Precíziós mezőgazdaság

Célzott trágyázás, műholdak, szenzorok, szórás, permetezés, drónok, RTK, robotizáció, szoftver...

Precíziós mezőgazdaságCélzott trágyázás, műholdak, szenzorok, szórás, permetezés, drónok, RTK, robotizáció, szoftver...

Témák / Precíziós mezőgazdaság

A precíziós mezőgazdaság, amely az 1980-as években jelent meg az Egyesült Államokban, az információs és digitális technológiák felhasználásán alapul, hogy a mezőgazdasági termelés térbeli és időbeli változékonyságát figyelembe vegyék a művelési gyakorlatban. Pontosabban a precíziós mezőgazdaságot a Nemzetközi Precíziós Mezőgazdasági Társaság(ISPA) a következőképpen határozza meg: "olyan gazdálkodási stratégia, amely összegyűjti, feldolgozza és elemzi a térbeli, időbeli és egyedi adatokat, és ezeket más információkkal kombinálja, hogy a mezőgazdasági termelés erőforrás-hatékonyságának, termelékenységének, minőségének, jövedelmezőségének és fenntarthatóságának javítása érdekében modulált növény- vagy állattenyésztési döntéseket hozzon".

Célok

A precíziós mezőgazdaság célja, hogy választ adjon több gazdasági, agronómiai, környezeti és társadalmi kihívásra:

• Gazdasági: az átlagos termelési hozamok növelése és/vagy a termelési költségek, különösen a ráfordítások felhasználásához kapcsolódó költségek csökkentése. A terméshozamok heterogenitása természetes eredetű (domborzat, litológia stb.), valamint emberi tevékenységhez (talajművelés, műtrágyaszórás stb.) kapcsolódó emberi eredetű. A precíziós gazdálkodást hagyományosan a ráfordítások, különösen a nitrogénfelhasználás optimalizálására használják.
• Agronómia: a gyakorlatok növénytermesztési igényekhez való igazításának optimalizálása.
• Környezetvédelmi: a ráfordításokhoz kapcsolódó bizonyos típusú szennyezések, például anitrogén kimosódásának csökkentése, valamint azöntözésre szánt vízkészletek felhasználásának korlátozása.
• Szociális: a munkakomfort javítása és a munkaidő optimalizálása.

A precíziós gazdálkodás 4 szakasza

A precíziós gazdálkodás négy szakaszra bontható:

• Adatgyűjtés: adatgyűjtés a mezőgazdasági termelés változékonyságának mérésére és számszerűsítésére.
• Jellemzés: agronómiai adatok gyűjtése az összegyűjtött adatok kontextusba helyezése és értelmezése érdekében.
• Ajánlások: az összegyűjtött adatok elemzése a változékonyság megértése és a változékonyságot figyelembe vevő műszaki útvonalak kiválasztása.
• Alkalmazás: a növénytermesztési döntések végrehajtása (műtrágyák, öntözés stb. módosítása).

Adatgyűjtés és a változékonyság mérése

A mért paraméterek

Az összegyűjtött információk lehetővé teszik, hogy megértsük a különböző paraméterek heterogenitását egy parcellán belül:

• A talaj fizikai-kémiai és biológiai jellemzői: A talaj állapotának tanulmányozására a talajelemzésekkel és a terepi felmérésekkel együtt vezetőképességi vagy elektromos ellenállás-térképek használhatók.
• A növények és/vagy az állatállomány állapota: öntözési és trágyázási igények, fejlődési stádium, kórokozók jelenléte, fagykárok stb.
• Az éghajlati viszonyok.

Adatgyűjtő berendezések

Az adatgyűjtésre szolgáló berendezések és technológiák széles skálája áll rendelkezésre, amelyek számos technikai vagy agronómiai szempont szerint osztályozhatók: elhelyezkedésük, amikor ezeket a digitális eszközöket műtrágyadózisok kiszámítására használják stb

A digitális adatgyűjtő eszközök elhelyezkedésüktől függően két kategóriába sorolhatók:

• Proxidetection: az adatokat a parcellán elhelyezett érzékelőkkel, a mezőgazdasági gépek fedélzeti érzékelőivel vagy a permetező géppel, kézi bevitelű okostelefon-alkalmazásokkal stb. gyűjtik.

• Távérzékelés: ez a műholdak által készített képek felhasználását jelenti (a képek 85%-a)repülőgépek vagy drónok segítségével. A távérzékelés szélesebb térbeli lefedettséget biztosít, mint a távérzékelés.

Az alkalmazott technológiák aszerint is megkülönböztethetők, hogy végeznek-e :

• Közvetlen mérések.
• Közvetett mérések.

A nitrogéntrágyázás esetében például a növények nitrogénszükségletét közvetlen mérésekkel (a nitrát mérése a nedvben) vagy a növények reflexióján, transzmisszióján vagy fluoreszcenciáján alapuló közvetett mérésekkel lehet megbecsülni a klorofillszint meghatározására.

