Digimaataloutta hyödynnetään Mustialan luomutilalla

Sitä mitä mittaat, voit parantaa -sanonta pitää paikkaansa myös maataloudessa. Toiminnan kehittämiseen apua tarjoavat digitaaliset laitteet ja palvelut. Ne helpottavat niin mittaamista, tiedonkeruuta, taltiointia kuin tiedon analysointiakin. Digitaalisuus auttaa syy- ja seuraussuhteiden löytämiseen sekä johtopäätösten ja tavoiteltujen muutosten tekemiseen. Digitaalisuus tarjoaa keinoja nykyistä parempaan riskien ja äkillisten muutosten ennakointiin, mutta kehittämistä tarvitaan sekä mittauksessa, mallinnuksessa että itse prosessissa. (Backman, 2015)

Maataloudessa digitaalisuuden kehittymistä on hidastanut se, että maatalous on pieni toimiala. Karttusen (2019) mukaan todennäköistä on, että kasvintuotannossa tullaan seuraamaan muun teollisuuden viitoittamaa tietä ja mahdolliset hyödyt voivat olla jopa suuremmat kuin muilla teollisuuden aloilla. Kasvintuotannossa lähivuosina yleistyvää automaatiotekniikkaa ovat traktoreiden automaattiohjaus eli itseohjautuvuus pellolla, konenäköön perustuvat ratkaisut muun muassa rikkakasvien ja kasvitautien täsmätorjunnassa sekä maaperän ja ilmaston olosuhteita mittaavat sensorit. Muita yleistyviä ratkaisuja ovat automaattinen työkirjanpito, joka mahdollistaa työajan ja panosten optimoinnin, ja työtehtäviä suorittavat droonit (Karttunen, 2019). Tulevaisuuden visioissa digitalisaatio sekä robotit mahdollistavat jatkuvan kasvustohavaintojen tekemisen sekä olosuhdetietojen paremman mittaamisen (Backman, 2018). Suunnitteluvaiheessa olevaa ja vuosien päästä kaupallisiksi tuotteiksi kehittyvää peltokasvituotannon tekniikkaa voivat olla muun muassa aurinkovoimalla toimivat kasvinsuojelurobotit ja traktori-työkoneyhdistelmiä korvaavat autonomiset peltorobotit tai robottiryhmät (Karttunen, 2019).

Maataloudessa edetään kasvukauden tahdissa

Digitaalisuus mahdollistaa nopean ja ajantasaisen tiedonkeruun ja -siirron, mutta kasvituotannossa rajoitteita asettaa kasvukausi, joita on kalenterivuodessa vain yksi. Mahdollisuuksia nopeiden johtopäätösten tekoon ei ole, kuten suljetussa tehdasympäristössä tai sisäkasvatuspaikoissa. Hyvällä koesuunnittelulla ja systemaattisella tiedonkeruulla saadaan kuitenkin ajan myötä arvokasta tietoa tulokseen vaikuttavista tekijöistä ja kehityssuunnista. Käytännössä teknologian ja prosessien kehitys kulkee käsi kädessä ja ne antavat syötettä toisilleen (Backman, 2015).

Hämeen ammattikorkeakoulun Mustialan opetus- ja tutkimusmaatilalla digitaalista tietoa on kerätty tehostetusti kahden kasvukauden ajan. Dataa on kerätty ilmasta, maasta, kasvustoista, sadoista, varastoista ja polttoaineen kulutuksista. Seuraavassa esitellään Mustialan opetus- ja tutkimusmaatilan kasvinviljelyssä käytössä olevia menetelmiä, niistä kerättävää tietoa sekä joitain esimerkkejä sen käyttökohteista.

Anturit mittaavat sääolosuhteita ja näyttävät paikkatiedon

Mustialassa käytetään LoraWAN -radiosignaalilla toimivia kasvuolosuhdemittareita. LoraWAN -tiedonsiirtoverkko on tarkoitettu langattomaan ja nopeaan, mutta pienen datamäärän tiedonsiirtoon. Sen ominaispiirteitä ovat kaksisuuntainen tiedonsiirto, liikuteltavuus, paikannuspalvelut ja helppo käyttöönotto (Digita). Sääasema mittaa lämpötilaa tunnin välein. Sen avulla saadaan laskettua kasvukauden tehoisan lämpösumma. Lämpösummaa kertyy, kun vuorokauden lämpötila ylittää 5°C (Ilmatieteenlaitos, n.d.). Lämpösumma auttaa kasvukauden kehityksen seuraamisessa. Esimerkiksi säilörehun korjuuajankohta on otollinen, kun lämpösumma saavuttaa 300 celsiusastetta. Kuviossa 1 on esitetty Mustialan lämpösumman kehittyminen vuonna 2020.

