Kaip IoT ir dirbtinis intelektas keičia žemės ūkio derliaus prognozavimą

Skaitmeninė transformacija pasiekė ir žemės ūkį – šiandien ūkininkai vis dažniau remiasi IoT jutikliais, palydoviniais duomenimis ir dirbtiniu intelektu (DI), kad tiksliau prognozuotų derlių, sumažintų nuostolius ir priimtų duomenimis grįstus sprendimus. Derliaus prognozė, kuri anksčiau rėmėsi tik patirtimi, intuicija ir istorine statistika, dabar tampa nuolat atnaujinamu, automatizuotu ir labai tiksliai veikiančiu procesu.

Kas yra IoT žemės ūkyje?

IoT (daiktų internetas) žemės ūkyje – tai tarpusavyje sujungtų įrenginių, jutiklių, belaidžių tinklų ir programinės įrangos ekosistema, kuri realiu laiku renka, perduoda ir analizuoja duomenis iš laukų, šiltnamių, sandėlių bei žemės ūkio technikos.

Pagrindiniai IoT komponentai žemės ūkyje:

Dirvožemio jutikliai – matuoja drėgmę, temperatūrą, pH, maistinių medžiagų koncentraciją.
Oro sąlygų stotelės – fiksuoja kritulius, vėjo greitį, oro temperatūrą, saulės radiaciją.
Augalo būklės sensoriai – stebi augalų augimo fazes, lapų drėgmę, stresą.
Telemetriniai sprendimai technikai – renka duomenis iš traktorių, kombainų, purkštuvų.
Belaidžiai tinklai ir debesija – užtikrina duomenų perdavimą ir saugojimą vienoje sistemoje.

Šie įrenginiai leidžia ūkiui tapti „skaitmeniniu organizmu“, kuriame kiekvienas hektaras turi savo duomenų „balsą“. Būtent šie duomenys yra pagrindas tiksliai derliaus prognozei, kai į pagalbą pasitelkiamas dirbtinis intelektas.

Dirbtinis intelektas derliaus prognozavimui

Dirbtinis intelektas žemės ūkio derliaus prognozėje – tai algoritmai ir modeliai, galintys išanalizuoti didelius istorinius ir realaus laiko duomenų kiekius, pastebėti pasikartojančias tendencijas ir numatyti būsimą derlių gerokai tiksliau nei tradiciniai metodai.

DI susieja daugybę veiksnių:

dirvožemio savybes ir jų pokyčius laike;
pasėlių veislę, sėjos laiką, tręšimo ir purškimo istoriją;
meteorologines prognozes ir klimato rizikas;
palydovinius ir dronų vaizdus (NDVI ir kitus indeksus);
praėjusių metų derliaus rezultatus konkrečiuose lauko taškuose.

Naudodamas šiuos duomenis, DI gali ne tik apskaičiuoti galimą derlių hektarui, bet ir identifikuoti silpniausias lauko zonas, siūlyti tikslesnius tręšimo ir drėkinimo scenarijus, įspėti apie galimą derliaus kritimą dėl sausros, ligų ar kenkėjų.

Kaip veikia IoT ir DI derliaus prognozės sistema?

Šiuolaikinė derliaus prognozavimo sistema – tai nenutrūkstama grandinė nuo jutiklio iki sprendimo ūkininko telefone. Procesą galima suskaidyti į kelis etapus.

1. Duomenų surinkimas lauke

Pirmiausia IoT įrenginiai nuolat fiksuoja aplinkos ir augalų būklę. Kiekvienas jutiklis periodiškai siunčia matavimus į centrinę sistemą:

dirvožemio drėgmė skirtinguose gyliuose;
oro temperatūra ir santykinė drėgmė;
lapų paviršiaus temperatūra ir drėgmė;
šviesos intensyvumas ir saulės spinduliuotė;
vietovės GPS koordinatės ir aukštis.

Prie šių duomenų papildomai prijungiami palydoviniai vaizdai, dronų nuotraukos ir meteorologinės prognozės, kurios leidžia pažvelgti į lauką iš viršaus ir laiko perspektyvos.

2. Duomenų perdavimas į debesiją

Surinkti duomenys per LoRaWAN, Narrowband IoT, 4G/5G ar kitus ryšio standartus patenka į debesų pagrindu veikiančią platformą. Ten jie:

automatiškai išvalomi nuo klaidų ir anomalijų;
suvedami į vieningą struktūruotą duomenų bazę;
pažymimi pagal lauką, kultūrą, sezoną ir kitus parametrus.

