Як застосовувати технологічні рішення, щоб кожен гектар працював ефективніше, а ґрунт залишався живим?
На сьогодні бізнес і наука об’єднуються навколо реальних технологій, що відновлюють біорізноманіття та зменшують вуглецевий слід агровиробництва. Євген Сапіженко, заступник директора агробізнесу Kernel з інноваційного та цифрового розвитку, розповів про стратегію інтеграції точного землеробства з точки зору планування, виконання технології і аналізу під час VI щорічної конференції з відновлення ґрунтів.
Поле під контролем: стратегія точності
Впровадження точного землеробства — це не лише здоров’я ґрунтів, а й про економіку агробізнесу, адже як не крути, а без прибутку вести бізнес неможливо. Тому варто з’ясувати, чи існують у точному землеробстві приховані резерви покращення результатів.
Для початку варто розібратись, що ж таке точне землеробство. Точне землеробство, насамперед, дає змогу використовувати неоднорідність умов вирощування для отримання кращого результату в кожній точці поля на основі даних вимірювань, обстежень тощо. Натомість smart farming має ширше поняття, яке включає в себе не лише точне землеробство, а й охоплює різні технологічні системи: датчики ґрунту, GPS-системи, метеостанції, дрони, супутникові знімки тощо, тобто повну цифрову автоматизацію для того, щоб зробити бізнес більш прибутковим. Отже, точне землеробство, це в першу чергу про неоднорідність на полі.
Євген Сапіженко, заступник директора агробізнесу Kernel з інноваційного та цифрового розвитку
За словами Євгена Сапіженка, на практиці в межах одного масиву можуть бути поля з урожайністю кукурудзи до 8 т/га, в той час як поруч сусідні поля в той самий сезон дають 12 т/га і більше. Це свідчить про значну різницю в потенціалі, тоді як собівартість вирощування часто залишається майже однаковою і на 50 % поки що не відрізняється. Резерви підвищення ефективності справді колосальні, — зазначає експерт. Навіть у масиві полів, які на перший погляд здаються однорідними за врожайністю, картування врожайності показує суттєву неоднорідність. Усередині одного поля різниця між зонами може сягати 50 % і більше – на таку ситуацію впливають природні умови та агрономічний фон.
Досвід точного землеробства від Kernel
«У нас був такий досвід. Протягом трьох років ми запускали пілотний проєкт під назвою «Полігони точного землеробства». Які висновки з цього зробили? Перш за все – стало зрозуміло, що в точному землеробстві ми всі ще багато чого не знаємо. Тому що середній економічний ефект за три роки, по всіх культурах, склав близько 10 доларів. При цьому одні ділянки дали суттєвий плюс, інші — менший результат. І тут правильніше говорити не про поля загалом, а саме про окремі зони в межах полів, — розповідає Євген Сапіженко. — Саме це дало нам багато важливих висновків і стало поштовхом до впровадження низки нових ініціатив».
В компанії зробили акцент на три ключові етапи. Головна мета — навчитися ефективно управляти неоднорідністю умов вирощування на полі та отримувати з цього практичну вигоду.
Першим етапом у компанії, за словами експерта, стало впровадження цифрового зонування полів. Поля автоматично поділили на менші ділянки – так звані юніти. Завдяки цьому впровадженню добрива, насіння і засоби захисту рослин почали застосовувати диференційовано з урахуванням потенціалу кожної зони, що дозволило зменшити витрати та підвищити врожайність культур.
Раніше, за словами експерта, в компанії працювали з різними підходами: формували зони за рівнем забезпечення елементами живлення, виділяли зони продуктивності, працювали з картами врожайності. У результаті отримували різні, часто неоднозначні результати чи несумісні між собою зони, що ускладнювало масштабування точного землеробства.
Виділивши стабільні внутрішньо однорідні зони на полі — юніти, з якими вже можна працювати як з окремими виробничими одиницями, це дало можливість уникати проблем, пов’язаних зі строкатістю поля.
