjából az egyik legjobb megoldás a távérzékelési adatok használata. Ezek egy része, mint például a Talking Fields térképek alapjául szolgáló műholdfelvételek eleve rendelkezésre állnak, elkészíttetésük a felhasználó számára nem jelent sem külön költséget, sem személyes közreműködést és természetesen a táblákon sem történik semmilyen fizikai behatás, hiszen az adatgyűjtéshez nem kell a táblára rámenni. Természetesen adatok származhatnak rengeteg más forrásból, lehet drónokkal dolgozni, hozamtérképeket, talajgenetikai térképeket, talajvizsgálati eredményeket stb. felhasználni.

Központi elem a szoftver

Az összegyűjtött adatokat tárolni, feldolgozni, kiértékelni és felhasználni csak megfelelő szoftver segítségével lehet. Természetesen a Smart Farming és a Big Data a programokkal szemben további követelményeket támaszt. A nagy mennyiségű adat kezeléséhez mindenképpen egy olyan robusztus adatbank (adatbázis kezelő) szükséges, mely képes megbirkózni ezzel az adattömeggel. A következő lényeges szempont az adatok importálása és exportálása, hiszen a nyersadatoknak be kell kerülniük a rendszerbe és a feldolgozás után pl. applikációs térképek, bordcomputer feladatok formájában el kell hagyniuk azt. További nagyon fontos elem a kiértékelési lehetőség széles köre, hiszen az adatokat nem öncélúan gyűjtjük, hanem azért, hogy belőlük megfelelő következtetéseket levonva, döntéseket (pl. az applikációs térkép tartalma) hozhassunk.Ezért érdemes már ma olyan szoftver keresni, mely a precíziós gazdálkodást is támogatja és a Smart Farming irányába mutat.

A fajta helye, szerepe, és a táblán belüli váltogatott fajtahasználattal kapcsolatos kérdések a precíziós gazdálkodásban

A gazdálkodásban általában egységesen művelt földdarabot értünk „termőhely” megnevezés alatt, s e szerint tulajdonítunk neki a tőle természetes vagy mesterséges határokkal elválasztott területektől megkülönböztető sajátságokat. E – legtöbbször pontosan alig ismert – sajátságok összességének eredője alapján minősítjük a termőhelyet, s rendelünk hozzá, termeszthető terményeket, technológiát, minőséget.
A fajta és a termőhely kapcsolatát csak akkor tudjuk igazán kihasználni, ha a fajta tulajdonságairól, különösen ami a tápanyag hasznosító képességet, gyomirtó szer toleranciát és szárazság stresszt illeti, a jelenleginél szélesebb ismeretekkel rendelkezünk. (Figyelemfelkeltő cikk)
Szieberth Dénes

A távérzékelés és a szenzortechnika kombinációja

AO Greenseeker ISOBUS

A precíziós gazdálkodás és a Smart Farming

A Smart Farming egy evolúciós folyamat része, azaz bevezetése egy üzemben nem ugrásszerűen történik, hanem lépésről-lépésre. Ebben a folyamatban egy megkerülhetetlen fokozat a precíziós gazdálkodás megléte, hiszen ez adja a gépi oldalról azt az alapfeltételt, ami az intelligens mezőgazdasághoz szükséges, valamint a másik oldalról ez biztosítja azt a szoftver hátteret, mely a keletkező adatokat feldolgozza és kiértékeli, valamint a gazdaság számára jogszabályokban meghatározott dokumentációkat (pl. Gazdálkodási Napló, permetezési napló stb.) elkészíti. A precíziós gazdálkodás esetében a helyspecifikus anyagkijuttatás, azon belül is elsősorban a műtrágya és vetőmag mennyiségének a szabályozása az, mely a már korábban összegyűjtött adatok kiértékelésén és feldolgozásán alapul. Ezek az adatok lehetnek saját felvételezések, pl. hozamtérkép, lehetnek távérzékelési adatok, pl. Talking Fields térképek és lehetnek laboradatok is, pl. talajvizsgálati eredmények. Az így összeállított adatok lehetnek ugyan nagyon pontosak, de tagadhatatlanul egy vagy több korábbi aratási év eredményeit adják vissza, az aktuális állapotra nem reflektálnak. A múltbeli tényadatokból kényelmesen tudunk a számítógépünkön változtatható anyagkijuttatást vezérlő applikációs térképeket készíteni. Amennyiben valós idejű, az aktuális növényállomány állapotát is figyelembe vevő anyagkijuttatást szeretnénk végezni, akkor már szenzorokra is szükségünk van a vezérléshez.