Šiame etape ypač svarbus duomenų kokybės valdymas – netikslūs ar neišsamūs duomenys tiesiogiai mažina derliaus prognozės tikslumą.

3. DI modelių mokymas ir veikimas

Turint kelių metų (o kartais net dešimtmečių) istorinius duomenis ir naujausią informaciją iš laukų, kuriami bei nuolat tobulinami mašininio mokymosi ir giluminio mokymosi modeliai. Jie:

įvertina sezonines ir ilgalaikes klimato tendencijas;
atpažįsta pasikartojančius derliaus kritimo arba augimo scenarijus;
mokosi iš ankstesnių prognozių ir tikrojo nuimto derliaus skirtumo;
automatiškai prisitaiko prie naujų veislių, tręšimo technologijų ar klimato pokyčių.

Galiausiai ūkininkas gauna aiškią išvadą, pavyzdžiui: „Prognazuojamas kviečių derlius šiame lauke – 7,2 t/ha (±8 %), rekomenduojama koreguoti azoto normą 3–5 % pietinėje lauko dalyje.“

4. Sprendimų ir scenarijų siūlymas

Modernios platformos nebepasitenkina vien tik derliaus skaičiumi. Jos generuoja sprendimų scenarijus:

„Kas, jeigu“ analizę (angl. what-if) – kas nutiks, jei sumažinsime tręšimą 10 %?
Rizikos žemėlapius – kuriose lauko dalyse tikėtinas didžiausias derliaus svyravimas?
Ekonominius skaičiavimus – kiek papildomo derliaus atneš konkreti investicija?
Logistikos prognozes – kada geriausia planuoti derliaus nuėmimą ir sandėliavimą?

Taip IoT ir DI tampa ne tik analitiniu, bet ir strateginiu įrankiu, integruotu į visą ūkio valdymo sistemą.

Nauda ūkiams ir žemės ūkio verslui

Investicijos į IoT ir DI derliaus prognozavimo sistemas gali atrodyti didelės, tačiau jos atsiperka per keletą sezonų. Pagrindinės naudos apima ne tik didesnį derlių, bet ir efektyvesnį visų išteklių naudojimą.

Didelis prognozių tikslumas

Tradiciškai derliaus prognozės dažnai „prašaudavo“ kelias tonas hektarui. Naudojant IoT jutiklius ir DI, paklaida gali būti sumažinta iki keliolikos procentų, o kai kuriais atvejais – dar mažiau. Tai ypač svarbu:

planaujant sandėliavimo vietas ir pajėgumus;
derantis dėl supirkimo sutarčių prieš derliaus nuėmimą;
valdant finansines rizikas ir draudimą;
optimizuojant logistiką ir technikos apkrovas.

Sąnaudų ir rizikų mažinimas

Tiksli derliaus prognozė leidžia nedaryti perteklinių išlaidų:

tiksliau planuoti trąšų ir augalų apsaugos priemonių kiekius;
išvengti neefektyvaus drėkinimo, taupant vandenį ir energiją;
laiku reaguoti į oro sąlygų pokyčius, sumažinant derliaus praradimo riziką.

Be to, naudojantis DI galima sukurti ankstyvojo įspėjimo sistemas, kurios informuoja apie numatomą stresą augalams, ligų ar kenkėjų plitimo riziką konkrečiu laiko momentu ir vietoje.

Tvari ir precizinė žemdirbystė

IoT ir DI pagrindu veikiančios derliaus prognozės padeda įgyvendinti precizinės žemdirbystės principus – tręšti, laistyti ir purkšti tik ten ir tiek, kiek reikia. Tai mažina:

cheminių medžiagų panaudojimą;
neigiamą poveikį dirvožemiui ir vandens telkiniams;
šiltnamio efektą sukeliančių dujų emisijas.

Rezultatas – tvaresnis ūkininkavimas, kuris atitinka tiek ES žaliąjį kursą, tiek didžiųjų supirkėjų keliamus reikalavimus dėl atsekamumo ir aplinkosaugos.

Pagrindinės taikymo sritys

IoT ir DI derliaus prognozavimo sprendimai pritaikomi ne tik dideliuose grūdiniuose ūkiuose, bet ir specializuotuose, nišiniuose sektoriuose.