Надалі виникла потреба класифікувати форми рельєфу в межах кожного виробничого юніта – щоб кожному юніту присвоїти конкретний схил відповідної експозиції, кута, нахилу або ж виділити рівнинні ділянки з різним рівнем вологозабезпечення. Паралельно в компанії переглянули підходи до ґрунтових обстежень. Фокус планування технологій, контролю їхнього виконання та аналізу результатів було зміщено з рівня поля на рівень виробничого юніта.
«Юніти — це певний компроміс, який допомагає врахувати природну неоднорідність поля. Потім на основі відносно однорідних ділянок ми отримуємо всі необхідні параметри щоб коригувати свою технологію, — розповідає Євген Сапіженко. — У виробничих юнітах враховується рельєф, багаторічні індекси вегетації, яскравість ґрунту та карти врожайності.
Теоретично кількість юнітів на одному полі може бути необмеженою — аж до окремого пікселя чи точки. Тому кожен власник господарства, залежно від строкатості поля, обирає необхідну кількість юнітів, щоб оптимально це поле покрити. Ми для себе визначили рівень гомогенності на рівні приблизно 85–90 % і вважаємо, що на нинішньому етапі цього буде цілком достатньо».
Щоб розуміти, як працювати з даними, потрібні багаторічні досліди в умовах, у яких потім застосовуватиметься технологія
Збір даних для точних дій
Наступним важливим кроком у компанії стала розробка власного програмного забезпечення для R&D і спеціальної методології проведення дослідів. В компанії вважають, що без збору та стандартизації даних рухатись далі буде складно. «Довелося мені нещодавно бути в Нідерландах на навчанні. Тамтешній експерт, що спеціалізується по впровадженню штучного інтелекту пояснив, чому в агробізнесі ШІ найменш поширений. Він навіть навів приклад, що в інших сферах, в тому числі у філософії, штучний інтелект набув більшого поширення, аніж в агробізнесі. Причина в тому, що у нас просто немає даних. Раніше отримані дані не підходять для точного землеробства та використання штучного інтелекту. Тому нам потрібно збирати інформацію нового рівня точності. Сюди входять картування врожайності, відбір зразків для хімічного обстеження, лабораторні вимірювання. Усе це потрібно робити з урахуванням зон, які ми виділили на попередньому етапі – ділиться експерт. — Щоб розуміти, як працювати з даними, потрібні багаторічні досліди в умовах, у яких потім застосовуватиметься технологія. Щоб такі досліди зберігалися в єдиній системі, виконувалися за єдиною методологією і щоб їхні результати стали надбанням наступних сезонів, ми й розробили спеціальний софт для R&D». Паралельно з цим в компанії з’явився новий підхід до аналізу результатів. Адже класичний підхід, коли на одному полі засівають половину за однією схемою, а половину — за іншою, не дає правильної картини. Поля всередині настільки строкаті, що на результат впливають зовсім інші фактори, ніж ті, які закладалися в дослідження.
За словами Сапіженка, в компанії дійшли висновку, що теорії щодо живлення, планування та інших агрономічних рішень доцільно перевіряти не на стаціонарних, а на виробничих дослідах. Такі досліди мають охоплювати різні агрономічні умови – поля, ґрунти та агрономічні фони, адже результати можуть суттєво відрізнятися, що й потрібно враховувати.
Третій етап, за словами експерта, найважливіший. На цьому етапі є кілька можливих напрямків розвитку. Перший – це біофізичні моделі та алгоритмічні розрахунки, які використовуються давно і потребують подальшої адаптації до умов точного землеробства. Їх потрібно оновити, щоб вони могли повноцінно працювати з даними точного землеробства та сучасними цифровими технологіями. І другий спосіб – це, звісно, штучний інтелект, який поки що не став масовим інструментом у практичному землеробстві.
У компанії «Kernel» використовують кілька ключових інструментів для цифрового розвитку. По-перше, це власні R&D-інструменти. По-друге, скаутинг з метою збору даних та нові підходи до обстеження ґрунтів, кластеризація юнітів тощо. Крім того, щороку в компанії проводять факторний аналіз результатів, щоб визначати ефективність, і проводять технологічний бенчмаркінг з іншими господарствами. Такий технологічний підхід допомагає успішно застосовувати на практиці точні технології з максимальним результатом.
Юлія Наружна, [email protected]