Tarkkuusviljely

Kohdistettu lannoitus, satelliitti, anturit, levitys, ruiskutus, lennokit, RTK, robotisaatio, ohjelmisto....

TarkkuusmaatalousKohdistettu lannoitus, satelliitti, anturit, levitys, ruiskutus, lennokit, RTK, robotisaatio, ohjelmisto....

Teemat / Tarkkuusviljely

Tarkkuusviljely, joka syntyi 1980-luvulla Yhdysvalloissa, perustuu tieto- ja digitaalitekniikan käyttöön maataloustuotannon alueellisen ja ajallisen vaihtelun huomioon ottamiseksi viljelykäytännöissä. Tarkemmin sanottuna International Society for Precision Agriculture(ISPA) määrittelee täsmäviljelyn "hallintostrategiaksi, joka kerää, käsittelee ja analysoi alueellisia, ajallisia ja yksilöllisiä tietoja ja yhdistää ne muihin tietoihin ohjatakseen mukautettuja kasvien tai eläinten hoitopäätöksiä, joilla pyritään parantamaan resurssien tehokkuutta, tuottavuutta, laatua, kannattavuutta ja maataloustuotannon kestävyyttä".

Tavoitteet

Tarkkuusviljelyllä pyritään vastaamaan moniin taloudellisiin, agronomisiin, ympäristöllisiin ja sosiaalisiin haasteisiin:

• Taloudelliset: lisätä keskimääräisiä tuotantosatoja ja/tai vähentää tuotantokustannuksia, erityisesti tuotantopanosten käyttöön liittyviä kustannuksia. Satojen heterogeenisuus on sekä luonnollista alkuperää (topografia, kivilaji jne.) että ihmisen toimintaan (maanmuokkaus, lannoitteiden levitys jne.) liittyvää inhimillistä alkuperää. Tarkkuusviljelyä on perinteisesti käytetty tuotantopanosten, erityisesti typpipanosten , käytön optimointiin.
• Agronominen: käytäntöjen mukauttamisen optimointi viljelykasvien tarpeisiin.
• Ympäristö: tuotantopanosten aiheuttaman tietynlaisen saastumisen, kutentypen huuhtoutumisen, vähentäminen ja vesivarojen käytön rajoittaminenkasteluun.
• Sosiaalinen: työmukavuuden parantaminen ja työajan optimointi.

Täsmäviljelyn 4 vaihetta

Tarkkuusviljely voidaan jakaa neljään vaiheeseen:

• Hankinta: tietojen kerääminen maataloustuotannon vaihtelun mittaamiseksi ja kvantifioimiseksi.
• Luonnehdinta: agronomisten tietojen hankkiminen kerättyjen tietojen kontekstualisoimiseksi ja merkityksellistämiseksi.
• Suositukset: kerättyjen tietojen analysointi vaihtelun ymmärtämiseksi ja vaihtelun huomioon ottavien teknisten reittien valitseminen.
• Soveltaminen: viljelyä koskevien päätösten toteuttaminen (lannoitteiden, kastelun jne. mukauttaminen).

Tiedonkeruu ja vaihtelun mittaaminen

Mitatut parametrit

Kerättyjen tietojen avulla voidaan ymmärtää eri parametrien heterogeenisuutta lohkolla:

• Maaperän fysikaalis-kemialliset ja biologiset ominaisuudet: Johtavuus- tai sähkövastuskarttoja voidaan käyttää maaperäanalyysien ja kenttätutkimusten yhteydessä maaperän tilan tutkimiseen.
• Viljelykasvien ja/tai karjan tila: kastelu- ja lannoitustarpeet, kehitysvaihe, taudinaiheuttajien esiintyminen, pakkasvauriot jne.
• Ilmasto-olosuhteet.

Tiedonkeruulaitteet

Tiedonkeruulaitteita ja -tekniikoita on monenlaisia, ja ne voidaan luokitella monien teknisten tai agronomisten kriteerien mukaan: niiden sijainti, ajankohta, jolloin näitä digitaalisia välineitä käytetään lannoiteannosten laskemiseen jne

Digitaaliset tiedonkeruuvälineet voidaan jakaa kahteen luokkaan sen mukaan, missä ne sijaitsevat:

• Proxidetection: tiedot kerätään kasvulohkolla sijaitsevilla antureilla, maatalouskoneiden tai ruiskutuspuomien antureilla, älypuhelinsovelluksilla, joihin syötetään tiedot manuaalisesti jne.

