Adatáramlás a precíziós gazdaságban

Cikkünk előző részében a precíziós gazdálkodás adatforrásait tekintettük át. Részletesen megvizsgáltuk a rendelkezésünkre álló alapadatokat (pl. MePAR-rétegek, térképszelvények), a termelőtevékenység során keletkező adatokat (Gazdálkodási Napló, időjárás-állomások érzékelései), valamint a szenzorok, hozamtérképek és talajvizsgálatok adatsorait. Ezek az adatok azonban nem „légüres” térben, egymástól elválasztva léteznek, hanem kölcsönhatásban vannak más adatokkal, és folyamatosan használjuk őket. Hogyan épülnek fel egy 21. századi gazdaság adatpályái, azaz hogyan lesz az erőgép/munkagép által rögzített pontszerű adatból a döntést megalapozó, majd a döntést végrehajtó akcióterv? Ezt tekintjük át a cikk második részében, két konkrét példával illusztrálva az adatfolyamok működését.

Ki mint dönt, úgy arat

Ahogy a növénytermesztés, úgy a precíziós gazdálkodás alapegységét kitevő adatgazdálkodásnak is jól körülhatárolható lépései, valamint ezekből a lépésekből összeálló ciklusa van. Ennek eredményeként egy olyan, évről-évre (vagy szezonról-szezonra) javuló döntéstámogatási rendszert építhetünk ki a gazdaságunkban, amely nem csupán a tervezéskor (például az alaptrágyázáskor kijuttatandó tápanyag mennyiségének és elosztásának kiszámítása), de a tenyészidőszak közben is a kezünk alá dolgozhat (gyomirtások ütemezése, plusz tápanyag kiadása). Ezt a folyamatot az angol nyelvben a „4D” módszerrel írják körül, amely a „Data” [Adat], „Decision” [Döntés], „Deployment” [Bevetés, értsd: Alkalmazás] és „Dashboard” [Vezérlőpult] elemeket takarja.

A ciklus lényege, hogy elsőként elvégezzük a gazdaságunkban keletkező adatok elemzését, majd az ez alapján hozott döntésből akciótervet formálunk, amit ezután alkalmazunk. A szezonban keletkező eredményeket (pl. a hozamtérképet) végül hozzáadjuk az eddigi adatainkhoz. A vezérlőpulton keresztül a folyamat végig szemmel kísérhető, itt valós időben látjuk a tábláink állapotát, a munkaműveleteket, valamint azokat az eseményeket, amelyek beavatkozást igényelnek.

1. ábra: A precíziós gazdálkodás 4D ciklusa és annak eszközei Marc Vanacht 2014 nyomán

A ciklusok lehetnek több éven átívelőek (pl. talajállapot, talajtermékenység fenntartása vagy javítása), egyévesek (talajmunkák, tápanyag-utánpótlási feladatok) és rövid, szezonon belüli ciklusok (növényvédelem, öntözés, betakarítás). Bizonyos esetekben lehetnek nagyon rövid, 24 órás menedzsmentciklusok is, például a jégkár megelőzése.

Adatgyűjtő eszközök

Ide sorolhatjuk a valós színtartományú műholdképeket, a valós idejű talajállapot-méréseket (talajszkennelés), a terepszemlét, a talajmintavevő gépeket, a rovarcsapdákat, valamint a szenzoros hálózatokat. Fontos szempont, hogy minden adatgyűjtő eszköz elemezhető és feldolgozható adatsort eredményez, amelyeket a megfelelő analitikai megoldásokkal feldolgozhatunk. A leíró adatok (például egy területen belül az eltérő talajtípusok aránya) mellett egyre fontosabbak a trendeket bemutató adatsorok (például a csapadék eloszlása a tenyészidőszakon belül).

Elemző és döntéstámogató eszközök

Az elemzőeszközök körébe tartoznak az időjárási adatok, a digitális talajtérképek, a nitrogén és más tápanyagok dinamikáját modellező megoldások, a növények fejlődésének modelljei, a táblahatárok és a műholdképek elemzése alapján készült jelentések. Ezek célja, hogy segítségükkel a legpontosabb döntést tudjuk meghozni, aminek a szükséges időben való alkalmazásával optimális szinten tarthatjuk kiadásainkat, azt és akkor juttatunk ki, amikor növényeink fejlettségi és egészségi állapota indokolja.

