A napról napra megjelenő technológiai újításoknak köszönhetően útjainkon a gépkocsik, otthonunkban a konyhagépek, vagy karunkon az óra szinte már önálló életet élnek. Az innovációk kényelmesebbé teszik mindennapjainkat, és hatékonyabbá munkánkat. Nem csodálkozunk hát, hogy a szőlészetben is mind gyakrabban jelennek meg a gazdálkodást segítő műszaki fejlesztések. Ami néhány éve még a science fiction regények lapjain kapott helyet, ma már ott van a sorok között és azok felett is. Műholdak, drónok, szenzorok és önvezető gépek segítik a szőlészt a precíziós gazdálkodásban.
A precíziós gazdálkodás (Precision Farming – PF) gyökerei a XX. század elejére nyúlnak vissza. A gazdálkodók ebben az időszakban azzal szembesültek, hogy a mezőgazdasági területek nem homogének. Ezt okozhatja a különféle alapkőzet, talajtípus, az erózió vagy az eltérő humusztartalom. Még kis területen belül is változatosak a talajadottságok, emiatt a parcellák „uniformizált” talajművelése nem volt eredményes. Ekkor merült fel a helyspecifikus talajápolás és az ezt kiszolgáló talajmintavétel, illetve talajelemzés gondolata is. Az egyre nagyobb adattömegre alapozott módszer az 1960-as években kapott nagyobb lendületet, amikor új matematikai eljárásokkal bővült az adatelemzés. A mai értelemben vett precíziós gazdálkodás az 1980-as években jelent meg, amikor fejlettebb szenzorok, pontosabb helymeghatározás és hozamtérképek váltak elérhetővé. A további fejlődést a mintavételi területek pontos azonosítása tette lehetővé a GPS (Geographical Positioning System) elterjedésével. Az első nemzetközi precíziós gazdálkodási konferenciát 1992-ben rendezték meg, és 5 évvel később útjára is indult az első tematikus folyóirat. Ezt követően adták ki a módszereket bemutató „pionír” szakkönyveket is. A PF megjelenése után néhány évvel a szőlőtermesztésben is feltűntek a precíziós technológiák (Precision Viticulture – PV). Különösen a klímaváltozás okozta nehézségek és a környezetterhelés csökkentésének mind nagyobb igénye volt az, ami gyorsította az új módszerek terjedését.
A precíziós gazdálkodás elemei
A PF (és egyben a PV) lényege az, hogy precíz helyadatokhoz pontos környezeti adatokat kapcsolunk, majd ezek alapján hozunk döntéseket, és tervezzük meg a termesztéstechnológiát, vagy annak egyes lépéseit. Ezzel csökkenteni tudjuk a környezetterhelést, fokozhatjuk a termésmennységet, javíthatjuk a minőséget, és növelhetjük gazdálkodásunk hatékonyságát. A helymeghatározás során a művelt terület feltérképezése és a művelőeszközök helyének pontos azonosítása a cél. A műszerek technikai szintjétől (és árától) függően néhány méteres vagy akár centiméteres pontossággal azonosíthatjuk az ültetvény, a szőlőtőke vagy a munkagép helyét. Így célzottan a tábla bizonyos pontjain tudunk kezeléseket végrehajtani.
Adatgyűjtés
A pontos helyadatokhoz hozzárendeljük a növény fiziológiai vagy környezeti állapotát leíró adatokat. Erre szolgálnak a kihelyezett szenzorok, melyek az adatgyűjtést végzik. Az érzékelők, attól függően, hogy hol használják fel őket, lehetnek földközelik vagy távérzékelők. A földközeli érzékelőket a növényen vagy közelében helyezzük el. A mérés célja alapján arról is döntenünk kell, hogy a szenzor állandó helyre kerül, vagy kéziműszert használunk. Előbbire példa egy meteorológiai állomás, melyet jellemzően az ültetvény egy bizonyos pontján állítunk fel, míg utóbbira az okostelefonhoz csatlakoztatott – például hőkamera, ami a sorok között bárhol használható. A „mobil” földközeli szenzorok egy másik csoportja az ültetvényben szolgálatot teljesítő gépekre szerelhető fel (on-the-go), így a traktor haladása közben végzi az adatgyűjtést. A mérhető paraméterek száma szinte végtelen, valójában bármit megmérhetünk: a lombozat méretét, szerkezetét, a fürtzóna hőmérsékletét és páratartalmát, a tőkék egészségi állapotát vagy a talaj nedvességtartalmát.
