Розроблення фермерської цифрової стратегії

Сьогодні агротехнологічні дані не є чимось новим для сільського господарства загалом і сільськогосподарських операцій зокрема. Завжди господарники використовували рукописні нотатки для оцінювання ефективності роботи ферми та врожайності. Однак із появою точного землеробства на початку 1990-х років фермери почали використовувати інформаційні технології для збирання електронних даних на конкретній ділянці. З розвитком технології точного землеробства стало набагато легше оперувати даними, зібраними за допомогою сільськогосподарської техніки та цифрових платформ, адже підключення до інтернету та хмарних сховищ спростило проведення різноманітних операцій з даними.

Більшість сучасної сільськогосподарської техніки, яка надходить від виробника, підключається до інтернету за допомогою телематичних або бездротових технологій, що дає змогу легко переміщувати дані між бортовим комп’ютером та іншими пристроями. Менеджери з виробництва оригінального обладнання, постачальники сільськогосподарських технологій і роздрібні торговці надають програмні платформи для зберігання, візуалізації та аналізу даних про ферми. Крім того, мобільні додатки також широко використовують на фермах. Такий цифровий підхід дає змогу фермерам та їхнім консультантам використовувати дані для прийняття рішень щодо кожного окремого поля.

ТИПИ ДАНИХ

Дані, зібрані для використання в сільськогосподарських умовах, надходять з різних джерел і можуть бути використані в різних застосунках. Файли з даними мають точки з геоприв’язкою зі змінними, що стосуються польових операцій або характеристик поля. Ці точки містять більше інформації, ніж можна візуалізувати на одній мапі. Елементи, зібрані в кожній точці, часто містять дату/час, місцезнаходження GPS, норму внесення хімічних речовин та добрив, висоту, швидкість руху, тип продукту тощо.

АГРОНОМІЧНІ ДАНІ

Агрономічні дані являють собою дані, які зібрані на полі й мають: інформацію про гібрид (або сорт), розвиток рослини (як показано на рисунку), врожайність, тип, щільність та родючість ґрунту, застосовані пестициди та добрива, інформацію про агротехнічну розвідку тощо. Дані про сівбу та застосування гербіцидів являють собою агрономічні дані, які можна зібрати під час польових операцій. Дані про стан та типи ґрунтів можна використовувати для прийняття рішень щодо застосування добрив з урахуванням регіональних екологічних вимог. Усі ці дослідження можна використовувати для відстеження поширення шкідників і хвороб та прийняття рішень щодо обприскування.

РЕКОМЕНДОВАНІ ДАНІ

Велика кількість сільськогосподарських машин, які використовують сьогодні, збирають дані про врожай і стан ґрунту новими та ефективними способами. Датчики, зображення та інші технології працюють разом в єдиній системі, щоб надати фермерам інформацію про поживні речовини ґрунту, вологість, бур’яни, комах, сонячне світло, тінь тощо. Після аналізу дані можуть допомогти фермерам скорегувати напрям роботи під час посівного сезону, таким чином забезпечуючи якісніший урожай. Датчики вологості ґрунту, наприклад, можуть допомогти фермерам контролювати потребу в зрошенні і також автоматизувати цей процес. Ці типи датчиків дають змогу компаніям консультувати фермерів щодо ресурсів, норм внесення та застосованих методів, які можуть максимізувати врожайність і прибуток.

КОМП’ЮТЕРНІ ДАНІ

Комп’ютерні (машинні) дані збирають за допомогою кількох датчиків і мереж зв’язку, розташованих на сільськогосподарській техніці. До них належать споживання палива, оберти двигуна, навантаження на двигун, швидкість руху, помилки, вибір передач тощо. Комп’ютерні дані також можуть свідчити, чи ввімкнено автоматичне рульове керування, місцезнаходження GPS, контроль дотримання напрямків руху техніки під час виконання завдань, стан обладнання, гідравлічний тиск та витрати палива тощо. Машинні дані можуть бути ефективним інструментом для оцінювання експлуатаційних витрат і потужності поля.