N-szenzorok

Az utóbbi időben rohamosan terjed a nitrogénszenzorok használata, melyekkel a tápanyag-utánpótlást lehet optimalizálni. A különböző gyártmányú szenzorok nagyon hasonló elven működnek és a növényállomány fejlettségéről és nitrogénellátottságáról az úgynevezett NVDI érték (Wikipédia Link) formájában adnak tájékoztatást. Az NDVI érték közvetlenül felhasználható a műtrágyaszóró vezérlésére. A nitrogénszenzor kizárólagos használatának ugyanaz az előnye, ami egyben a legnagyobb hátránya is: A szenzor csak a valós idejű értékeket veszi figyelembe, így a múltbeli tapasztalatok nélkül, automatikusan az aktuális állapot alapján vezérel, ami nem feltétlenül jelenti az optimális kijuttatást. Az igazi előrelépést az jelenti, ha a múltbeli adatokat (hozamtérkép, Talking Fields, talajvizsgálat) és a valós idejű adatokat (N-szenzor) egymással kombináljuk és így alapozzuk meg a gazdaságilag optimális tápanyag kijuttatást.

A kulcs a Map Overlay

A Map Overlay használatával egyszerűen lehet kombinálni a múltbeli, térkép alapú és a valós idejű adatokat és így a nitrogénkijuttatást még pontosabban lehet szabályozni. A Map Overlay lényege, hogy egy applikációs térkép segítségével korrigáljuk az NDVI adatok alapján kijuttatandó tápanyagmennyiséget. Így roppant egyszerűen lehet az általunk kiválasztott helyekre minimális vagy maximális értéket megadni, függetlenül attól, hogy az NDVI érték szerint az adott pontra kevesebb vagy több lenne a tápanyag-kijuttatás. Természetesen ez csak akkor működik, ha a rendszerünk összes eleme, hardver és szoftver egyaránt, támogatja ezt megoldást.

Egy gyakorlati példa

A valóságban a Map Overlay felhasználása a következő példában részletezett módon zajlik. Első lépésként feldolgozzuk az érintett táblák Talking Fields alaptérképeit az AO Agrár-Office programcsomag segítségével, majd adott esetben a talajvizsgálati eredményeket is figyelembe véve, elkészítjük a programmal a Map Overlay applikációs térképet. Az applikációs térkép alapján elkészített feladatot (előírást) a szokásos módon feltöltjük egy John Deere Greenstar 2630 (GS3) monitorra. Ezután a traktorunkra felszerelt AO Greenseeker ISOBUS nitrogénszenzorunkkal úgy vezérelhetjük a GS 2630 monitoron keresztül az ISOBUS (Wikipédia Link) műtrágyaszórónkat, hogy az aktuális NDVI érték alapján meghatározott szórási mennyiség a Map Overlay applikációs térképpel korrigálásra kerül. Miután az AO Greenseeker ISOBUS eszköz esetében tetszőlegesen határozhatjuk meg az adott NDVI tartományhoz tartozó kijuttatási értékeket a Greenstar monitoron, így a teljes kijuttatási stratégia a kezünkben marad. Ez egyben ennek, az itt felvázolt rendszernek a legfontosabb jellemzője is. Az összegyűjtött és feldolgozott adatok, továbbá a valós idejű szenzoradatok összehangolásával és együttes alkalmazásával pontosan az a stratégia kerül megvalósításra (adott helyen, adott mennyiségű műtrágya kijuttatása), amit szakmailag a legjobbnak tartunk.

Növénytermesztés: Digitális térképek alapozzák meg a döntéseket

A növénytermesztők számára igen sokféle digitális térkép áll rendelkezésre. Lehet hozamtérkép, tápanyagellátottsági vagy éppen talajtani térkép, a listát sokáig lehetne folytatni. A térkép részben a lokális hozamkülönbségekről, vagy például az adott terület termőképességéről (Talking Fields alaptérkép) adnak felvilágosítást. A digitális térképek egy adott pillanat vagy egy hosszabb időszak jellemző állapotát adják vissza nagy pontossággal és a jó térbeli felbontással, azonban a táblán belüli különbségek magyarázatával, az okok feltárásával adósok maradnak.

Talking Fields alaptérkép

A digitális térképek, ugyanúgy mint a táblatörzskönyv arra szolgálnak, hogy a gazdálkodó számára az információkat összegyűjtsék és megjelenítsék, de a döntés az mindig a növénytermesztő kezében van. A térképi információk megfelelő interpretálásához azonban speciális ismeretekre is szükség van, amit vagy elsajátít valaki, vagy szaktanácsadó segítségét érdemes igénybe vennie. A térképek csak eszközök, melyeket lehet jól, de lehet rosszul is használni. Az utóbbi esetben azonban hiába várunk többlettermést vagy költségmegtakarítást a térképek használatától.
Pontosan ezen okok miatt lesz a 2015 évi Agritechnika kiállítás egyik kiemelt témája a digitális térképek értelmezése.
http://www.agritechnica.com/digital-cropping.html