Grūdinės kultūros

Kviečiai, miežiai, rapsai, kukurūzai – tai pagrindinės kultūros, kuriose šiandien dažniausiai taikomi IoT ir DI sprendimai. Derliaus prognozė šiuose ūkiuose yra tiesiogiai susijusi su dideliais finansiniais srautais ir biržų kainomis.

DI modeliai čia naudoja:

palydovinius indeksus (pvz., NDVI, EVI);
meteorologinius scenarijus (sausros, liūtys, šalnos);
dirvožemio struktūros ir našumo žemėlapius;
ankstesnių metų faktinius nuimtus kiekius lauko lygmeniu.

Sodo ir uogų ūkiai

Sodai, uogynai ir vynuogynai dažnai patiria didelius derliaus svyravimus dėl oro kaprizų, ligų ir žydėjimo kokybės. IoT jutikliai kartu su DI leidžia:

tiksliau prognozuoti žydėjimo ir derėjimo intensyvumą;
įvertinti šalnų riziką kritiniais laikotarpiais;
modeliuoti vaisių ir uogų užmezgimo procentą;
planuoti rinkimo brigadų ir šaldymo infrastruktūros poreikį.

Daržininkystė ir šiltnamiai

Šiltnamiuose, kur aplinka yra labiau kontroliuojama, IoT ir DI gali pasiekti ypač tikslų derliaus prognozavimo lygį. Čia stebimi:

mikroklimato parametrai (temperatūra, drėgmė, CO₂ lygis);
apšvietimo intensyvumas ir trukmė;
substrato drėgmė ir maistinių medžiagų tirpalas;
augalo augimo greitis ir fenologinės fazės.

DI modeliai gali apjungti šiuos duomenis ir labai tiksliai prognozuoti derliaus kiekį savaitės ar net dienos tikslumu, leidžiant šiltnamiams geriau derinti tiekimą su rinkos paklausa.

Iššūkiai ir ribojimai

Nors IoT ir DI derliaus prognozavimo potencialas yra didžiulis, praktinis įgyvendinimas susiduria su keletu rimtų iššūkių, kuriuos svarbu suprasti prieš investuojant.

Duomenų kokybė ir kiekis

DI modeliai „maitinasi“ duomenimis. Jei duomenų:

per mažai (trūksta kelių sezonų istorijos);
jie netikslūs ar nenuoseklūs;
jutikliai blogai sukalibruoti arba dažnai genda;

– prognozių kokybė stipriai krenta. Dėl to būtina planuoti jutiklių tinklo kokybės kontrolę, reguliarų kalibravimą ir sistemingą duomenų tvarkymą.

Infrastruktūra ir ryšys

Ne visi ūkininkai turi stabilų mobilųjį ryšį ar galimybę diegti naujausius ryšio standartus. Dideli ir nutolę ūkiai dažnai susiduria su:

silpnu interneto signalu dalyje laukų;
didelėmis ryšio ir prenumeratos sąnaudomis;
reikalavimu integruoti skirtingų gamintojų įrenginius vienoje platformoje.

Norint pasiekti maksimalią naudą, IoT ekosistema turi būti vientisa ir patikima – nuo jutiklio iki debesų ir ūkininko ekrano.

Kompetencijos ir pokyčių valdymas

Ne mažiau svarbus yra žmogiškasis faktorius. Ūkininkams ir agronomams reikia:

duomenų analizės ir DI pagrindų supratimo;
noro priimti sprendimus remiantis skaičiais, o ne vien intuicija;
laiko ir motyvacijos mokytis naujų skaitmeninių įrankių.

Sėkmingi projektai dažniausiai prasideda nuo pilotinių laukų ir etapinio diegimo, po truputį plečiant sprendimo taikymą ir komandos kompetencijas.

Kaip pradėti diegti IoT ir DI derliaus prognozei?

Norint praktiškai pasinaudoti šiomis technologijomis, svarbu judėti struktūruotai ir neišleisti lėšų nesuderinamoms ar ūkiui netinkančioms sistemoms.

1. Įsivertinkite ūkio tikslus

Pirmiausia apibrėžkite, kokį uždavinį norite išspręsti:

tiksliau prognozuoti derlių finansiniam planavimui;
optimizuoti trąšų ir vandens sunaudojimą;
sumažinti riziką dėl klimato svyravimų;
pagerinti derliaus kokybę ir stabilumą.