ВИКОРИСТАННЯ ДИСТАНЦІЙНОГО ЗОНДУВАННЯ

У зв’язку з інтересом до використання безпілотників в господарствах покращився процес збирання та отримання зображень полів. Один із найпоширеніших прикладів використання зображень у сільському господарстві — це нормалізований вегетаційний індекс NDVI. NDVI — це числовий індикатор, необхідний для того, щоб відрізняти рослинність від ґрунту шляхом реєстрації відбитого світла, що падає на неї. Однією з переваг використання зображень є можливість розробляти карти змінної норми для посіву за відсутності карти врожайності. Крім того, використання дистанційного зондування може допомогти під час збирання даних для досліджень на фермах, надати оцінки врожайності та скоригувати подальші дії (підрахунок насаджень, оцінювання здоров’я посівів тощо).

ВИРОБНИЧІ ДАНІ

Виробничі дані охоплюють усі інші дані, зокрема з ферми, примітки, про погоду, дані застосунків, дати сівби тощо. Дані про виробництво корисні для підтримки та доповнення до інших форм цифрового сільського господарства.

СУМІСНІСТЬ ДАНИХ

Зараз у центрі уваги цифрового сільського господарства можливість досягнення сумісності програм — здатності системи або продукту працювати з іншими системами або продуктами без виняткових зусиль з боку користувача. Одним із прикладів може бути об’єднання забраних даних трактора «Марка A» із сівалкою «Марка B». Багато компаній мають власні стандарти та технології форматування даних. Тож зусилля повинні бути зосереджені на стандартизації, форматуванні та розробленні способів транспортування інформації, щоб її можна було використати повною мірою. Сьогодні саме відсутність сумісності є головним обмежувальним чинником для цифрового сільського господарства.

Нині декілька організацій намагаються розв’язати питання сумісності даних про ферми, зокрема це стосується потреби у стандартизації форматування,термінологіїтощо. Наприклад, американська некомерційна організація AgGateway, що займається розвитком ресурсів, які сприятимуть цифровізації сільського господарства, розробила словник, який містить термінологію з усієї сільськогосподарської галузі.

AgGateway також створила Ag Data Application Programming Toolkit (ADAPT), щоб усунути невідповідності між машинними та програмними додатками (adaptframework.org). Розробники програми вважають, що нині глобальна сільськогосподарська промисловість намагається досягти основної мети: полегшити «розмову одна з одною» різних систем, які виробники хочуть використовувати у своєму бізнесі. Нещодавнє опитування північноамериканських виробників та їхніх ділових партнерів виявило, що 84% респондентів вважають складними збирання й аналізування даних про польові операції («точні дані про агротехніку») з різних джерел. «Це серйозна перешкода глобального впровадження цифрових технологій для підвищення продуктивності, ефективності та, зрештою, прибутковості сільськогосподарських операцій», — зазначають у AgGateway.

ФОРМАТИ ФАЙЛІВ

Компанії зазвичай використовують різні формати даних. Багато з них є власністю. Для перегляду та використання потрібне спеціалізоване програмне забезпечення. Власні формати (наприклад,.dat,.gsd,.rbin і .agdata) використовують для зберігання та обміну даними між польовою технікою та програмним забезпеченням для керування фермою, але можуть не підходити для використання цих даних в процесі діяльності ферми. Доступні деякі формати файлів з відкритим кодом, як-от:.txt,.shp і .xml, які можуть полегшити користування даними, збереженими у цих форматах. Та велика кількість поширених форматів даних не є взаємозамінними, що ускладнює перегляд і аналіз даних у пакеті програмного забезпечення.

Обсяг і різноманітність даних, які сьогодні можуть бути згенеровані сільськогосподарськими машинами та технологіями точного землеробства для окремого поля, є справді винятковими. Кількість річних даних може легко перевищувати обсяг в один терабайт на 1 акр для фермерів, які вклали значні кошти в технології точного землеробства і які використовують цифрові інструменти, такі як спеціальні застосунки та дистанційне зондування. Тому для цифрової стратегії ферми вкрай важливо визначити технології, які генерують справді якісні дані, чітко визначити, який тип даних збирається, а також розуміти формат файлу, у якому вони зберігаються.

Переклад - Олександра Долбєва

У разі передруку посилання на iFarming обов’язкове. Видавець не несе відповідальність за зміст рекламних оголошень та статей.

Ваші відгуки, пропозиції та зауваження приймаємо на пошту редакції: julia.naruzhna@ifarming.com.ua