Maahan asennetuilla antureilla, kuvio 2, mitataan maan lämpötilaa ja kosteutta useista eri syvyyksistä. Saadun tiedon perusteella voidaan arvioida oikeaa kylvöajankohtaa sekä määritellä sadetustarvetta. Seurantatiedon kertyessä voidaan analysoida esimerkiksi eri maalajien käyttäytymistä ja maan lämpötilan kehitystä verrattuna ilman lämpötilaan tai aurinkoisten päivien määrään. Kuviossa 3 on esitetty syysvehnälohkon lämpötilan muutokset maan pinnasta, 10 cm:n ja 40 cm:n syvyyksistä syksyllä 2020. Ilman lämpötilavaihtelut vaikuttivat maan lämpötilaan anturien asentamisen jälkeen merkittävästi, koska maan asettuminen vie aikaa.

Nykyään paikannus perustuu satelliitteihin. Satelliittisignaalien perusteella vastaanotin voi määrittää sijaintinsa muutaman metrin tarkkuudella missä tahansa maapallolla alle minuutissa. (Maanmittauslaitos, n.d.) Tarkempaan paikannukseen on tarjolla korjaussignaaleja, joiden avulla päästään muutaman cm:n tarkkuuteen. Normaaleissa maataloustöissä ilmainen signaali tarjoaa hyvissä olosuhteissa noin 30 cm tarkkuuden, joka riittää hyvin esim. muokkaustyöhön ja ajo-opastimen käyttöön. Jotta voidaan käyttää ajoavustinta tai automaattiohjausta kylvö- ja istutustyössä, tarvitaan jo senttimetriluokan tarkkuutta.

Mustialan koneissa on siirrettävät LoraWAN-verkossa toimivat paikkatietomokkulat sekä yhdessä traktorissa on etäseurattava GPS-paikkatieto. Näiden avulla voidaan seurata koneiden liikkeitä ja nähdä esimerkiksi, miten ja milloin tietty pelto on muokattu tai kylvetty sekä mihin suuntaan on kuljettu ja mistä on aloitettu. Harvakseltaan mittaava laite (paikkatietomokkula) ei piirrä tarkkaa kulkureittiä, vaan muodostaa suorat viivat kahden mitatun pisteen välille. Ajonopeuden ollessa 5–15 km/h traktori liikkuu minuutissa n. 80–250 metriä. Tällöin yhdeltä ajolinjalta syntyy yleensä vähintään kaksi mittauspistettä, jonka avulla reitti piirtyy. Paikkatietomokkula soveltuu hallintatyökaluiksi tiloille, joilla käytetään yhteiskoneita. Paikkatiedon avulla pystytään seuraamaan yhteiskoneiden liikkumista ja sijaintia helposti. Kuviossa 4 on LoraWAN ja ValtraConnect paikkatietosignaalien avulla piirtynyt ajoreitti pellolla tehdystä kylvömuokkauksesta keväällä 2019.

Yhdistelemällä antureiden ja paikkatietosignaalin avulla saatavia tietoja, saadaan uutta tietoa. Esimerkiksi lietesäiliössä sijaitsevan anturin avulla voidaan laskea säiliöstä pumpatun lietteen määrä. Yhdistämällä levitystraktorin paikkatieto lietelannan määrään, saada tieto siitä, mitä, mistä, miten paljon ja minne lietettä on levitetty. Tietoja tarvitaan maatilan ravinnelaskennassa ja tiedot kirjataan lohkokirjanpitoon lohkokohtaisesti. Menetelmästä on hyötyä esimerkiksi urakoitsijalle. Tietojen pohjalta nähdään jälkeenpäin levitetyt alat ja tunnit, jota voi käyttää laskutuksen perustana.

Drooni muuttaa tarkastelunäkökulmaa

Pellon kuvaaminen droonin eli pienoishelikopterin avulla on lisääntynyt viime vuosina merkittävästi hinnan laskun myötä. Yläilmoista otettu kuva tuottaa paljon enemmän tietoa kuin mitä saadaan tarkastelemalla peltoa maasta käsin. Silmämääräisesti arvioituna, maasta katsottuna kasvusto näyttää yleensä paremmalta kuin mitä se droonikuvasta katsottuna on. Droonikuvaa voidaan käyttää kasvuston kunnon, pinta-alojen ja korkeuserojen määrittelyyn, tilavuuksien laskemiseen ja matkan mittaamiseen.

