Pametno kmetijstvo: primer praktične implementacije

Naš pristop temelji na uporabi informacijskih tehnologij, skupaj s praktičnimi izkušnjami, za optimizacijo učinkovitosti, optimizacijo kakovosti, zmanjšanje vpliva na okolje in zmanjšanje tveganja – vse na ravni lokacije.

To ni posebej nov koncept v kmetijstvu, saj obstajajo eseji na to temo že iz zgodnjega 18. stoletja. Novost je obseg, v katerem smo sposobni uresničiti te cilje. Pred industrijsko revolucijo se je kmetijstvo na splošno izvajalo na majhnih poljih, pri čemer so imeli kmetje pogosto podrobno poznavanje svojega proizvodnega sistema, ne da bi dejansko količinsko opredelili variabilnost. Premik k mehanskemu kmetijstvu in zmanjševanje stopnje dobička sta povzročila, da so v drugi polovici 20. stoletja prevladovale obsežne enotne »povprečne« kmetijske prakse. Napredek tehnologije v poznem 20. in zgodnjem 21. stoletju je omogočil, da se je kmetijstvo premaknilo nazaj k kmetijstvu, specifičnemu za posamezno območje, hkrati pa je ohranilo ekonomijo obsega, povezano z “velikimi” operacijami.

Kaj?

Sistem, sestavljen iz brezžičnih senzorjev in drugih komponent za spremljanje mikroklimatskih in fiziopatoloških razmer v vinogradu v realnem času in predvidevanje manifestacij glivičnih bolezni, kot so peronospora, pepelasta plesen ali botritis.

  • Omogoča vam, da natančno in v realnem času poznate, kateri problem nastane na terenu
  • Omogoča hitro in učinkovito posredovanje ter s tem hitro rešitev problema
  • Prihrani vaš denar in vire
  • predvsem pa varuje okolje, saj z usmerjanjem na dejanske potrebe pomagajo zmanjšati uporabo pesticidov in število delovnih ur, kar ima za posledico manjšo proizvodnjo CO2
  • Omogoča BIO kmetovanje, vinogradništvo, sadjarstvo, poljedelstvo

Cilji:

  • boj proti patologiji
  • bolj zdrava proizvodnja
  • zmanjšanje zdravljenja bolezni
  • prihranki pri stroških
  • vidik varovanja okolja

Meritve:

  • Temperatura zraka,
  • relativna vlažnost zraka,
  • padavine,
  • Omočenost listov – obojestransko,
  • hitrost in smer vetra,
  • Fotosintetično sončno sevanje
  • Zračni tlak,
  • Temperatura tal (na 2 nivojih globine),
  • Vlažnost tal (na 2 nivojih globine).
Leaf wetness sensor
Senzor vlažnosti listov

Zahvaljujoč zbranim podatkom je mogoče nadzorovati veliko različnih bolezni, ki lahko prizadenejo vinograd.

  • Bolezni vinske trte – vpliv na rast:

    Sorta, substrat, lega, mikroklimatski pogoji, ampelotehnični postopki, fenološka faza

  • Peronospora vinske trte (Plasmopara viticola Berl. & De Toni):

    temperatura zraka, padavine, vlažnost listov: primarna okužba + relativna vlažnost: sekundarna okužba

  • Oidium vinske trte (Erysiphe necator Schwein):

    temperatura, relativna zračna vlaga, hitrost vetra, padavine (primarna okužba!)

  • Druge bolezni:

    siva plesen (botrytis), črna gniloba grozdja

Meri, primerja in olajša:

  • beleži mikroklimatske elemente (podatke),
  • Primerja modele in parametre stopnje razvoja bolezni,
  • Določa zdravljenje.

Omogoča dvig kakovosti grozdja

To je mogoče zaradi merjenja:

  • osvetlitve in sončnega sevanja v zelenih delih (delih listne in grozdne površine),
  • Temperature in vlažnosti tal (začetek rasti, agro-ampelotehnični postopki in namakanje).

Zmanjša stroške pridelave in varuje okolje:

  • pripomore k optimalni odločitvi za zdravljenje,
  • Omogoča natančnejšo distribucijo tretmajev (z obvestili!),
  • Omogoča odložitev zdravljenja (izvedli boste manj zdravljenja),
  • Zniža stroške (vsako zdravljenje je strošek!),
  • nudi temelj za boljše varovanje okolja.

Prednosti v daljšem časovnem obdobju:

  • beleži izmerjene podatke skozi čas (ustvarjanje baze podatkov),
  • natančnost napovedi se skozi čas neprestano povečuje zaradi več podatkov,
  • Omogoča večjo vključitev rastnih faz (fenoloških),
  • Omogoča registracijo sledenja podatkov (tudi za pravne in kakovostne namene),
  • na dveh ravneh globine.
Sensor's node
Merilno mesto v vinogradu