Alkalmazást elősegítő eszközök

Az adatok alapján meghozott döntések pontos, időben és helyben is akkurátus végrehajtását segíti elő az automata kormányzás, a differenciált kijuttatási rendszerek (vetőgép, műtrágyaszóró, öntöző berendezés, permetezőgép), a telematika és az állományok kezelését lehetővé tevő eszközök. E berendezésekkel jut el az első két lépésben meghozott döntés a szántóföldre, és lesz a döntésből konkrét munkaművelet.

Világos trend, hogy a precíziós gazdálkodás a leíró (pl. talajmintavétel eredményei) és előíró (pl. foszforkijuttatás) térképek felől elmozdul egy összetettebb, ciklikus irányba, ahol nem csupán az adott terület megismerése vagy egy bizonyos feladat végrehajtása a fontos, hanem az eredmények, az így keletkező adatok visszacsatornázása és felhasználása a következő ciklusban.

Esettanulmányok

Bemutatunk két példát a 2017-es gazdálkodási évből, ahol az adatáramlás és adatkezelés különösen nagy szerepet játszott a megfelelő döntések meghozatalában. Részletesen végigvesszük, hogyan jutottunk el a gazdákkal a kiindulási pontból a kitűzött cél megvalósításáig, és milyen fejlesztési lehetőséget rejtenek a feladatok a következő szezonban.

1. példa: differenciált kijuttatás zónaalapú talajmintavétel alapján

Az első példa egy differenciált repcetrágyázási teszt, amelyet 2017 nyarán kezdtünk el. A területünk egy betakarított őszibúzatábla, amelyet őszi káposztarepce követ, 4 tonnás hektáronkénti hozamelvárással. Itt teljesen a nulláról indultunk, a korábbi évekből hozamtérképek nem álltak rendelkezésünkre, ezért a búza betakarítását követően a tarlón (rendsodrás után, bálázás előtt) a Veris 3150-es talajszkennerrel feltérképeztük a hasonló adottságú talajfoltokat. A szkennelés eredménye alapján, a mintavételi szabvány előírásainak is megfelelve a 48 hektáros táblán kijelöltünk 10 db mintavételi pontot, amelyek az egyes zónákat is jól jellemzik. A mintavételt és a bővített laborvizsgálatot követően tápanyagterv készült az egyes zónákra vonatkozóan.

Az üzemi műtrágyázási dózis 200 kg/ha MAP és 200 kg/ha kálisó kijuttatása volt, amely a tápanyagterv alapján táblaátlagra vonatkoztatva foszforból csekély mértékű túltrágyázást, káliumból viszont alacsony szintű kijuttatást jelentett az említett termésszint eléréséhez (az üzemi átlagnál magasabb tápanyagdózisok oka tehát nem csupán a precíziós technológia alkalmazása, hanem a talajmintavétel alapján történő okszerű tápanyag-utánpótlás). A kijuttatandó mennyiségeket tartalmazó SHP fájlokat közvetlenül áttöltöttük az erőgép kontrollerébe, így a munka megkezdése a gazdálkodótól semmilyen beavatkozást nem igényelt. Az alaptrágyaként ténylegesen kijuttatott műtrágya-mennyiségek a 2. ábrán láthatóak az állomány 2017. október 6-i állapotával együtt.

Felmerül a kérdés, hogy egy ennyire diverz, dombos területen miért nem használtunk lejtőtérképet. Ennek oka az, hogy mivel nincs hozamtérképünk, nem tudjuk, milyen tápanyag-dinamikája van az adott területnek, ami alapján a kijuttatási térképeket tudjuk finomítani. Amennyiben hozammérővel felszerelt kombájnnal történik a betakarítás, ez egy hasznos és a számításba beépítendő visszajelzés lesz.