• Kaukokartoitus: tässä käytetään satelliittien ottamia kuvia (85 prosenttia kuvista)ilma-aluksia tai lennokkeja. Kaukokartoitus tarjoaa laajemman alueellisen kattavuuden kuin kaukokartoitus.

Käytetyt tekniikat voidaan erottaa toisistaan myös sen mukaan, suorittavatko ne :

• Suorat mittaukset.
• Epäsuorat mittaukset.

Esimerkiksi typpilannoituksen osalta kasvien typpitarvetta voidaan arvioida suorilla mittauksilla (nitraatin mittaaminen mehusta) tai epäsuorilla mittauksilla, jotka perustuvat kasvin heijastukseen, läpäisevyyteen tai fluoresenssiin klorofyllipitoisuuden määrittämiseksi.

Useimmat anturit ja luotaimet eivät anna täydellistä tietoa: esimerkiksi satelliittikartat mittaavat muutoksia viljelykasvien typen määrässä, mutta eivät absoluuttisia määriä. Siksi ne on yhdistettävä säännöllisten koealojen analyysiin. Toinen esimerkki: pyranometrit eivät mittaa maaperän kosteutta vaan auringon säteilyä. Yhdistämällä se anemometriin ja sademittariin voidaan päätellä maaperän kosteus.

Viljelylohkon tuottokartta. Aspexit

Tuottokarttojen kaltaisia karttoja voidaan käyttää havainnollistamaan lohkon sisäistä vaihtelua. Lohkon sisäisen vaihtelun tutkimista satokarttojen avulla on kehitetty laajimmin peltoviljelyssä. Virtausantureilla varustetuissa leikkuupuimureissa voidaan mitata suppiloon tulevan viljan määrää.

Tietojen luonnehdinta

Kerättyjä raakatietoja verrataan agronomiseen diagnoosiin, jotta niille saadaan merkitys. Mitatuista tiedoista voidaan päätellä agronomisia tietojatekoälyn tai yksinkertaisten kaavioiden avulla. Esimerkiksi maaperän kosteus voidaan arvioida mallintamalla haihduntaa ja mittaamalla erilaisia parametreja, kuten auringonpaistetta ja sadetta.

Suositukset ja päätöksenteko

Tietoja analysoimalla voidaan valita tekniset reitit, joissa otetaan huomioon mitatut vaihtelut. Päätöksentekoa helpotetaan kehittämällä ennustemalleja ja päätöksenteontukivälineitä, kuten suosituskarttoja. Esimerkiksi viljelykasvien kastelusuositukset voidaan laatia mallintamalla kastelutarpeet, jotka on yhdistetty maaperän kosteusmittaukseen tontilla.

Tietokannat ja tekoäly ovat avainasemassa, kun halutaan hallita ja integroida päätöksentekoon valtavia tietomääriä, joita tiedonhankinta ja -luonnehdinta tuottavat.

Tarkkuusviljelyllä ei ole tarkoitus muuttaa koko nykyisen tuotantojärjestelmän toimintaa. Se tarjoaa mittaus- ja diagnoosivälineitä, joita voidaan käyttääjo käytössä olevan tuotantojärjestelmän optimointiin. Käytettävien tietokonemallien ja muiden digitaalitekniikoiden tarkoituksena ei ole korvata ihmisen päätöksentekoa, vaan tuottaa objektiivista tietoa päätöksenteon helpottamiseksi.

Päätösten soveltaminen

Tarkkuusviljelyn viimeisessä vaiheessa toteutetaan viljelyä (tai kotieläimiä) koskevia hoitopäätöksiä, joissa otetaan huomioon mitattu ja mallinnettu vaihtelu, toisin sanoen toteutetaan lohkon sisäistä mukauttamista. Viljelylohkon sisäisen muokkauksen periaate voidaan tiivistää muotoon "oikea annos oikeassa paikassa oikeaan aikaan".