Ha távolabb merészkedünk a soroktól, és a magasból tekintünk az ültetvényre, olyan adatokhoz jutunk, amelyek a földközelben elkerülnék a figyelmünket. Repülőről vagy pilóta nélküli légi járművekről (a szakirodalomban UAV: Unmanned Aerial Vehicle, de mi nevezzük őket a továbbiakban drónoknak) ugyanis lehetőségünk van az egész ültetvényről hagyományos, valamint multi- és hiperspektrális légifelvételeket készíteni. Ha ennél is magasabbra merészkedünk, a fejünk felett keringő műholdak, mint például a Landsat vagy a Sentinel által készített képeket használhatjuk a termőhelyek nagyobb léptékű jellemzésére.
Már a hagyományos nagyfelbontású színes (RGB) felvételek is számtalan adattal szolgálnak. A képek alapján azonosítani tudjuk a talajfoltokat, vagy jellemezhetjük az egyes növények fejlődését. Ha azonban ennél többre vágyunk, ki kell lépnünk a látható, 390 és 750 nm közötti hullámhossztartományból. Ennek azonban komoly technikai feltételei vannak, hiszen a hagyományos fényképezőgépek erre nem képesek, a multi- és hiperspektrális kamerák viszont igen. A multispektrális kamerák ugyanis 4 vagy annál több csatornában (hullámhossztartományban) készítenek felvételt egy időben. Így tudunk a látható mellett például a közeli infravörös (Near InfraRed) tartományban is fotózni. A felvételekből nyert adatok birtokában már számos vegetációs index mentén értékelhetjük ültetvényünk állapotát. A leggyakrabban használt ilyen mutató az NDVI vagy más néven normalizált vegetációs index (Normalized Differential Vegetation Index) a növények „zöld színéről”, vagyis 0. Az index értéke alapján képesek vagyunk ültetvény- vagy tőkeszinten leírni a kondíciót, és kiszűrhetjük azokat a parcellákat, ahol a növekedés valamilyen okból, például növény-egészségügyi problémák, tápanyag- vagy vízhiány miatt gátolt. A hiperspektrális kamerák az előbbihez képest jóval több csatornában készítenek felvételt egyszerre, vagyis a képek jóval több információt hordoznak. Az adatfeldolgozás során az egyes tartományokban készült képeket külön-külön rétegként kezelik, majd egymásra helyezik és az adatokat az így nyert hiperspektrális adatkockából nyerik ki.
A magasból a tőkék állapota mellett az ültetvény domborzati viszonyairól is képet kaphatunk. A szőlőtermesztésben ennek jelentősége kiemelkedő, hiszen már néhány méteres eltérés fagyzugok, hideg légtavak kialakulását eredményezheti, ami mind a téli, mind a tavaszi időszakban komoly fagykárok forrása lehet.
Big Data és döntéstámogatás
A begyűjtött adatok mennyisége – a műszerek számától és technológiai szintjétől függően – olyan nagy lehet, hogy a hagyományos adattárolás és feldolgozás azokat már nem képes kezelni. Ilyenkor találkozunk a „Big Data” fogalmával, ami nem más, mint ennek a hatalmas adathalmaznak a kezelése, tárolása és feldolgozása. És hogy honnan jön ez a sok adat? Ha csak egyetlen tőke lombhőmérsékletét mérnénk meg percenként egy éven át, már az is 525.600 adatot jelentene. És ez csak egyetlen tőke egyetlen paraméterének vizsgálata. Ahhoz, hogy az adatokat döntéstámogatásra (DSS – Decision Support System) tudjuk használni, számos tényező együttes vizsgálata szükséges, ami ennél nagyságrendekkel nagyobb adattömeget eredményez. A szőlészetben a DSS-t leginkább a növényvédelemben lehet kiaknázni. Az előrejelzésen alapuló beavatkozások lényege ugyanis az, hogy az ültetvény hőmérséklet- és páratartalom-adatai alapján modellek segítségével a szolgáltatók előre jelzik, hogy mikorra várható a kórokozók fertőzése, így okszerű növényvédelmet tudunk megvalósítani a környezetterhelés mérséklésével. A feleslegesen elvégzett permetezés nem csupán a vegyszer, de üzemanyag és további erőforrások pazarlásával járna. A traktor tovább tömöríti a talajt, miközben maga a gép is feleslegesen amortizálódik, így a döntéstámogatás hosszú-, de akár már rövidtávon is megtérül.
Szerzők:
A teljes cikk a Bor és Piac magazin 5-6. lapszámában olvasható