A legtöbb érzékelő és szonda nem nyújt teljes körű információt: a műholdas térképek például mérik ugyan a növények nitrogénmennyiségének változásait, de nem az abszolút mennyiségeket. Ezért ezeket a rendszeres parcellák elemzésével kell kombinálni. Egy másik példa: a piranométerek nem a talajnedvességet, hanem a napsugárzást mérik. Ezt egy anemométerrel és egy csapadékmérővel kombinálva következtethetünk a talaj nedvességtartalmára.

Egy mezőgazdasági parcella hozamtérképe. Aspexit

Az olyan térképek, mint a hozamtérképek, egy parcellán belüli változékonyság vizualizálására használhatók. A parcellán belüli változékonyság hozamtérképek segítségével történő vizsgálatát a szántóföldi növénytermesztésben fejlesztették ki a legkiterjedtebben. Az áramlásérzékelőkkel felszerelt kombájnok képesek mérni a tartályba kerülő gabona mennyiségét.

Az adatok jellemzése

Az összegyűjtött nyers adatokat egy agronómiai diagnózissal hasonlítják össze, hogy értelmet adjanak nekik.Mesterséges intelligencia vagy egyszerű grafikonok segítségével a mért adatokból agronómiai adatokra lehet következtetni. Például a talaj nedvességtartalmát az evapotranspirációmodellezésével és különböző paraméterek, például a napsütés és a csapadékmennyiség mérésével lehet megbecsülni.

Ajánlások és döntéshozatal

Az adatok elemzésével olyan műszaki útvonalakat lehet kiválasztani, amelyek figyelembe veszik a mért változékonyságot. A döntéshozatalt előrejelzési modellek és döntéstámogatóeszközök(DST ), például ajánlástérképek kifejlesztése segíti. Például a növények öntözésére vonatkozó ajánlások a talajnedvesség-méréssel összekapcsolt öntözési igények modellezése alapján határozhatók meg a földterületen.

Az adatbázisok és a mesterséges intelligencia kulcsfontosságúak az adatgyűjtés és -jellemzés során keletkező hatalmas mennyiségű információ kezelésében és a döntéshozatalba való integrálásában.

A precíziós gazdálkodásnak nem célja a meglévő termelési rendszer teljes működésének újragondolása. Olyan mérési és diagnosztikai eszközöket biztosít, amelyek a már meglévő termelési rendszer optimalizálására használhatók. Az alkalmazott számítógépes modellek és egyéb digitális technológiák nem az emberi döntéshozatalt hivatottak helyettesíteni, hanem objektív adatokat szolgáltatnak a döntéshozatal megkönnyítésére.

A döntések alkalmazása

A precíziós gazdálkodás ezen utolsó szakasza a mért és modellezett változékonyságot figyelembe vevő növénytermesztési (vagy állattenyésztési) döntések végrehajtását, vagyis a parcellán belüli moduláció végrehajtását jelenti. A parcellán belüli moduláció elve a következőképpen foglalható össze: "a megfelelő dózis alkalmazása a megfelelő helyen, a megfelelő időben".

Milyen gyakorlatok esetében?

Drónnal történő kezelés.

A csatlakoztatott berendezések különböző paraméterek és művelési műveletek modulálására használhatók:

• Bemeneti dózisok.
• Vetési sűrűség.
• Talajelőkészítés.
• Öntözés.

A precíziós gazdálkodás a szántóföldi növénytermesztésben és kisebb mértékben a szőlőtermesztésben fejlődött a legnagyobb mértékben. Leggyakoribb alkalmazása továbbra is a műtrágyázás irányítása.

Intervenciós berendezések

A dózismódosítás történhet kézi alkalmazással ( döntéstámogató eszközökkel irányítva), robotizálással vagy mezőgazdasági gépekkel.

Általánosságban elmondható, hogy a mezőgazdasági gépekhez kapcsolódó modulációs berendezések kombinálják :

• GNSS-antenna, azaz GPS helymeghatározó rendszer: különböző helymeghatározó rendszerek léteznek(RTX, RTK, PPP, PPK stb.), amelyek különböznek a használt jel típusa, a helymeghatározási korrekció valós idejű továbbítása, a használt vevők száma stb. tekintetében. A GPS-alapú szakaszvágások az áthaladás során az átfedések korlátozására használhatók.

• Áramlásszabályozással ellátott berendezések: a műveletek előre programozhatók vagy valós időben beállíthatók.
• Irányító konzol: az irányító konzolok működhetnek támogatott irányítással (amely a mezőgazdasági gépek mozgásának irányítása nélkül jelzi a követendő útvonalat) vagy önvezetés (a mezőgazdasági gépek mozgásának irányítása).Az önvezetés lehet elektromos (a kormánykerékre vagy kormányoszlopra ható elektromos motor) vagy hidraulikus (a hidraulikus kormányrendszerre ható).

Mezőgazdasági felhasználásra szánt robotkar. Aspexit

A robotizálás lehetővé teszi az ember által végzett feladatok automatizálását, például a járatok közelítését vagy rendszerezését. Ez egyben a munka fáradalmainak és a munkaerőhiánynak a kezelését is jelenti. Léteznek például bogyószüretelő robotok, amelyek mesterséges intelligenciát használnak az érett gyümölcsök felismerésére. Egy másik példa a takarmányozási robotok, amelyek az állattenyésztésben képesek egyénre szabni az adagokat.

