Cikkünk előző részében a precíziós gazdálkodás adatforrásait tekintettük át. Részletesen megvizsgáltuk a rendelkezésünkre álló alapadatokat (pl. MePAR rétegek, térképszelvények), a termelő tevékenység 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.
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 menedzsment ciklusok is, például a jégkár megelőzése.
Adatgyűjtő eszközök
Ide sorolhatjuk a valós színtartományú, az NDVI és a multispektrális 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 elemző eszközök 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 zóna alapú talajmintavétel alapján
Az első példa egy differenciált repce trágyázási teszt, amelyet 2017 nyarán kezdtünk el. A területünk egy betakarított őszi búza tábla, 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.
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
2. példa: Változó tőszámú vetés 3 adatsor alapján
A második példánkban a talajszkennelés adatai nem álltak rendelkezésre, viszont voltak gazdálkodói adatsoraink. A zónák kialakítását 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 eredményeket 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. Ezzel szemben a magasabb értékekkel rendelkező helyeken a kedvezőbb körülmények magasabb termést engedtek betakarítani az előző években. A magasabb tőszámmal vetett állomány pedig még magasabb termés elérését engedi, így ezeken a területeken az átlagosnál magasabb tőszámú vetést végeztünk.
A tőszámmodellhez felhasznált néhány adatsor, valamint a kész térkép, amely a vetőgép tényleges munkáját vezérelte
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. A cikk megjelenésekor esedékes betakarítás hozammérésre alkalmas kombájnnal fog történni, így részletes visszajelzésünk lesz a tőszámmodell hatékonyságáról.
Elvitelre
Az üzleti élet alapgondolata, miszerint 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.
A cikk először az Agrárágazat 2017. novemberi számában jelent meg.