Πέμπτη, 19 Ιουλίου 2018

Ανάλυση δεδομένων χωραφιού και εφαρμογή λιπασμάτων

Γράφει: η Ομάδα γεωπόνων της Farmacon - Farmacon Team
Ανάλυση δεδομένων χωραφιού και εφαρμογή λιπασμάτων

Ο παγκόσμιος πληθυσμός αναμένεται να αυξηθεί κατά περισσότερο από ένα τρίτο έως το 2050. Αυτό σημαίνει ότι η ζήτηση της αγοράς για τρόφιμα θα συνεχίσει να αυξάνεται.

Η τροφοδοσία ενός παγκόσμιου πληθυσμού των 9,1 δισεκατομμυρίων ανθρώπων το 2050 θα απαιτούσε αύξηση της συνολικής παραγωγής τροφίμων κατά περίπου 70% κάτι που συνεπάγεται το διπλασιασμό της παραγωγής στις αναπτυσσόμενες χώρες.

Τα τελευταία χρόνια, οι ρυθμοί αύξησης των αποδόσεων επιβραδύνθηκαν κυρίως σε πολλές χώρες και σε μεγάλες καλλιέργειες.

Παραπάνω μόλις περιγράψαμε την επικρατούσα κατάσταση. Οι λόγοι για τους οποίους υπάρχουν χάσματα είναι πολλοί. Παραδείγματα αντιπροσωπευτικά είναι σίγουρα η έλλειψη πρόσβασης σε πολύτιμες πληροφορίες καθώς και η έλλειψη τεχνικών δεξιοτήτων.

Η επίδραση των λιπασμάτων στις αποδόσεις των καλλιεργειών

Γεγονός είναι πως τα λιπάσματα αποτελούν σημαντική συμβολή στην παγκόσμια παραγωγή τροφίμων. Υπάρχει σαφής συσχέτιση μεταξύ της αυξημένης παραγωγής και της χρήσης λιπασμάτων.

Ωστόσο, η υπερβολική χρήση αυτών έχει ως αποτέλεσμα αρνητικές περιβαλλοντικές επιπτώσεις και την απώλεια αποδόσεων.

Η ευρεία καταχρηστική χρήση των λιπασμάτων είναι ένα παγκόσμιο φαινόμενο που οδηγεί σε μειωμένες αποδόσεις, απόβλητα λιπασμάτων και στη ρύπανση των εδαφών και των υδάτων.

bigdata3

Ευρισκόμενοι από τη σκοπιά του καλλιεργητή ως μονάδα, ο κύριος στόχος είναι η κερδοφορία σε ένα όλο και πιο ανταγωνιστικό περιβάλλον το οποίο απαιτεί όλο και μεγαλύτερες αποδόσεις, παραγωγές και βιωσιμότητα.

Οι αγρότες διαρκώς βρίσκονται μπροστά σε επικείμενες λήψεις αποφάσεων. Τότε λοιπόν είναι που αντιμετωπίζουν διλήμματα πολλά και διατρέχουν τον άμεσο κίνδυνο της λήψης μη σωστής απόφασης τελικά. Τέτοια παραδείγματα είναι αποφάσεις σχετιζόμενες με αστάθμητους παράγοντες όπως, το κλίμα, τα καιρικά φαινόμενα, τη διαθεσιμότητα νερού, αποτυχίες εξοπλισμού, το κόστος των γεωργικών εισροών και πολλά άλλα.

Το πρόβλημα στην ουσία δεν είναι η μη σωστή τελικά απόφαση αλλά το ότι οι αγρότες δεν είναι σε θέση να προβλέψουν, αρά και να δράσουν άμεσα, στην περίπτωση δυσμενών αποφάσεων.

Η θρέψη από μόνη της είναι ένας πολύπλοκος και ιδιαίτερος γεωργικός τομέας, γεγονός που από μόνο του καθιστά μια ουτοπία την εύρεση της «βέλτιστης θρεπτικής φόρμουλας» για οποιαδήποτε καλλιέργεια. Γι’αυτόν ακριβώς το λόγο οι περισσότεροι καλλιεργητές εξακολουθούν να βασίζονται σε δοκιμές, εικασίες και εκτιμήσεις. Το μόνο σίγουρο αποτέλεσμα είναι καλλιέργειες που δεν ικανοποιούν τις δυνατότητες παραγωγής τους και την αυξημένη περιβαλλοντική ρύπανση αλλά και σπατάλη χρημάτων.