Perustason laite tuottaa tavallisia värikuvia (RGB), joista voidaan tietokoneohjelmilla tuottaa indeksikuvia. Indeksikuvien perusteella voidaan arvioida nurmen paikkauskylvön ja suuntaa antavaa lannoitustarvetta sekä kestorikkojen sijaintia. Analysointi perustuu värien heijastumiseen kasvustosta.

Kuviossa 5 on samalta lohkolta otettu lämpökamerakuva, droonikuvista tehty kasvustoindeksikuva, puimurin satokarttakuva sekä värikuvista tehty ortokuva. Kaikista kuvista pystyy selvästi havaitsemaan kasvullisesti hyvät ja huonot kohdat.

Ortokuvan avulla voidaan määritellä pinta-aloja. Pinta-alatietoa tarvitaan esimerkiksi peruslohkolla olevien kasvulohkojen määrittämiseen ja viljelysuunnitelmien tekemiseen. Mikäli halutaan kuvata maan pinnan korkeuseroja, kuvat tulee ottaa keväällä, ennen kasvun alkua. Muutoin kuva kertoo maan pinnan sijaan kasvuston korkeuserot. Korkeuserotiedot ovat tärkeitä esimerkiksi ojan perkauksen suunnittelussa. Lento-ohjelmissa on mahdollisuus tehdä myös 3D-kuvia, joiden avulla saadaan laskettua esim. hiekka-, kalkki-, lanta- ja rehukasojen ja -aumojen tilavuuksia. (Kotala, 2018; Pitkämäki, 2019)

Polttoaineen kulutusseuranta antaa potkua resurssitehokkuuden parantamiseen

Polttoainekustannus on maatilojen yksi suurimmista kulueristä. Seuraamalla eri työvaiheiden ja -koneiden kulutusta, voidaan tarkastella eri työtapojen vaikutusta kulutukseen. Kun muistiinpanoihin kirjataan traktorikohtaisesti tankatut litramäärät, traktorin tuntimittarin lukema ja edellisen tankkauksen jälkeen tehdyt työt, voidaan tietojen pohjalta tehdä johtopäätöksiä ja kehittää työtapoja. Merkitsemisessä kannattaa käyttää digitaalista alustaa.

Mustialassa tiedot kerätään nettilomakkeella, jossa koneluettelo on valmiina. Käyttöä helpottamaan tiedonkeruulomakkeelle on luotu oma QR-koodi, josta aukeaa esitäytetty lomake tankkaajan matkapuhelimeen. Nettilomakkeen kautta kerättyjä tietoja voi käsitellä kätevästi Excel-ohjelmalla.

Nykyaikaisissa koneissa tietoa kerätään automaattisesti

Uusimmissa työkoneissa on erilaisia telemetriapalveluja. Mustialan uusin traktori, vuoden 2016 Valtra T144, kerää tietoa koneen toiminnoista ja liikkumisesta. Traktorin CAN-väylässä kulkevaa tietoa kerätään ValtraConnect-palvelulle ja siihen yhdistetään koneen oma paikkatieto. Käyttäjät pystyvät seuraamaan traktorin keräämää dataa reaaliaikaisesti noin 60 eri parametrin avulla esitettynä. Tiedot tallentuvat automaattisesti ja niitä voidaan tarkastella myöhemmin. Kuviossa 6 on nähtävissä polttoaineen kulutus ja moottorin kierrosluku traktorin oman seurantatiedon avulla.

Koneen tuottama tieto on tarpeellista huollon yhteydessä. Huollon tekijä voi ennen huoltokäyntiä katsoa, mikä koneessa vaatii huoltoa tai on rikki ja miten vika ilmenee. Näin hän osaa varata mukaan oikeat huoltomateriaalit tai varaosat. Koneen keräämän tiedon avulla omistaja saa tietoa esimerkiksi eri ajotapojen vaikutuksesta polttoaineen kulutukseen. Tämä mahdollistaa omakohtaiset kokeilut ajotavan optimointiin. Järjestelmä tarjoaa apua myös koneurakointiin. Seurantatietojen avulla nähdään ajoreitit, niiden pituudet ja ajankäyttö. Näiden perusteella voidaan selvittää esimerkiksi, kuinka kauan tietyn tieosuuden auraamiseen on kulunut aikaa ja polttoainetta. Tämä tieto on helposti käytettävissä esim. laskutuksen yhteydessä.

