A talaj ,,megszólal"

Részletek

Amikor a talaj „megszólal”: hogyan hozhat új korszakot a mesterséges intelligencia a talajgazdálkodásban?
A láthatatlan erőforrás
A mezőgazdaság története valójában a talaj története. Minden technológiai ugrás – az ekétől a precíziós gazdálkodásig – végső soron ugyanarra a kérdésre próbált választ adni: hogyan lehet stabilan termelni egy folyamatosan változó környezetben?
A 21. század elejére azonban világossá vált, hogy a korábbi válaszok már nem elegendők. A termelők egyre gyakrabban tapasztalják, hogy ugyanaz a technológia egyik évben kiváló eredményt hoz, a következőben viszont csalódást okoz. A hozamok ingadoznak, a szélsőséges időjárás gyakoribbá válik, és sok esetben a talaj állapota romlik, még akkor is, ha a tápanyag-utánpótlás megfelelőnek tűnik.
A probléma gyökere az, hogy a talajt sokáig egyszerű közegként kezeltük, miközben valójában az egyik legösszetettebb természetes rendszer, amellyel az ember dolgozik. Erre az alapfelismerésre épült az a hároméves kutatás-fejlesztési projekt, amelynek célja egy új generációs, gépi tanulásra épülő talajszaktanácsadási rendszer létrehozása volt. A fejlesztés mögött álló gondolat egyszerű: ha megértjük a talaj működését adatvezérelt módon, akkor a gazdálkodási döntések is pontosabbá válhatnak.
A talaj több mint kémiai számok halmaza
A hagyományos talajvizsgálatok hosszú ideig elsősorban a kémiai paraméterekre koncentráltak. Nitrogén, foszfor, kálium – ezek a számok határozták meg a műtrágyázási döntéseket. Bár ezek az adatok fontosak, egyre nyilvánvalóbbá vált, hogy önmagukban nem magyarázzák a termelési különbségeket. Két azonos tápanyag-ellátottságú tábla teljesen eltérően viselkedhet. Az egyik jól reagál a beavatkozásokra, a másik nem. Ennek oka gyakran a talaj szerkezetében, vízgazdálkodásában vagy biológiai aktivitásában rejlik.
A projekt egyik legfontosabb célja ezért az volt, hogy a talajt ne különálló paraméterek gyűjteményeként, hanem működő rendszerként vizsgálják. A fejlesztett megközelítés integrálta:



• a fizikai tulajdonságokat,
• a kémiai állapotot,
• a mikrobiológiai közösségeket,
• valamint a talajmorfológiai jellemzőket.
Ez a multidiszciplináris szemlélet alapvetően eltér a klasszikus szaktanácsadási modellektől.

Egy ország talajainak feltérképezése
A rendszer fejlesztése nem algoritmusokkal kezdődött, hanem terepi munkával. Az első évben országos adatbázisok feldolgozása, mintavételi protokollok kialakítása és mérési módszerek egységesítése zajlott. Létrejött egy mintafarm-hálózat, amely különböző talajtípusokat, éghajlati régiókat és gazdálkodási rendszereket képviselt. A második év során nagyszabású mintavételi kampány indult. Több mint ötszáz helyszínen, két különböző szezonban gyűjtöttek talajmintákat, hogy a rendszer ne pillanatfelvételekre, hanem valós variabilitásra épüljön.

A kutatói munka azonban nem állt meg a laboratóriumi vizsgálatoknál. A talaj állapota szintén figyelés alatt volt:

• növényanalízisekkel,
• talajnedvesség-mérésekkel,
• drónos távérzékeléssel,
• valamint részletes agrotechnikai felmérésekkel.

Így egy olyan adatbázis jött létre, amely nemcsak a talajt, hanem annak működési környezetét is leírja.

A talaj digitális kontextusa

A projekt egyik legérdekesebb innovációja az úgynevezett helyspecifikus értékelési logika volt. A rendszer nem országos átlagokhoz viszonyít. Ehelyett minden új talajmintát földrajzi kontextusba helyez. A minta koordinátái alapján meghatározza azt a térséget, ahonnan releváns összehasonlító adatok származnak, majd ezekkel veti össze az eredményeket. Ez azt jelenti, hogy egy homoktalaj nem egy csernozjomhoz, hanem más, hasonló adottságú talajokhoz kerül összehasonlításra. Az ajánlások így nem általános tanácsok, hanem helyi viszonyokra szabott döntési javaslatok.