Mitä käytäntöjä varten?

Hoito droneilla.

Kytkettyjä laitteita voidaan käyttää erilaisten parametrien ja viljelytoimien muokkaamiseen:

• Syöttöannokset.
• Kylvötiheys.
• Maanmuokkaus.
• Kastelu.

Tarkkuusviljely on kehittynyt eniten peltoviljelyssä ja vähemmässä määrin viininviljelyssä. Sen yleisin sovellus on edelleen lannoituksen hallinta.

Interventiovälineet

Annosmuutokset voidaan tehdä manuaalisesti ( päätöksenteon tukivälineiden avulla), robotisoimalla tai maatalouskoneilla.

Yleisesti ottaen maatalouskoneisiin liittyvissä modulaatiolaitteissa yhdistyvät :

• GNSS-antenni eli GPS-paikannusjärjestelmä: on olemassa erilaisia paikannusjärjestelmiä(RTX, RTK, PPP, PPK jne.), jotka eroavat toisistaan käytetyn signaalin tyypin, reaaliaikaisen vai ei reaaliaikaisen paikannuskorjauksen, käytettyjen vastaanottimien määrän jne. suhteen. GPS-avusteisia osuuksien leikkauksia voidaan käyttää päällekkäisyyksien rajoittamiseksi kulun aikana.

• Virtauksen säätelyllä varustetut laitteet: toiminnot voidaan ohjelmoida ennalta tai säätää reaaliaikaisesti.
• Ohjauskonsoli: ohjauskonsolit voivat toimia avustetun ohjauksen avulla (joka osoittaa noudatettavan reitin ohjaamatta maatalouskoneiden liikkeitä) tai itseohjaus (joka ohjaa maatalouskoneen liikkeitä).Itseohjaus voi olla sähköistä (ohjauspyörään tai ohjauspylvääseen vaikuttava sähkömoottori) tai hydraulista (hydrauliseen ohjausjärjestelmään vaikuttava).

Maatalouskäyttöön tarkoitettu robottikäsivarsi. Aspexit

Robotisoinnin avulla voidaan automatisoida ihmisen suorittamia tehtäviä, esimerkiksi läpivientien lähentämiseksi tai systematisoimiseksi. Se on myös keino käsitellä työn rasittavuutta ja työvoimapulaa. On esimerkiksi olemassa marjankorjuurobotteja, jotka käyttävät tekoälyä tunnistamaan kypsät hedelmät. Toinen esimerkki ovat ruokintarobotit, jotka voivat yksilöidä annoksia karjankasvatuksessa.

Robotit eivät kuitenkaan vielä sovellu kovin hyvin epätyypillisiin ympäristöihin, joissa on epätasainen pinnanmuodostus tai vaikeat ilmasto-olosuhteet. Vaikka monia aloitteita on syntymässä, niitä on vielä harvoin maatiloilla.

Modulaatiostrategiat

Panosannosten moduloimiseksi voidaan erottaa kaksi strategiaa:

• Kompensaatiostrategia, jolla pyritään lisäämään satoja alueilla, joiden tuotantopotentiaali on alhainen, lisäämällä tuotantopanosten annoksia näillä alueilla.
• Optimointistrategia, jolla pyritään vähentämään käytettyjen tuotantopanosten määrää. Tämä tarkoittaa tuotantopanosten annosten vähentämistä alueilla, joilla tuotantopotentiaali on pienempi ja joita rajoittavat muut tekijät kuin tuotantopanosten määrä, kuten maaperän laatu. Näillä alueilla tuotantopanosten annosten lisääminen on tuhlausta, koska se ei lisää tuotantomahdollisuuksia.

Integrointi

Joissakin tapauksissa kaikki nämä täsmäviljelyn vaiheet toteutetaan erikseen erillisillä välineillä, jotka vaativat käyttäjältä käsittelyä (esimerkiksi satelliittitietojen poimiminen, tietojen korjaaminen, tietojen tuominen traktoriin). Toisissa tapauksissa täsmäviljelyn neljä vaihetta toteutetaan samanaikaisesti ja täysin integroituna: esimerkiksi typpisensori yhdistettynä traktoriin asennettuun GPS-paikannusjärjestelmään, jonka avulla modulaatio voidaan suorittaa suoraan reaaliajassa.