A robotok azonban még mindig nem igazán alkalmasak a nem szabványos, egyenetlen domborzati viszonyokkal vagy nehéz éghajlati viszonyokkal rendelkező környezetekre. Bár számos kezdeményezés van születőben, ezek még mindig ritkán jelennek meg a gazdaságokban.

Modulációs stratégiák

A bemeneti dózisok modulálására két stratégiát lehet megkülönböztetni:

• A kompenzációs stratégia, amelynek célja a hozamok növelése az alacsony termelési potenciállal rendelkező területeken a bemeneti dózisok növelésével ezeken a területeken.
• Optimalizálási stratégia, amelynek célja a felhasznált inputok mennyiségének csökkentése. Ez az inputadagok csökkentését jelenti azokon a területeken, ahol a termelési potenciál alacsonyabb, és az inputok mennyiségén kívül más tényezők, például a talaj jellege korlátozza. Ezeken a területeken az inputadagok növelése pazarló, mivel nem növeli a termelési potenciált.

Integráció

Bizonyos esetekben a precíziós gazdálkodás mindezen szakaszait külön-külön, külön eszközökkel végzik, amelyek a kezelő részéről kezelést igényelnek (például a műholdas adatok kinyerése, az adatok korrekciója, az adatok importálása a traktorba). Más esetekben a precíziós gazdálkodás 4 szakaszát egyszerre és teljesen integrált módon hajtják végre: például a traktorra szerelt GPS helymeghatározó rendszerrel kombinált nitrogénszenzorral, amely lehetővé teszi a moduláció közvetlen, valós idejű végrehajtását.

A precíziós rendszer minősége és relevanciája a 4 szakasz közül a leggyengébbnek a pontosságától függ: ha az adatgyűjtő érzékelő minősége gyenge, akkor az adatelemzés minősége és az ajánlások relevanciája is romlik.

A 4 szakasz integrálása és szabványosítása erős érv a funkcionális rendszer mellett:

• Az ISOBUS vagy ISO 11783 szabványt azAEF (Agricultural Industry Electronics Foundation - Mezőgazdasági Ipari Elektronikai Alapítvány) határozta meg a különböző mobil eszközök (például a traktorok fedélzeti érzékelői) közötti adatcsere szabványosítása és egyszerűsítése érdekében, még akkor is, ha ezek az eszközök különböző gyártóktól származnak. Egy teljes ISOBUS-rendszer kiépítése azonban meglehetősen költséges lehet.

• Az egyes érzékelők és az egyes alkalmazási elemek képességeinek jobb figyelembevétele.
• Kevesebb interakció és manipuláció az egyes szakaszokban.

Függés a berendezések beszállítóitól

A precíziós gazdálkodáshoz szükséges, gyakran összetett és költséges berendezések beszerzése magában hordozza a berendezések gyártóitól való függés kockázatát. Számos mechanizmus kényszerítheti a gazdálkodókat arra, hogy ugyanannál a beszállítónál maradjanak:

• Technikai korlátok: a különböző gyártók berendezéseinek vagy adatbázisainak átjárhatósága szándékosan nem biztosított, ami lehetetlenné teszi a különböző gyártók berendezéseinek együttes használatát vagy az adatok megosztását.

• Jogi korlátok: A kisszámú szereplő, különösen a mezőgazdasági gépgyártók által közösen előállított adatok privatizációja lehetővé teszi, hogy korlátozzák vagy akár meg is tiltsák azok megosztását. Ezek a korlátozások függőséget teremtenek az összegyűjtött adatok feldolgozása során. Ráadásul ezek a privatizált adatok felhasználhatók egy adott termelési módszerhez igazított új digitális berendezések kifejlesztésére és forgalmazására, ami a gazdálkodókat egy termelési logikába zárhatja.
  
  

Ne felejtse el megnézni a mezőgazdaságban használt digitális eszközök könyvtárát! https://www.lesoutilsnumeriquesdesagriculteurs.com/

Források

• Ez a cikk Corentin Leroux szíves közreműködésével készült . https://www.aspexit.com/
• Buffet, Dominique & Oger, R.: "A mezőgazdasági és a mezőgazdasággal kapcsolatos információk". 2000. Precíziós mezőgazdaság: adat- és tudásbázisok kezelése.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/
• Horizontok. 2020. Precíziós mezőgazdaság. https://leshorizons.net/cest-quoi-agriculture-de-precision/
• Mezőgazdasági és Élelmezésügyi Minisztérium. 2021. A digitális mezőgazdaság fő kihívásai: berendezések, mezőgazdasági modellek, nagyméretű adatok . https://agriculture.gouv.fr/les-grands-enjeux-de-lagriculture-numerique-equipements-modeles-agricoles-big-data-analyse-ndeg-171

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

• Yara. 2019. Interjú Gilbert Grenierrel a precíziós mezőgazdaságról . https://www.yara.fr/fertilisation/blog/agriculture-de-precision/