Amikor a mesterséges intelligencia tanul a talajtól

A hatalmas mennyiségű adat feldolgozása már meghaladja a klasszikus statisztikai módszerek lehetőségeit. Itt lép be a gépi tanulás. Az algoritmusok feladata nem előre definiált szabályok alkalmazása volt, hanem mintázatok felismerése. A rendszer képes feltárni azokat az összetett, nemlineáris kapcsolatokat, amelyek például a talajszerkezet, a mikrobiológiai diverzitás és a növényreakciók között állnak fenn.

Ahogy új adatok érkeznek, a modellek folyamatosan finomodnak. A rendszer így idővel „tapasztalatot szerez”, hasonlóan ahhoz, ahogyan egy tapasztalt agronómus tanul éveken át a terepen.

A talajélet visszatérése a döntéshozatalba

A projekt egyik legjelentősebb újítása a mikrobiológiai vizsgálatok integrálása volt. DNS-alapú elemzések segítségével feltérképezték a talaj élő közösségeit, amelyek kulcsszerepet játszanak a tápanyag-körforgásban és a talaj stabilitásában.

Ez a megközelítés új dimenziót adott a talajértékelésnek. A talaj már nem pusztán fizikai-kémiai közegként jelenik meg, hanem élő ökoszisztémaként, amely reagál a gazdálkodási döntésekre .

Valós körülmények között tesztelve

A rendszer fejlesztése során kiemelt szempont volt, hogy az eredmények gyakorlati környezetben is működjenek. Ezért a kutatók makroparcellás és üzemi kísérletekben követték nyomon a különböző technológiai beavatkozások hatását.

A monitoring a teljes vegetációs időszakot lefedte, és vizsgálta többek között:

• a talaj fizikai változásait,
• a gyökérzóna állapotát,
• a növényállomány fejlődését,
• valamint a termésreakciókat.

A rendszer így nem elméleti modellként, hanem gyakorlati döntéstámogató eszközként fejlődött.

A technológia emberközelivé válik

A fejlesztők tudatos célja volt, hogy az eszköz ne csak kutatók számára legyen használható. Ezért létrejött egy automatikus jelentéskészítő rendszer, amely az összetett elemzéseket vizuálisan értelmezhető riportokká alakítja. A gazdálkodó így nem adatokat kap, hanem értelmezést: mit jelent a talaj állapota, és milyen irányba érdemes beavatkozni.

Egy új szemlélet kezdete

A projekt végére egy működő, gyártófüggetlen döntéstámogató rendszer jött létre, amely új alapokra helyezi a talajértékelést.
A legfontosabb eredmény azonban talán nem maga a szoftver, hanem a szemléletváltás. A talaj nem passzív erőforrásként jelenik meg, hanem dinamikus rendszerként, amelynek működése megérthető és előre jelezhető. A mezőgazdaság következő lépése így nem feltétlenül új gépekben vagy inputanyagokban rejlik, hanem abban, hogy képesek vagyunk-e meghallani, amit a talaj adatai mondanak.
Discovery Center – Szlatényi Dóra, Dr Láng Vince, Csenki Sándor
Karotin Kft – Czakó Iván, Schultz Richárd
A GINOP_PLUSZ-2.1.1-21-2022-00214 sz. projekt az Európai Unió támogatásával, a magyar állam társfinanszírozásával valósult meg, a Széchenyi Terv Plusz program keretében.
A kedvezményezett neve: KAROTIN Termelő Kereskedő és Szolgáltató Korlátolt Felelősségű Társaság
A fejlesztés tárgya, célja: „Komplex gépi tanulás alapú szaktanácsadási rendszer kidolgozása a talajok egészségi állapotának javításához, a fenntartható gazdálkodáshoz”
A szerződött támogatás összege: 309.625.000 Ft ebből az európai uniós támogatás összege: 272.470.000 Ft. A támogatás intenzitása: 56,86%
A projekt megvalósítási időszaka: 2022.04.01. - 2025.03.31.