Forskare från Bayerische Landesanstalt für Landwirtschaft (LfL) och GeoPard Agriculture har gått samman för att undersöka ekonomin bakom odlingssystem med remsor och mellanodlingssystem för hållbart jordbruk. De delade sina resultat vid universitetet i Hohenheims evenemang om "Främja biologisk mångfald genom digitalt jordbruk", med fokus på miljövänliga jordbruksmetoder och deras ekonomiska effekter.
Deras projekt, “Framtidens grödodling”, syftade till att utforska nya sätt att odla, med särskilt fokus på remsodling. Denna teknik innebär att man odlar olika grödor sida vid sida i remsor inom samma fält, vilket skulle kunna minska behovet av kemikalier och öka den biologiska mångfalden. Forskarna ville hitta sätt att göra jordbruket mer miljövänligt samtidigt som det fortfarande är lönsamt för jordbrukarna.
Detta samarbete, lett av Olivia Spykman och Markus Gandorfer från LfL, tillsammans med Victoria Sorokina från GeoPard, startade under EIT Food Accelerator-programmet. Med hjälp av sina kunskaper inom jordbruk, digitala verktyg och dataanalys började de studera den ekonomiska sidan av hållbara jordbruksmetoder.
Medan De fann att den ekologiska potentialen för remsodling är väl undersökt när det gäller att minska användningen av syntetiska insatsvaror och öka den biologiska mångfalden, men mekaniseringen och arbetskraftsekonomin, särskilt med autonom utrustning, kräver ytterligare utvärdering.
De fann att bönderna var osäkra på dess praktiska genomförbarhet, särskilt med ny teknik. För att åtgärda detta pratade de med bönder på ett fältlaboratorium för odling av remsor för att förstå deras farhågor och kommunicera bättre.
Dessutom kan förändringar i landskapet göra jordbrukare tveksamma, så det är viktigt att ge tydlig information i förväg. Därför kan digitala verktyg, som visualiseringar, underlätta kommunikationen mellan jordbrukare och deras samhällen, vilket skapar acceptans och uppskattning för ekologiskt fördelaktiga landskapsförvandlingar.
Till exempel, i Nya Zeeland använde jordbrukare VR-glasögon (virtual reality) för att visualisera lämpliga områden för skogsplantering, vilket underlättade planering på gårdsnivå genom att illustrera effekterna på jordbrukets lönsamhet, landskapets estetik och landsbygdssamhällen. Sådana visualiseringar kan öka jordbrukarnas förståelse och intresse för landskapsförändringar, även om ett framgångsrikt genomförande också är beroende av jordbrukarnas självförtroende.
På liknande sätt användes i denna forskning det molnbaserade programmet GeoPard för att analysera ett system för odling i remsor från flera perspektiv. GeoPards ekvationer parametriserades med empiriska data från projektet Future Crop Farming. De inledande resultaten inkluderar visualiseringar av herbicider och kväveinmatning samt avkastning, med mer komplexa beräkningar planerade.
Dessutom integrerade systemet olika datakällor, inklusive:
- Avkastning och tillämpade indatauppsättningar
- Prisinformation för grödor och växtskydd (tillhandahålls av användaren)
- Satellitbilder (Sentinel-2, Landsat, Planet)
- Topografidata
- Zonkartor med historisk data tillgängliga i GeoPard
Samtidigt användes huvudsakligen spatial analys och effektiv hantering av spatial data med hjälp av NumPy-ramverket. Data hämtades från .xlsx- och .shp-filer. Shape-filen saknade dock specifika detaljer om enskilda remsor, vilket krävde integration av olika dataformat.
GeoPard underlättade organisering av data rumsligt för att länka remsspecifika detaljer med deras respektive platser i fältet. Därför bildade den integrerade datamängden, som visar remsorna, grunden för den beskrivande försöksanalysen i GeoPard.
Även om forskningen inte undersökte variabel applicering av inmatningar, möjliggjorde GeoPards högupplösta kartläggning (pixelstorlek: 3×3 meter) detaljerad visualisering på pixelnivå, vilket ökade komplexiteten. Denna detaljerade kartläggning är värdefull för framtida tillämpningar, som att kombinera flera lager eller integrera mer rumsligt variabel information, såsom "avkastningsprofiler" baserade på småskaliga avkastningsdata som samlats in av tröskor i forskningsprojektet.
Forskare har också upptäckt att även om GeoPard främst har tjänat beskrivande funktioner, har det potential för mer komplexa visualiseringar. Till exempel kan införlivande av avkastningsdata och prisinformation på delområnsnivå bidra till att skapa vinstkartor som visar kanteffekter mellan angränsande grödområn.
Dessutom skulle integration av arbetsmarknadsekonomiska data kunna avslöja effekterna av minskade stordriftsfördelar för att främja biologisk mångfald. Sådana data kan underlätta scenariomodellering, vilket möjliggör utforskning av olika växtföljder, odlingsbredder och mekaniseringstyper, med fokus på fältspecifika resultat för att förbättra jordbruksförvaltning och beslutsfattande.
Därför skulle konfigurationen kunna fungera som en digital tvilling, med realtidsdataöverföring från fältmaskiner och sensorer till GeoPard, en funktion som redan är möjlig med viss kommersiell teknik och satellitdata. Jordbrukarnas oro kring teknikkompatibilitet betonar dock behovet av att integrera ytterligare datakällor för bredare tillämpbarhet.





