Täsmäviljelyjärjestelmän laatu ja tarkoituksenmukaisuus riippuvat neljästä vaiheesta heikoimman vaiheen tarkkuudesta: jos tiedonkeruuanturin laatu on heikko, se vaikuttaa tietojen analysoinnin laatuun ja suositusten tarkoituksenmukaisuuteen.

Neljän vaiheen integrointi ja standardointi on vahva argumentti toimivan järjestelmän puolesta:

• Yhteenliittämisen helppous (protokollat, liittimet jne.):AEF (Agricultural Industry Electronics Foundation) määritteli ISOBUS- tai ISO 11783 -standardin standardisoidakseen ja yksinkertaistaakseen tiedonvaihtoa erilaisten liikkuvien laitteiden välineiden välillä (esimerkiksi traktorin sisäiset anturit), vaikka nämä välineet olisivat eri valmistajilta. Täydellisen ISOBUS-järjestelmän perustaminen voi kuitenkin olla melko kallista.

• Kunkin anturin ja kunkin sovelluselementin ominaisuuksien parempi huomioon ottaminen.
• Vähemmän vuorovaikutusta ja manipulointia kussakin vaiheessa.

Riippuvuus laitetoimittajista

Tarkkuusviljelyä varten hankittavien usein monimutkaisten ja kalliiden laitteiden hankkiminen tuo mukanaan riskin riippuvuudesta laitteiden valmistajista. On olemassa useita mekanismeja, jotka voivat pakottaa viljelijät pysymään saman toimittajan palveluksessa:

• Tekniset rajoitteet: eri valmistajien laitteiden tai tietokantojen yhteentoimivuutta ei ole tarkoituksellisesti varmistettu, minkä vuoksi eri valmistajien laitteita ei voida käyttää yhdessä eikä tietoja voida jakaa.

• Oikeudelliset rajoitteet: Muutamien toimijoiden, erityisesti maatalouskoneiden valmistajien, yhteisesti tuottamien tietojen yksityistäminen mahdollistaa niiden jakamisen rajoittamisen tai jopa kieltämisen. Nämä rajoitukset aiheuttavat riippuvuutta kerättyjen tietojen käsittelyssä. Lisäksi näitä yksityistettyjä tietoja voidaan käyttää uusien, tiettyyn tuotantomenetelmään mukautettujen digitaalisten laitteiden kehittämiseen ja markkinointiin, mikä voi lukita viljelijät tuotantologiikkaan.
  
  

Muista tutustua maatalouden digitaalisten välineiden hakemistoon! https://www.lesoutilsnumeriquesdesagriculteurs.com/

Lähteet

• Tämä artikkeli on kirjoitettu Corentin Lerouxin ystävällisellä avustuksella . https://www.aspexit.com/
• Buffet, Dominique & Oger, R.. 2000. Tarkkuusmaatalous: tietojen ja tietopohjien hallinta.https://www.researchgate.net/publication/257876410_Agriculture_de_precision_Gestion_des_donnees_et_des_bases_de_connaissances
• Leroux C. 2019. L'Agriculture de Précision en toute intimité . https://www.aspexit.com/lagriculture-de-precision-en-toute-intimite/
• Horizons. 2020. Precision Agriculture. https://leshorizons.net/cest-quoi-agriculture-de-precision/
• Maatalous- ja elintarvikeomavaraisuusministeriö. 2021. Digitaalisen maatalouden suuret haasteet: laitteet, maatalousmallit, big data . https://agriculture.gouv.fr/les-grands-enjeux-de-lagriculture-numerique-equipements-modeles-agricoles-big-data-analyse-ndeg-171

• P. Zwaenepoel, J.M. Le Bars. Tarkkuusmaatalous. Ingénieries eau-agriculture-territoires, Lavoisier; IRSTEA; CEMAGREF, 1997, s. 67 - s. 79. hal- 00461080. https://hal.archives-ouvertes.fr/hal-00461080/document

• Yara. 2019. Gilbert Grenierin haastattelu täsmäviljelystä . https://www.yara.fr/fertilisation/blog/agriculture-de-precision/