Για την ελαχιστοποίηση αυτού του κινδύνου θα πρέπει ο κάθε παραγωγός πλέον, να μπορεί να λαμβάνει κατάλληλες και πιο ενημερωμένες αποφάσεις, κάτι που απαιτεί από τους αγρότες και τους αγροτικούς συμβούλους να βασίζονται περισσότερο στα ακριβή δεδομένα και τα αναλυτικά στοιχεία τους, παρά στη διαίσθησή τους.

Και ενώ μέχρι προσφάτως οι γενικές κατευθύνσεις και η διαισθητικές αποφάσεις  χαρακτήριζαν τους περισσότερους, ακόμη και επαγγελματίες παραγωγούς, ήρθε τώρα η σειρά της τεχνολογίας να αναλάβει δράση και να παίξει σημαντικό ρόλο στη λήψη των τελικών αποφάσεων, στηριζόμενη πλέον σε πραγματικά στοιχεία και όχι εικασίες.

bigdta4

Η "έξυπνη γεωργία" περιλαμβάνει μια τεχνολογικά μεσολαβούμενη μελέτη του τρόπου με τον οποίο οι διακυμάνσεις στον αγρό επηρεάζουν την ανάπτυξη των φυτών.

Τέτοιες τεχνολογίες επιτρέπουν στους αγρότες να αυξάνουν την παραγωγικότητα, να εξοικονομούν πόρους και να ελαχιστοποιούν τις περιβαλλοντικές επιπτώσεις, όπως η έκπλυση αζώτου και η απορροή φωσφόρου.

Η βελτιστοποίηση της διαχείρισης των λιπασμάτων είναι μια διαδικασία τριών βημάτων, όπου κάθε βήμα χρησιμοποιεί διαφορετικό τύπο τεχνολογίας:

 Συλλογή σχετικών δεδομένων

✔ Ανάλυση δεδομένων και λήψη αποφάσεων

✔ Εφαρμογή των λιπασμάτων

Συλλογή δεομένων… από πού και πώς όμως;

Η δυνατότητα συλλογής ψηφιακών δεδομένων είναι η επανάσταση στη γεωργία. Επιτρέπει τη συλλογή πολύ μεγάλου όγκου δεδομένων, την ενσωμάτωση πηγών δεδομένων, την πρόσβαση στα δεδομένα από οπουδήποτε και την ανάλυση μεγάλων συνόλων δεδομένων για τη λήψη αποφάσεων.

Εδώ είναι μερικές από τις βασικές διαδικασίες συλλογής και ανάλυσης δεδομένων:

Δορυφορικές εικόνες αλλά και εικόνες από drones - χρησιμοποιώντας τεχνολογίες τηλεανίχνευσης, όπως οι δορυφορικές εικόνες, παρέχουν δεδομένα που μπορούν να χρησιμοποιηθούν για τη βελτιστοποίηση του αζώτου.

► Διάφοροι φασματικοί δείκτες αναπτύσσονται και αναλύονται. Οι πιο συνηθισμένοι είναι ο NDVI (Κανονικοποιημένος Δείκτης Βλάστησης), ο οποίος εκτιμά την κάλυψη της βλάστησης, τον CCCI (δείκτη περιεχομένου χλωροφύλλης κόμης) και τον CNI (δείκτης αζώτου της κόμης).

► Αισθητήρες χωραφιού - αισθητήρες αζώτου μπορούν να εγκατασταθούν στο χωράφι ή σε μηχανήματα, όπως ελκυστήρες, και να συλλέξουν δεδομένα σχετικά με τα επίπεδα αζώτου.

► Μετεωρολογικά δεδομένα - δεδομένα από χιλιάδες μετεωρολογικούς σταθμούς συλλέγονται και αναλύονται. Η ακριβής πρόγνωση του καιρού είναι σημαντική για πολλές αποφάσεις που λαμβάνουν οι γεωργοί, συμπεριλαμβανομένου του χρονοδιαγράμματος της φύτευσης και των εφαρμογών λιπασμάτων.

► Βιβλιοθήκες δεδομένων - Αρκετοί διεθνείς οργανισμοί έχουν δημοσιεύσει βιβλιοθήκες δεδομένων σχετικά με τα εδάφη και τις ιδιότητές τους, μερικές εταιρείες ψηφιακού τύπου δημιουργούν βιβλιοθήκες δεδομένων για τις απαιτήσεις των θρεπτικών ουσιών, τις αποδόσεις και τα εδάφη με βάση τις αναλύσεις δεδομένων.

