Як запроваджувати прогресивні рішення, щоб кожен гектар функціонував результативніше, а ґрунт залишався життєздатним?
На сьогоднішній день бізнес та наукова спільнота об’єднують зусилля навколо дієвих технологій, що сприяють відновленню біорізноманіття та зниженню вуглецевого сліду в агровиробництві. Євген Сапіженко, заступник директора агробізнесу Kernel з питань інноваційного та цифрового розвитку, поділився стратегією інтеграції точного землеробства, зосередившись на плануванні, впровадженні технологій та аналізі результатів, під час VI щорічної конференції, присвяченої відновленню ґрунтів.
Поле під контролем: стратегія точності
Впровадження точного землеробства стосується не тільки стану ґрунтів, а й економічної складової агробізнесу, адже комерційна діяльність неможлива без фінансової вигоди. Тому доцільно дослідити, чи існують у точному землеробстві неочевидні шляхи для покращення показників.
Для початку необхідно розібратися, що ж таке точне землеробство. Насамперед, воно дозволяє враховувати відмінності умов вирощування для досягнення кращих результатів у кожній ділянці поля, спираючись на дані вимірювань, обстежень тощо. Натомість “smart farming” охоплює ширше поняття, яке включає не тільки точне землеробство, але й різноманітні технологічні системи: датчики ґрунту, GPS-навігацію, метеостанції, дрони, супутникові зображення, тобто повну цифрову автоматизацію для підвищення ефективності бізнесу. Отже, точне землеробство, в першу чергу, стосується варіативності на полі.
Євген Сапіженко, заступник директора агробізнесу Kernel з інноваційного та цифрового розвитку
За словами Євгена Сапіженка, на практиці в межах одного агромасиву можуть спостерігатися ділянки з урожайністю кукурудзи до 8 т/га, тоді як сусідні ділянки в той самий сезон демонструють врожайність 12 т/га і вище. Це вказує на значну різницю в потенціалі, при цьому собівартість вирощування часто залишається майже ідентичною і поки що не відрізняється на 50 %. Експерт зазначає, що резерви для підвищення ефективності є справді колосальними. Навіть на ділянках, які на перший погляд здаються однорідними за врожайністю, картування врожайності виявляє суттєву неоднорідність. Всередині одного поля розбіжність між зонами може сягати 50 % і більше – на таку ситуацію впливають природні умови та агрономічний фон.
Досвід точного землеробства від Kernel
«Ми мали подібний досвід. Протягом трьох років ми реалізовували пілотний проєкт під назвою «Полігони точного землеробства». Які висновки ми зробили? Перш за все – стало очевидно, що в сфері точного землеробства ми всі ще багато чого не вивчили. Адже середній економічний ефект за три роки, по всіх культурах, склав близько 10 доларів. При цьому одні ділянки продемонстрували суттєвий прибуток, інші – менший результат. І тут коректніше говорити не про поля в цілому, а саме про окремі зони в межах полів, — ділиться Євген Сапіженко. — Саме це надало нам багато важливих інсайтів і стимулювало впровадження низки нових ініціатив».
В компанії зробили акцент на три ключові етапи. Основна мета — навчитися ефективно керувати варіативністю умов вирощування на полі та отримувати з цього практичну вигоду.
Першим етапом, за словами експерта, стало впровадження цифрового зонування полів. Поля були автоматично розділені на менші сегменти – так звані юніти. Завдяки цьому нововведенню, добрива, насіння та засоби захисту рослин почали застосовувати диференційовано, враховуючи потенціал кожної зони, що дозволило знизити витрати та збільшити врожайність культур.
Раніше, за словами експерта, в компанії використовували різні підходи: формували зони за рівнем забезпечення поживними речовинами, виділяли зони продуктивності, працювали з картами врожайності. У результаті отримували різноманітні, часто суперечливі результати або несумісні між собою зони, що ускладнювало масштабування точного землеробства.
Виділення стабільних, внутрішньо однорідних зон на полі – юнітів, з якими можна працювати як з окремими виробничими одиницями, дозволило уникнути проблем, пов’язаних із 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 зволоження. Паралельно з цим, компанія переглянула підходи до ґрунтових обстежень. Фокус планування технологій, контролю їх 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 для коригування нашої технології, — пояснює 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 неоднорідності поля, обирає необхідну кількість юнітів для оптимального покриття. Ми визначили для себе рівень гомогенності приблизно 85–90 % і вважаємо, що на поточному 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 та спеціальної методології проведення досліджень. В компанії переконані, що без збору та стандартизації даних подальший рух буде складним. «Мені нещодавно довелося бути в Нідерландах на навчанні. Тамтешній експерт, що спеціалізується на впровадженні штучного інтелекту, пояснив, чому в агробізнесі ШІ найменш поширений. Він навіть навів приклад, що в інших сферах, зокрема у філософії, штучний інтелект набув більшого поширення, ніж 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 необхідно збирати інформацію нового рівня точності. Сюди входять картування врожайності, відбір зразків для хімічного обстеження, лабораторні вимірювання. Усе це потрібно робити з урахуванням виділених на попередньому етапі зон – ділиться експерт. — Щоб розуміти, як працювати з даними, потрібні багаторічні досліди в умовах, у яких згодом буде застосовуватися 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 половину площі засівають за однією схемою, а іншу половину – за іншою, не дає коректної картини. Поля всередині настільки неоднорідні, що на результат впливають зовсім інші фактори, ніж ті, що були закладені в дослідження.
За словами Сапіженка, компанія дійшла висновку, що теорії щодо живлення, планування та інших агрономічних рішень доцільно перевіряти не на стаціонарних, а на виробничих дослідах. Такі досліди мають охоплювати різноманітні агрономічні умови – поля, ґрунти та агрономічні фони, адже результати можуть суттєво відрізнятися, що й потрібно враховувати.
Третій етап, за словами експерта, є найважливішим. На цьому етапі існує кілька можливих напрямків розвитку. Перший – це біофізичні моделі та алгоритмічні розрахунки, які використовуються давно і потребують подальшої адаптації до умов точного землеробства. Їх необхідно оновити, щоб вони могли повноцінно взаємодіяти з даними точного землеробства та сучасними цифровими технологіями. І другий спосіб – це, безумовно, штучний інтелект, який поки що не став масовим інструментом у практичному землеробстві.
В компанії «Kernel» застосовують кілька ключових інструментів для цифрового розвитку. По-перше, це власні R&D-інструменти. По-друге, розвідка (скаутинг) з метою збору даних та нові підходи до обстеження ґрунтів, кластеризація юнітів тощо. Крім того, щорічно в компанії проводять факторний аналіз результатів для визначення ефективності та здійснюють технологічний бенчмаркінг з іншими господарствами. Такий технологічний підхід сприяє успішному впровадженню точних технологій на практиці з максимальною віддачею.
Юлія Наружна, [email protected]