GeoPard och Cornell University CAST, NMSP Samarbete om datadriven jordbruk

Cornell Agricultural Systems Testbed and Demonstration Site (CAST) för framtidens gård och Cornell Nutrient Management Spear Program (NMSP) har samarbetat med precisionsjordbruksplattformen GeoPard Agriculture för att omvandla rådata på avkastning till handlingsbara jordbruksrekommendationer.

CAST – ett kluster av tre verkliga gårdar i delstaten New York – fungerar som en testbädd för "Framtidens gård"-teknik och utvecklar datadrivna lösningar för grödo- och mejeriproduktion. NMSP-teamet bedriver forskning, underlättar teknik- och kunskapsöverföring och hjälper till med implementeringen av fördelaktiga strategier för näringshantering från grödor på fältet för att öka hållbarheten på gårdar i hela delstaten New York.

GeoPard samarbetar med CAST och NMSP för att utveckla databehandling till förbättrade digitala agronomiverktyg – en blandning av vetenskap, teknik och jordbruksledda försök som exemplifierar framtiden för precisionsjordbruk.

Cornells CAST och NMSP

CAST är en del av USDA NIFA:s initiativ “Framtidens gård” och verkar under beskydd av Cornell Institute for Digital Agriculture. CAST sammanför tre kommersiella gårdar (grödor och mejeri) under ett enhetligt FoU-ekosystem. Dess uppdrag är att testa och demonstrera integrerade precisionsjordbrukstekniker (från robotik till dataanalys) under verkliga jordbruksförhållanden.

Parallellt fokuserar Nutrient Management Spear Program (NMSP), lett av Dr. Quirine Ketterings, på tillämpad forskning och utveckling av jord och grödor. NMSP-teamet utvärderar näringsförbrukning och avkastningsvariationer på gårdar; till exempel var de pionjärer inom "avkastningsstabilitetszoner", där de kombinerade tre eller fler års avkastningsdata för att kartlägga områden med konsekvent hög och låg avkastning kontra varierande fläckar.

Dessa kartor över stabilitetszoner (med zonerna Q1–Q4 för konsistens av hög/låg avkastning) och nya försöksdesigner som Single-strip Spatial Evaluation Approach (SSEA) hjälper jordbrukare att testa, genom forskning på gården, om förändringar i skötseln lönar sig, givet känd variation inom fältet.

GeoPard-jordbruksplattformen

GeoPard Agriculture tillhandahåller en molnbaserad analysmotor som bearbetar all geospatial jordbruksdata. Som GeoPard uttrycker det är plattformen "ett opartiskt molnbaserat analyskraftverk för precisionsjordbruk", kapabelt att hantera flerskiktade, fleråriga data. I praktiken inhämtar GeoPard avkastningsövervakningsfiler, jordkartor, satellitbilder och mer för att producera färdiga kartor och recept. Viktiga funktioner inkluderar generering av fleråriga förvaltningszoner och kartor med variabel dosrecept (VRA), detaljerad analys av avkastningsdata och verktyg för grödövervakning.

Till exempel kan GeoPard rensa och kalibrera rå skördetröskedata och till och med skapa syntetiska skördekartor (uppskatta skördar från satellit-/drönarindata) för att fylla luckor där historiska data saknas. Plattformen stöder även topografi- och jorddataanalys, 3D-fältvisualisering, jämförelse av data från bearbetning med mera.

• Kartläggning av förvaltningszon och VRA: GeoPard använder avkastnings-/jordlager för att avgränsa fältzoner och skapa förskrivningskartor för exakt inmatning.
• Bearbetning av avkastningsdata: Systemet implementerar automatiserad rengöring och kalibrering av skördarens avkastningsregister och kan generera syntetiska avkastningskartor från fleråriga data och fjärranalysdata.
• Övervakning av grödor och fält: Satellitbaserade verktyg och multiindexanalyser hjälper till att upptäcka geografiska trender i grödors prestanda och begränsande faktorer från år till år.

Samarbetsforskning och fältförsök

I detta samarbete utforskar CAST och NMSP GeoPard Agriculture-plattformen för att bearbeta data från rå majsensilage och spannmålsavkastningsövervakning till rensade avkastningskartor, avkastningsstabilitetszoner och för att utvärdera noggrannheten i genereringen av syntetiska avkastningsdata.

Quirine Ketterings och hennes team på NMSP använder data från CAST-fält för att utvärdera och förbättra noggrannheten hos GeoPards algoritmer för att kartlägga avkastning, samt bestämma syntetisk avkastning för både helfältsbedömningar och för experiment. Tillsammans med GeoPard utvärderar Ketterings och hennes team datakvalitet och protokoll för att generera kartor över avkastningsstabilitetszoner för fält med flera års data.

Foto av Madeline Hanscom/NMSP

Deras mål är att kunna analysera både konventionella forskningsförsök på gårdarna, såväl som de nyutvecklade Single-strip Spatial Evaluation Approach (SSEA)-försöken som använder kunskap om variationer i avkastning inom fält. Viktiga aspekter av samarbetet inkluderar:

1. Dataintegration: CASTs skörde- och precisionsdata bearbetas i GeoPard, vilket omvandlar rådata till georefererade avkastningskartor och prestandalager.
2. Algoritmvalidering: GeoPards algoritmer för avkastningskartläggning och syntetisk avkastning testas mot CAST/NMSP:s rigorösa data från gårdstester, vilket förfinar tekniken baserat på verkliga mätningar.
3. Rumslig analys: Teamet genererar kartor över avkastningsstabilitetszoner från flera års data och utvärderar hur väl GeoPards modeller fångar verkliga fältmönster.
4. Innovativ testdesign: Nya metoder som SSEA använder avkastningsmönster inom fält för att effektivt jämföra behandlingar, med stöd av GeoPards rumsliga analys.

Genom att arbeta tillsammans säkerställer Cornell och GeoPard att plattformens resultat är förankrade i gårdarnas verklighet. Även om GeoPard utnyttjar avancerad modellering (inklusive satellitbaserad avkastningsuppskattning), gör validering på dessa datarika Cornell-gårdar dess rekommendationer mer tillförlitliga. Denna integration av vetenskap, teknik och faktisk fältpraxis skapar en återkopplingsslinga: både odlare och forskare drar nytta av mer tillförlitliga precisionsjordbruksverktyg.

Praktisk effekt: Mot hållbart precisionsjordbruk

Det slutgiltiga målet är att omsätta forskningsytor till praktisk vägledning för jordbrukare. Avkastningsövervakning och kartläggning ger jordbrukare insikt i variationer inom fält, vilket möjliggör riktade åtgärder snarare än generella behandlingar. Studier visar faktiskt att konsekvent avkastningskartläggning hjälper jordbrukare att "se vilka fältområden som presterar bra och vilka som behöver förbättras, vilket hjälper dem att planera mer exakta åtgärder".

Till exempel kan en jordbrukare använda GeoPard-kartor för att applicera gödselmedel endast där grödor underpresterar i förhållande till fältgenomsnittet, eller anta bevarandemetoder i zoner med konsekvent låg avkastning. Genom att tillhandahålla rensade data, analyser av avkastningsstabilitetskartor och syntetiska riktmärken stöder Cornell-GeoPard-partnerskapet kostnadseffektiva och miljömässigt smarta beslut.