2. ábra: A tőszámmodellhez felhasznált néhány adatsor (bal fent: 2015-ös kukorica hozamtérkép; jobb fent: 2016. szeptemberi NDVI felvétel; bal lent: lejtőtérkép), valamint a kész térkép (jobb lent), amely a vetőgép tényleges munkáját vezérelte – az elvetett tövek száma 61 ezer (piros) és 80 ezer (zöld) között változott

2. példa: Változó tőszámú vetés

Második példánkban a talajszkennelés adatai nem álltak rendelkezésre, viszont voltak gazdálkodói adatsoraink. A zónák kialakítását többek között az elmúlt 3 év hozamtérképeinek feldolgozásával, valamint az adott évek több alkalommal mért műholdas NDVI értékei alapján határoztuk meg. Fontos volt, hogy eltérő kultúrák esetén mindig azonos fenológiai fázisban készült NDVI felvételeket használtunk (pl. virágzás kezdete, virágzás vége stb.). Erdősávok által határolt területről beszélünk, ezért korrigáltuk a kiugró szélső értékeket – például voltak vadkár sújtotta részek, ahol visszavettük a tőszámot, hiszen nem a vadaknak termelünk. Egy lejtőtérkép segítségével a domborzat módosító hatását is figyelembe vettük a tervezésnél: a terület egy katlan alakú mélyedésben helyezkedik el, ezért egy bizonyos határérték feletti lejtőszög esetén ezzel az adattal is számoltunk. Az előző években egységes tőszám mellett, elsősorban a meredek lejtésnek tulajdoníthatóan elég szélsőségesen alakultak a hozameredmények, kukorica esetében 2-10 tonna/hektáros termésállapotot mért a kombájn hozammérője.

Célunk ebben az esetben nem az volt, hogy egységesítsük a tábla hozamát, hanem ahol mind az NDVI képek, mind az előző évi hozamadatok következetesen alacsony szintű vegetációt és termésátlagot mutattak, ott csökkentsük a tőszámot annyira, hogy a kukorica egyedi produkciója a kedvezőtlen körülmények mellett is érvényesülni tudjon. A magasabb tőszámmal vetett állomány pedig még magasabb termés elérését engedi, így ezeken a területeken az átlagosnál magasabb tőszámú vetést végeztünk.

3. ábra: A repce alá ténylegesen kijuttatott tápanyag-mennyiségek, valamint az állomány kondíciója 2017. október 6-án. Az egységes kelés és fejlődés bíztató, azonban komoly következtetéseket csak a tavaszi fejtrágyázások után vonhatunk le

A kész shape fájlokat a gazdálkodó az SMS Basic szoftveren átszűrve töltötte be a vetőgépet vezérlő kontrollerbe, amely egyúttal a ténylegesen kivetett tőszámot is rögzítette, így pontos visszajelzésünk volt arról, hogy pontosan mennyi vetőmag került ki. A cikk megjelenésekor esedékes betakarítás hozammérésre alkalmas kombájnnal fog történni, így részletes visszajelzésünk lesz a tőszámmodell hatékonyságáról.

Elvitelre

Az üzleti élet alapgondolata szerint „az a pénz, ami nem csinál több pénzt, az ’rossz’ pénz”. Ez a gondolat áttételesen a precíziós gazdálkodás adataira is vonatkoztatható: az az adat, ami nem hasznosul, és nem járul hozzá további adatok gyűjtéséhez vagy egy jobb döntés meghozatalához, nem jó adat. Törekedjünk tehát arra, hogy adatsoraink a lehető legnagyobb mértékben hasznosuljanak, és egy folyamatos tanulássá és fejlődéssé váljon a procedúra! Az a háromévnyi hozamtérkép, amely még mindig a traktorban pihen, pontosan annyit ér, mintha jövőre kezdenénk a hozamadatok gyűjtését. Az adatpályák megértésével és kiépítésével biztosak lehetünk benne, hogy a lehető legnagyobb megtérülést láthatjuk a precíziós gazdálkodáshoz kapcsolódó beruházásainkból.

Diriczi Zsombor – Makra Máté

FieldPASS Kft.