Ceres 8000i -satokartoitusjärjestelmä tuottaa visuaalisen kartan, jonka avulla saadaan tietoa sadon määrästä. Kartta koostuu pienistä, sadon määrää kuvastavista ruuduista, joiden kokoa voidaan muuttaa. Käytännössä puimurin pöydänleveys olisi sopiva ruudun koko. Kartan antamaa tietoa voidaan hyödyntää viljelysuunnitelman tekemisessä. Jos esimerkiksi joka vuosi tietty pellonosa tuottaa merkittävän vähän satoa, niin se antaa signaalin perusparannustarpeen kartoitukseen ja kasvivalintaan. Kuvion 7 satokarttakuvassa on nähtävissä lohkon sisäiset vaihtelut. Vertaamalla satokarttoja droonikuviin ja antureiden tuottamiin tietoihin voidaan tehdä johtopäätöksiä.

Automatiikka palvelee työkoneen käyttäjää

Ajo-opastimella, ajoavustimella ja automaattiohjauslaitteilla saadaan helpotusta työkoneen kuljettamiseen. Ajamista helpottavan teknologian yleistymisen syynä on parantunut tuottavuus, käytettävyys sekä työn rasittavuuden vähentyminen (Backman, 2015). Ajo-opastin nimensä mukaan opastaa kuljettajaa etukäteen määritellyllä ajolinjalla. Ajoavustin pitää traktorin tai koneen ennalta määritellyllä ajolinjalla kääntämällä renkaita kuljettajan puolesta. Ajolinjat toistuvat työkoneen leveyden perusteella. Erona automaattiohjaukseen on, että avustimella kuljettajan pitää kääntää traktori päisteessä aina seuraavaan ajolinjaan.

Ajo-opastinta käytettäessä työkoneiden työleveys saadaan hyödynnettyä täysimääräisesti ja turhaa ajoa vältetään. Tavallisen ajo-opastimen tarkkuus hyvissä olosuhteissa on kymmeniä senttimetrejä, mikä riittää hyvin muokkaustöihin. Kylvötyössä edellytetään suurempaa tarkkuutta. Siihen tarvitaan RTK-tarkkuussignaali, jolla päästään peltoalueella 1,5 cm tarkkuuteen (Gebre-Egziabher, 2018). RTK-signaalin käyttö maksaa noin 500–1 000 euroa vuodessa palveluntuottajasta riippuen. Erityistä hyötyä ajo-opastimesta on ruiskutustyössä, jolloin ei jää ruiskutusvirheitä, välipaikkoja tai synny päällekkäin ruiskutusta. Ajo-opastin mahdollistaa työskentelyn myös pimeässä. Pilveen tallentuvia koneen liikkeitä voidaan tarkastella myöhemmin. Mustialassa ajo-opastinta on käytetty kylvömuokkauksessa ja ajoavustinta kylvössä ja niitossa.

Digitaalinen arkisto maatilan toiminnan kehittämisen apuna

Digitaalisten antureiden, paikkatietomokkuloiden, satokartoituslaitteiden, ajo-opastinten ja automaattista tiedonkeruuta toteuttavien järjestelmien kautta syntyy runsaasti dataa ja digitaalisia arkistoja. Varsinainen hyöty, kerätyn datan arvo muodostuu, kun kerättyä tietoa hyödyntäen laaditaan laskelmia ja niiden perusteella muodostettujen johtopäätösten avulla muutetaan käytännön toimintaan. Optimitilanteessa tilan digiarkistoista voi löytää vastauksia ongelmatilanteisiin ja vuosien tiedon kerryttämisen myötä saatamme saada tilakohtaisia ratkaisuja ja viljelyennusteita.

Digitaalisen tiedon tallentaminen tulee suunnitella huolella. Tänä päivänä pidetään jo itsestään selvänä, että tiedot tallennetaan pilveen. Se helpottaa saavutettavuutta ja yhteiskäyttöä. Mutta takaako digitaalisuus, että tiedot ovat vielä sadan vuoden kuluttua tutkijoiden käytettävissä niin kuin ovat esimerkiksi oppilaitosten postikirjat? Postikirjoista löytyy merkinnät, milloin ja kenelle kirjeitä oli lähetetty. Joistakin kirjeistä on jopa kopiot tallessa. Digitaalisille aineistoille tulisikin olla pysyvä arkistopaikka. Luomussa vara parempi -hankkeessa digitaalista arkistoa rakennetaan kaikille avoimelle mustialanluomutila.fi -sivustolle.