► Οι γεωργικές εισροές - αρκετοί αγρότες χρησιμοποιούν εφαρμογές cloud στις οποίες καταγράφονται τα δεδομένα των χωραφιών (τι εφαρμόσθηκε, πότε εφαρμόστηκε κ.τ.λ.) Αυτά τα συγκεντρωτικά στοιχεία από τους γεωργούς δημιουργούν νέες ευκαιρίες για τη διάδοση της γνώσης.

Η επανάσταση των δεδομένων!

Οι αναλύσεις των δεδομένων χωραφιού και οι συνεχώς ενημερωμένες βάσεις γνώσεων αποτελούν στην ουσία μια επανάσταση για τον τρόπο λήψης των καθημερινών αποφάσεων από τους παραγωγούς.

Σήμερα, οι αγρότες μπορούν ήδη να έχουν άμεση πρόσβαση σε εργαλεία λήψης αποφάσεων εφαρμογών cloud, τα οποία μεταφράζουν τεράστια αριθμό δεδομένων και αναλύσεων σε βέλτιστες πρακτικές και πληροφορίες που μπορούν να αποτελέσουν αντικείμενο δράσης.

bigdata2

Σε αντίθεση με τα περισσότερα άλλα εργαλεία στη γεωργία, οι αλγόριθμοι λογισμικού και οι αναλύσεις δεδομένων δεν απαιτούν εγκατάσταση hardware. Στην ιδανική περίπτωση, η λύση λογισμικού θα πρέπει να είναι εύκολα ενσωματωμένη σε οποιαδήποτε εξωτερική πηγή δεδομένων, όπως δορυφόροι, αισθητήρες, drones, μηχανήματα και ρομπότ.

Νέες ευκαιρίες προσφέρονται για βελτιστοποίηση της απόδοσης με τη διαχείριση της εφαρμογής των λιπασμάτων. Η βελτιστοποίηση της χρήσης λιπασμάτων απαιτεί συνεχή και πολύπλοκη ανάλυση μεγάλων δυναμικών συνόλων δεδομένων. Αυτό επιτυγχάνεται με τη δημιουργία λογισμικών τα οποία θα βοηθήσουν τους παραγωγούς να αντιμετωπίσουν σύνθετα προβλήματα των καλλιεργειών, χρησιμοποιώντας μεγάλο αριθμό δεδομένων και γνώσης.

Με λίγη προσπάθεια, οι αγρότες μπορούν να επωφεληθούν από μια τέτοια ανάλυση και να βελτιώσουν σημαντικά την αποτελεσματικότητά τους και τη λήψη αποφάσεων.

Για να γίνει περισσότερο κατανοητό, ένα τέτοιου είδους λογισμικό μπορεί να ενσωματώνει εισροές για το κλίμα, το έδαφος, το νερό, τη γενετική, την ενέργεια, τους οικονομικούς πόρους, το ιστορικό του χωραφιού, τις αποδόσεις και άλλα.

Για παράδειγμα, η χρήση αζώτου μπορεί να γίνει πιο αποτελεσματική με την ανάλυση των ιδιοτήτων του εδάφους και του ρυθμού διείσδυσης του νερού μέσα σε αυτό και τη σύνδεσή του με τη δοκιμή εδάφους εντός του χωραφιού, τη χαρτογράφηση του εδάφους και της περιεκτικότητας σε άζωτο, δεδομένα σχετικά με τα ποσοστά πρόσληψης αζώτου από την καλλιέργεια, χάρτες αποδόσεων, θερμοκρασίες, κατακρήμνιση και άλλα δεδομένα.

Σαφώς όμως δεν είναι μόνο το άζωτο που μας ενδιαφέρει, υπάρχουν 13 απαραίτητα θρεπτικά συστατικά που απαιτούνται για την κατάλληλη ανάπτυξη των φυτών. Το επίπεδο καθενός από αυτά θα πρέπει να βελτιστοποιηθεί και τα αναλυτικά στοιχεία μπορούν να υποστηρίξουν μια τόσο περίπλοκη ανάλυση.

bigdata8

Η ταχεία ανάλυση των μεγάλων σειρών δεδομένων επιτρέπει επίσης στους αγρότες να αντιδρούν σε γεγονότα σε πραγματικό χρόνο. Για παράδειγμα, η αποτελεσματικότητα των αζωτούχων λιπασμάτων επηρεάζεται από τη θερμοκρασία. Μία μη αναμενόμενη βροχή μπορεί να αλλάξει την απόφαση σχετικά με το χρονοδιάγραμμα της εφαρμογής των λιπασμάτων και τον τύπο του λιπάσματος που πρέπει να εφαρμοστεί.

