BIG DATA w rolnictwie

przez Agnieszka Synowiec

Danetyzacja (ang. „big data analysis”) zaczyna dominować w różnych dziedzinach gospodarki i w różnych sferach naszego życia. Współcześnie dotyczy ona komputerowej analizy ekstremalnie dużych baz danych (Big Data), dla których poszukuje się określonych wzorów i korelacji, tak aby wyjaśniać zjawiska do tej pory trudne do zinterpretowania. Myliłby się jednak ten, kto uważałby, że umiejętność analizy złożonych baz danych zarezerwowana jest tylko dla komputerów o dużej mocy obliczeniowej. Niewątpliwie ułatwiają one szeregowanie danych i ich analizę, jednak nie są warunkiem koniecznym do twórczego spojrzenia na liczby, czego dobitnym przykładem są analizy dużych baz danych z wieku XIX-go, np. opracowanie przez oficera marynarki M. F. Maury’ego optymalnych szlaków wodnych dla statków po Atlantyku.

Współczesna danetyzacja wkracza też do rolnictwa. Celem jest optymalizacja nakładów, czego rezultatem ma być zwiększenie produkcji, vide – żywności, dla lawinowo rosnącej globalnej populacji ludzi. Rosnąca liczba mieszkańców Ziemi jest ujemnie skorelowana z szeregiem innych czynników, jak zmiany klimatyczne, ograniczenia w dostępności dla rolnictwa gruntów i wody, rosnąca urbanizacja, degradacja środowiska, wzrost dochodów per capita i związane z tym zmiany w nawykach żywieniowych (rosnący popyt na mięso), wydłużający się przeciętny okres życia ludzkiego. Ciekawie problem ten ujęto w filmie pt. Interstellar: „Świat nie potrzebuje większej liczby inżynierów. Nie brakuje nam samolotów ani telewizorów, zaczyna nam brakować żywności”.

Smart Farming („Inteligentne rolnictwo”, np. mysmart.farm), którego elementem jest rolnictwo precyzyjne, dotyczy zastosowania współczesnych technologii informacyjnych i komunikacyjnych w cyber-fizycznym cyklu produkcyjnym w gospodarstwie (Rysunek).

Cyber-fizyczny cykl produkcyjny w gospodarstwie (Wolfert i in. 2014)

Cykl ten oznacza użycie inteligentnych urządzeń, które podpięte do Internetu, kontrolują cały system. Oczekuje się, że nowe technologie takie jak Internet rzeczy (IoT) i chmury obliczeniowe, przyspieszą rozwój Smart Farming, wprowadzając do niego roboty i sztuczną inteligencję. Obejmuje to również wykorzystanie Big Data, które można uchwycić, przeanalizować i zastosować do podejmowania decyzji. Zakres użycia Big Data w inteligentnym rolnictwie przekracza ich wpływ wyłącznie na produkcję, obejmując również cały łańcuch dystrybucji żywności i jej bezpieczeństwa. Big Data w rolnictwie ma za zadanie dostarczyć wgląd w prognozy efektów gospodarowania (predykcyjny model plonów, model spożycia pasz itp.), wspierać decyzje w czasie rzeczywistym i pomóc opracować plany biznesowe dla lepszego, innowacyjnego funkcjonowania gospodarstwa.

W praktyce, surowe dane z systemów zarządzania gospodarstwem są wyodrębniane i dopasowywane do modelu danych, który został zaprojektowany tak, aby ułatwić ich obróbkę i analizę. Ten proces nazywa się ETL: „Extract, Transform and Load” („wyodrębnij, przekształć i załaduj”). Model danych zawiera różne elementy, jak np. dane o glebie, jej strukturze, zasobności w składniki pokarmowe, odczyn, wilgotność, o rodzaju upraw, zabiegach mechanicznych, nawożeniu, ochronie, wysokości plonów itp. Model gromadzi miliony danych ( rekordów) w celu stworzenia „jeziora danych”, zawierającego cenne informacje gotowe do wywołania i analizy. Dalej następuje przetwarzanie danych (np. z użyciem platformy  HPCC, High-Performance Computer Cluster) w połączeniu z programami do ich statystycznej analizy, co w efekcie daje odpowiedzi na pytania o przyczyny niższych plonów, czy możliwości redukcji stosowania herbicydów.

