Odborný partner
Uši a oči digitálního zemědělství
Základem celé digitální transformace je precizní zemědělství, které stojí na datech. Aby bylo možné rozhodovat přesně a efektivně, musí nejprve proběhnout pečlivý sběr informací přímo z pole.
Jedním ze základních zdrojů jsou výnosoměry, což jsou senzory umístěné na sklízecích mlátičkách, které v reálném čase měří množství sklizené plodiny. Novinkou posledních let je kromě měření množství i měření kvalitativních parametrů obilí pomocí tzv. NIR senzoru. Ve spojení s GPS souřadnicemi vznikají výnosové mapy, díky nimž lze zpětně vyhodnotit, jaké části pozemku „daly“ jaký výnos a kde má smysl měnit přístup.
Důležitá data ale zaznamenávají i secí stroje, postřikovače a rozmetadla. Pomocí senzorů sledují například skutečně aplikované dávky (v kg nebo l na hektar), záběr nářadí, rychlost pojezdu nebo průtok osiva či hnojiva. Tato provozní data se sbírají v souvislosti s přesným místem na poli a tvoří základ pro variabilní mapy, které slouží jak k dokumentaci, tak k vyhodnocení efektivity zásahů.
Kromě toho lze v některých podnicích narazit i na využívání satelitního nebo dronového snímkování, které poskytuje pohled shora na kondici porostu. Z multispektrálních dat vznikají vegetační indexy (např. NDVI), podle nichž lze rozlišit zóny se slabším nebo silnějším růstem.
V neposlední řadě lze získávat data přímo z půdy. K tomu je možné použít například půdní scanery, které měří vlhkost, teplotu nebo elektrickou vodivost v určité v hloubce. U nás se na polích zatím s touto technologií setkáváme jen výjimečně. Mnohem častěji si zemědělci využívají klasické laboratorní vzorkování půdy: jednou za několik let se z pozemků odeberou vzorky, které se analyzují na obsah živin a pH. Spojením s GPS vznikají mapy půdní úrodnosti, které jsou základem pro cílené hnojení či vápnění.
Data se sbírají i z lokálních meteorologických stanic, které měří srážky, teplotu, vlhkost vzduchu nebo vítr. Tato data mohou pomáhat například s rozhodováním o postřiku ale i s předpovědí výskytu chorob.
GPS jako páteř
Bez přesné polohy by byla všechna data z pole jen beztvarou hromadou čísel. Globální polohové systémy tvoří doslova páteř digitálního zemědělství – dávají každému měření konkrétní bod na mapě. Právě díky tomu může agronom porovnávat výnosy, aplikační zásahy nebo stav porostu s konkrétní lokalitou v rámci pozemku.
V zemědělství se používají především přijímače s diferenciální korekcí, které dokážou zpřesnit polohu až na 2–3 cm. Nejpřesnější jsou systémy s RTK korekcí (Real Time Kinematic), které přijímají korekční signál z referenční stanice, případně síťové služby. Méně přesné, ale dostupnější, je EGNOS, evropská satelitní korekce s přesností do 20 cm, což je dostačující pro většinu prací bez potřeby dokonalé přesnosti.
GPS navigace umožňuje nejen automatické řízení strojů po poli, ale hlavně geolokaci všech operací, bez čehož by nešlo vytvořit výnosovou mapu, aplikační zónu nebo sledovat reakci porostu na zásah.
V náročnějších podmínkách, například na kopcovitých pozemcích, dochází k prostorovým odchylkám mezi traktorem a neseným nářadím. Proto se dnes stále častěji používají samostatné GPS přijímače i na závěsných strojích, což výrazně zvyšuje přesnost vedení a eliminuje chyby v aplikaci, především u secích nebo meziřádkových strojů.
Když čísla začnou mluvit
Sběr dat je jen první krok a jejich skutečná hodnota přichází až ve chvíli, kdy čísla začnou dávat smysl. Po sklizni, setí nebo aplikaci hnojiv putují data do cloudů různých datových platforem a služeb, kde se z jednotlivých vstupů (výnosových map, půdních vzorků, záznamů o osevu) skládá celkový obrázek o daném pozemku.
Jednou z největších výhod těchto nástrojů je vrstvení dat. Agronom si může na jedné obrazovce zobrazit například půdní pH, výnosovou mapu z posledních let a záznamy o hnojení – a podle toho vyhodnotit, jak která část pozemku reaguje na konkrétní zásahy. Výsledkem pak může být tvorba aplikační mapy, která přesně určí, kam je potřeba přidat dusík nebo kde naopak nedávat nic.
Ačkoliv data sbírají stroje, rozhodnutí stále dělají lidé. Práce s mapami, hodnocení trendů nebo plánování variabilních zásahů vyžaduje zkušenost a role agronomů zůstává nezastupitelná. Ti data nevidí jako cíl, ale jako nástroj pro informované rozhodování.
V posledních letech se ale na scénu dostávají i automatizované analýzy a prvky umělé inteligence. Systémy začínají rozpoznávat anomálie v porostech, předvídat výnosy nebo doporučovat dávky živin na základě historických dat. Ačkoliv jde zatím o novinky, vypadá to na trend budoucnosti.
Flotila pod dohledem
Součástí dnešní moderní farmy bývá rozsáhlá flotila různých strojů. Představme si teď že každý ze strojů je jeden hudební nástroj a celá flotila je orchestr. A aby všechno hrálo, jak má, je potřeba mít o každém „nástroji“ dokonalý přehled. Právě k tomu slouží systémy pro fleet management, které dokážou sledovat polohu, činnost, provozní parametry i technický stav strojů téměř v reálném čase a umožňují jejich efektivní řízení napříč sezónou.