Aiškūs tikslai padės pasirinkti tinkamą technologinį partnerį ir sprendimo apimtį.

2. Surinkite ir sutvarkykite turimus duomenis

Prieš diegdami naujus jutiklius, peržiūrėkite, kokius duomenis jau turite:

ankstesnių metų derliaus žemėlapius ir ataskaitas;
tręšimo, sėjos ir purškimo žurnalus;
turimus agrocheminius dirvožemio tyrimus;
meteorologinių stočių ar netoliese esančių orų stočių duomenis.

Ši medžiaga taps pagrindu pirmajam DI modelio mokymosi etapui.

3. Pradėkite nuo pilotinio projekto

Patartina pasirinkti:

1–2 laukus, kurie yra reprezentatyvūs visam ūkiui;
kelias pagrindines kultūras;
ribotą, bet pakankamai tankų jutiklių tinklą.

Po 1–2 sezonų dažniausiai jau būna aišku, kokią realią pridėtinę vertę generuoja sistema ir kokios investicijos pasiteisina labiausiai.

4. Rinkitės atviras ir integruojamas sistemas

Venkite uždarų sprendimų, kuriuose duomenys „užrakinti“ vienoje platformoje. Atviros API, standartizuoti duomenų formatai ir galimybė integruoti įvairius įrenginius leis:

lengviau keisti tiekėją ateityje;
jungti derliaus prognozę su kitomis ūkio valdymo sistemomis;
pasinaudoti naujais DI modeliais, kai jie atsiranda rinkoje.

Ateities tendencijos: kas laukia toliau?

IoT ir DI žemės ūkio srityje vystosi labai sparčiai, o derliaus prognozė – viena dinamiškiausių sričių. Artimiausiais metais tikėtinos kelios ryškios tendencijos.

Hiperlokalios prognozės

DI modeliai vis labiau orientuosis ne į ūkį ar lauką, o į mikro zonas – net kelių arų tikslumu. Tai leis:

taikyti dar tikslesnį kintamos normos tręšimą ir sėją;
kurti nuolat atsinaujinančius derliaus žemėlapius;
kur kas tiksliau prognozuoti derliaus kokybę, o ne tik kiekį.

Integracija su rinkos ir kainų prognozėmis

Derliaus prognozės vis dažniau bus jungiamos su:

biržų kainų prognozėmis;
pasaulinės paklausos ir pasiūlos modeliais;
logistikos ir sandėliavimo sąnaudų skaičiavimais.

Taip ūkininkas ar kooperatyvas gaus ne tik derliaus, bet ir pajamų prognozę, leidžiančią proaktyviai apsidrausti ar sudaryti ilgalaikes tiekimo sutartis.

Autonominiai sprendimų priėmimo įrankiai

Ilgainiui IoT ir DI pereis nuo rekomendacijų prie pusiau autonominių sprendimų, pavyzdžiui:

automatinio drėkinimo valdymo pagal derliaus prognozę ir kritulių scenarijus;
autonominio trąšų paskirstymo pagal lauko zonas;
robotizuoto derliaus nuėmimo planavimo, kai mašinos pačios nusprendžia optimalų laiką ir maršrutą.

Išvada: IoT ir DI – naujas derliaus prognozės standartas

IoT ir dirbtinis intelektas žemės ūkyje jau nebe futuristinė vizija, o kasdienybė daugelyje pažangių ūkių. Derliaus prognozė iš „spėjimo“ virsta duomenimis grįstu, nuolat atnaujinamu ir itin tiksliu procesu, kuris daro įtaką ne tik ūkio vidiniams sprendimams, bet ir visai tiekimo grandinei – nuo sėjos iki galutinio vartotojo.

Ūkiai, kurie pradeda sistemingai kaupti duomenis, diegia IoT jutiklius ir eksperimentuoja su DI, įgyja strateginį konkurencinį pranašumą. Jie gali stabiliau planuoti pajamas, mažinti rizikas, efektyviau naudoti išteklius ir atitikti vis griežtėjančius tvarumo reikalavimus.

Todėl klausimas dažnai nebėra „ar verta diegti IoT ir DI derliaus prognozei?“, o veikiau „kada ir kokiu mastu pradėti“. Kuo anksčiau žemės ūkio verslas įsitraukia į šią skaitmeninę transformaciją, tuo daugiau istorinių duomenų sukaupia ir tuo tikslesnės tampa jo derliaus prognozės ateityje.