Podobnie jak w przypadku wielu innowacji technologicznych, zmiany w zastosowaniu Big Data w inteligentnym rolnictwie są napędzane mechanizmami „push-pull” („pchaj-ciągnij”). „Pull” (ciągnij), ponieważ istnieje zapotrzebowanie na nową technologię do osiągnięcia określonych celów. „Push” (pchaj), ponieważ nowa technologia (np. Internet rzeczy) pozwala ludziom lub organizacjom osiągnąć wyższe lub nowe cele.

Naukowcy z zespołu Technologii Informacyjnych z Uniwersytetu w Wageningen wyróżnili szereg mechanizmów „push-pull” napędzających Big Data w inteligentnym rolnictwie, a zestawionych w poniższej tabeli.

Czynniki push (pchaj)

Czynniki pull (ciągnij)

• Ogólny rozwój technologiczny

  • Internet reczy (IoT) i technologie napędzane danymi (data-driven technologies)
  • Rolnictwo precyzyjne
  • Rozwój firm agrotechnicznych

•Wyrafinowane technologie

  • Globalny system nawigacji satelitarnej
  • Obrazowanie satelitarne
  • Zaawansowane (zdalne) sterowanie
  • Roboty w rolnictwie
  • Bezzałogowe pojazdy latające (UAV, drony)

•Generowanie i przechowywanie danych

  • Generowane procesowo, maszynowo i przez człowieka
  • Interpretacja nieustrukturyzowanych danych
  • Zaawansowana analiza danych

•Łączność cyfrowa

  • Zwiększona dostępność informacji dla rolników
  • Zwiększenie mocy komputerów

•Innowacje

  • System zarządzania gospodarstwem za pomocą inteligentnych aplikacji
  • Zdalne/komputerowe doradztwo i wspieranie decyzji
  • Regionalne gromadzenie i łączenie danych dla badań naukowych i doradztwa (metaanaliza)
  • Sklepy on-line dla rolników
  • Media społecznościowe

• Sektor biznesowy

  • Zwiększenie wydajności poprzez niższą lub lepszą cenę rynkową
  • Poprawa kontroli zarządzania i podejmowania decyzji
  • Lepsze lokalne wsparcie zarządzania
  • Wsparcie i poprawa prawodawstwa i papierkowej roboty
  • Radzenie sobie z niestabilnymi warunkami pogodowymi

• Sektor publiczny

  • Wsparcie sektora żywnościowego
  • Bezpieczeństwo żywności
  • Zrównoważony rozwój

• Ogólne zapotrzebowanie na więcej i lepiej


Big Data będzie miało coraz większy wpływ na gospodarowanie w rolnictwie, silnie uzależniony od ich ogólnej dostępności (open access). Przyszłość inteligentnego rolnictwa, opartego o Big Data, może obrać dwa skrajne kierunki: 1) system zamknięty, w którym rolnik jest częścią wysoce zintegrowanego łańcucha dostaw żywności lub 2) system otwarty, oparty na współpracy systemów, w których rolnik i każdy inny interesariusz jest elastyczny w wyborze partnerów biznesowych, jak również w zakresie technologii produkcji żywności.

Piśmiennictwo:

Wolfert i in. 2017. Big Data in Smart Farming – A review. Agricultural Systems 153, 69-80.

Wolfert i in. 2014. A Future Internet Collaboration Platform for Safe and Healthy Food from Farm to Fork, Global Conference (SRII), San Jose, CA, USA

Precision Agriculture: Boosting Productivity with Big Data. https://www.searchtechnologies.com/blog/

Platform for Big Data in Agriculture http://bigdata.cgiar.org/

What is Smart Farming? https://www.smart-akis.com/

Autor: Agnieszka Synowiec
Screenshot of Music Academy

Dr inż. Agnieszka Synowiec, adiunkt w Katedrze Agrotechniki i Ekologii Rolniczej, UR w Krakowie. Zajmuje się oddziaływaniami allelopatycznymi pomiędzy roślinami uprawnymi i chwastami oraz odpornością chwastów na herbicydy.

comments powered by Disqus

Wróć

Serwis wykorzystuje ciasteczka (cookies). Korzystanie z witryny oznacza zgodę na ich zapis lub wykorzystanie. czytaj więcej