Η ανάλυση των δορυφορικών εικόνων μπορεί να εντοπίσει προβλήματα σε συγκεκριμένες περιοχές του χωραφιού, βοηθώντας τον αγρότη να εντοπίσει το πρόβλημα πιο εύκολα από ποτέ άλλοτε.

Ένα άλλο παράδειγμα για τη χρήση της ανάλυσης μεγάλου αριθμού δεδομένων είναι η ικανότητα εκτίμησης του δυναμικού απόδοσης για κάθε περιοχή του χωραφιού.

Αυτό επηρεάζει σημαντικά τις βέλτιστες ποσότητες λιπασμάτων που απαιτούνται. Οι περιοχές στον χωράφι με χαμηλότερο δυναμικό απόδοσης θα απαιτούν μικρότερες ποσότητες και αριθμούς εφαρμογών λιπασμάτων από τις περιοχές με υψηλότερο δυναμικό απόδοσης. Το ίδιο ισχύει για διαφορετικές ποικιλίες καλλιεργειών που έχουν διαφορετικές δυνατότητες απόδοσης.

Ανάλυση δεδομένων σημαίνει πρόβλεψη και πρόληψη μιας κατάστασης

Οι προγνωστικές αναλύσεις χρησιμοποιούν στατιστικά μοντέλα και αλγόριθμους για την πρόβλεψη μελλοντικών γεγονότων και συμπεριφορών. Αυτή η δυνατότητα έγινε δυνατή λόγω της συλλογής μεγάλου αριθμού δεδομένων.

Η ανάλυση ιστορικών δεδομένων, όπως οι αποδόσεις, ο καιρός, οι τάσεις στο έδαφος, οι εισροές λιπασμάτων και άλλα, μαζί με δεδομένα σε πραγματικό χρόνο, δίνουν στον γεωργό ισχυρά εργαλεία για να λαμβάνει τεκμηριωμένες αποφάσεις και να διαχειρίζεται τους κινδύνους.

Για παράδειγμα, η ελαχιστοποίηση της έκπλυσης αζώτου μπορεί να επιτευχθεί χρησιμοποιώντας προγνωστικά μοντέλα ανάλυσης.

Πρόσβαση στα δεδομένα

Τα αποτελέσματα ερευνών και οι επιστημονικές δημοσιεύσεις δεν είναι άμεσα διαθέσιμα στους αγρότες. Όταν είναι διαθέσιμα, τα δεδομένα συχνά είναι δύσκολο να ερμηνευθούν, είναι μερικά ή δεν σχετίζονται με τις ειδικές συνθήκες του αγρότη. Έτσι, οι αγρότες δεν μπορούν συνήθως να επωφεληθούν και να αποκτήσουν γνώσεις από τέτοια δεδομένα.

Σήμερα, οι αγρότες μπορούν να έχουν άμεση πρόσβαση σε εργαλεία λήψης αποφάσεων βασισμένα σε εφαρμογές cloud, τα οποία μεταφράζουν τεράστια ποσά δεδομένων και αναλύσεων σε βέλτιστες πρακτικές και πληροφορίες που μπορούν να αποτελέσουν αντικείμενο επεξεργασίας.

Τα δεδομένα και η γνώση γίνονται διαθέσιμα σε όλους, μεγάλους ή μικρούς αγρότες, σε ανεπτυγμένες ή αναπτυσσόμενες χώρες. Ακόμη και οι παραδοσιακοί αγρότες μπορούν να ασκήσουν εξειδικευμένη λίπανση σε κάποιο βαθμό και να βελτιώσουν σημαντικά την παραγωγικότητα και τη βιωσιμότητά τους.

Ποιοί υποστηρίζουν αυτήν την έρευνα;

Είναι γεγονός πως η έρευνα σχετικά με τη θρέψη των φυτών έχει μειωθεί δραματικά τα τελευταία χρόνια. Αυτός είναι ένας από τους κύριους λόγους που χρησιμοποιούνται ακόμη παλιά και μη ανανεωμένα εγχειρίδια θρέψης.

bigdata6

Οι έρευνες σχετικά με τη θρέψη δεν οδηγούν τόσο εύκολα στη λήψη αποφάσεων που θα αφορούν έναν μεμονωμένο παραγωγό. Εδώ ακριβώς έρχονται να παίξουν καταλυτικό ρόλο ενημερωμένα και παγκόσμια δεδομένα που αφορούν στη θρέψη των καλλιεργειών ώστε τελικά αυτά να μετατραπούν σε ιδέες και συμπεράσματα τα οποία θα μπορούν να υποστηρίξουν σημαντικά τη λήψη αποφάσεων σε ζητήματα θρέψης.

Σε ποιόν ανήκουν όμως αυτά τα δεδομένα;

Υπάρχει μια συνεχής συζήτηση για το «ποιός κατέχει τα δεδομένα». Οι αγρότες ανησυχούν πολύ για αυτή την ερώτηση. Τα δεδομένα που συλλέγονται με τη χρήση αισθητήρων στις εκμεταλλεύσεις τους διατηρούνται σε ένα σύννεφο (cloud), οι δορυφόροι λαμβάνουν εικόνες των χωραφιών και αναλύουν αυτές τις πληροφορίες.

Τι συμβαίνει όμως στην περίπτωση που αυτά τα δεδομένα δεν χρησιμοποιούνται προς όφελος των αγροτών; Ποιός θα έχει πρόσβαση σε αυτά τα δεδομένα; Το ζήτημα αυτό εξακολουθεί να είναι υπό συζήτηση.

Πώς επιτυγχάνεται η θρέψη ακριβείας στο χωράφι;

Διάφορες στρατηγικές και τεχνολογίες έχουν αναπτυχθεί σχετικά. Η απόκτηση των δεδομένων και η δυνατότητα ανάλυσης τους, δημιούργησαν την ευκαιρία να εκτιμηθούν οι διακυμάνσεις των θρεπτικών συστατικών του εδάφους και η ανάπτυξη των καλλιεργειών στο χωράφι και να ληφθούν αποφάσεις σε πραγματικό χρόνο και συγκεκριμένες τοποθεσίες.

Σε μεγάλα χωράφια, η εφαρμογή μεταβλητού ποσοστού (VRA) λιπασμάτων βελτιώνει την αποδοτικότητα της εφαρμογής λιπασμάτων, όπου το μηχάνημα εφαρμόζει διαφορετικούς ρυθμούς λίπανσης σε κάθε τμήμα του χωραφιού αναλόγων των επί μέρους αναγκών.

Τελικά, αυτή η έξυπνη περιβαλλοντική επιλογή επιτρέπει στους καλλιεργητές να εξοικονομούν χρήματα και να αυξάνουν τις αποδόσεις, χρησιμοποιώντας το σωστό ποσοστό και τύπο λιπασμάτων όπου απαιτείται, αντί να εφαρμόζουν την ίδια εφαρμογή σε ολόκληρη της έκταση του χωραφιού.

Εξοικείωση και υιοθέτηση αυτών των νέων τεχνολογιών από τους αγρότες

Παρόλο που αυτές οι νέες τεχνολογίες υπόσχονται πολλά και θαυμαστά αποτελέσματα, αυτό δεν αρκεί.

Για την τεχνολογία που υιοθετεί ο γεωργός, η λύση πρέπει να είναι, η ευκολία στη χρήση, να προσθέτει πραγματική αξία στο τελικό προϊόν και να μπορεί εύκολα να ενσωματωθεί με τον υπάρχοντα εξοπλισμό και την καθημερινή ροή εργασίας.


 FarmaSense Logo 01

Σχετικά Άρθρα

  • Γιάννουλη Λάρισας
  • Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε.
  • 2410-669107 & 2410-669108
  • 2410-669109

Όλα τα αγροτικά εφόδια καθηµερινά ενηµερωµένα µ’ ένα κλικ.

Αξιόπιστα κείµενα. Υψηλής ποιότητας φωτογραφίες.

Ψηφιακά εργαλεία αναγνώρισης και διαχείρισης προβληµάτων.

To blog διαχειρίζεται και ενημερώνει η Farmacon

Μια πρωτοπόρος εταιρία στο χώρο που παρέχει άμεση και έγκυρη ενημέρωση για όλα τα θέματα που αφορούν τον αγροτικό τομέα.

Δείτε πως μπορούν να σας βοηθήσουν οι καινοτόμες υπηρεσίες μας μέσα από την ιστοσελίδα της Farmacon.

Γνωρίστε τις υπηρεσίες μας