Ezért kincs az agráradat – XVII. rész: A téradatok szerepe és jelentősége az agráradatok rendszerében (x)

Támogatók:

A téradatok szerepe és jelentősége az agráradatok rendszerében

Az adatok gyűjtésének, kezelésének és értelmezésének komplex szemléletéről Dr. habil. Milics Gábor, a Magyar Agrár- és Élettudományi Egyetem Növénytermesztési-tudományok Intézetének tanszékvezető egyetemi docense beszélt.

Az agráradatok gyűjtésekor érdemes megfontolni azt, hogy azokat milyen rendszerben, milyen struktúrában fogjuk tárolni. Ez azért lényeges, mert alapvetően két lehetőség van az adatgyűjtésre, és mindkettőt egyre szélesebb körben használják már a gazdálkodók. Amikor műholdképes elemzést vagy drónos felvételezést készítünk, egy raszteres, képi adatformátumot kap a termelő. Amikor pedig az egyéb munkaműveletek adatait gyűjtjük, azokat többnyire vektoros formátumban, a rendszer alapelemeiként értelmezhető pont, vonal vagy poligon lehetőséget használva tesszük. Mindkettőt tudjuk értelmezni, a műholdfelvételekre rá tudjuk helyezni a saját táblánk határvonalait vektoros formátumban, amivel egy jó átnézeti képet lehet kapni a területekről.

Amennyiben az agrárinformatikai programok georeferált rendszerben készítik el a térképeket és tárolják azokat, akkor ezekből a speciális szoftverekből az adatok kiexportálhatók egy monitor formátumára, vagy olyan, látható szoftverkörnyezetbe, mint például a Google Föld. Az egyszerűbb átláthatóság érdekében akár az ingyenes megoldásokban is lehet gondolkodni, amivel a táblahatárokat be lehet rajzolni a Google Föld programon keresztül, és így bekerül egy független nyilvántartási rendszerbe a gazdálkodói adat.

Érdemes megemlíteni, hogy minimális térinformatikai tudás természetesen szükséges a szoftverek alkalmazásához. Ha például egy komolyabb digitális mezőgazdasági döntéstámogató programot akar valaki használni, amely az időjárási, a talaj- és a szántóföldi adatokat vizsgálja annak érdekében, hogy segítsen a gazdálkodóknak meghatározni a területek potenciális hozamkorlátozó vagy növelő tényezőit, megoldható a gyakorlatban.

Az egyszerű táblahatárok megrajzolása után a rendszer automatikusan küldi az információkat, aki pedig bármilyen okból nem akarja, vagy tudja kezelni azokat, annak a gépéből gyűjtött adatok alapján egy jó precíziós szolgáltató digitalizálja a táblahatárait. Akkor jó, ha a falugazdászoknál vagy gazdálkodónál ezek az adatok automatikusan, térinformatikai rendszerben helyezkednek el. Fontos, ha a gazdálkodó digitális módon létrejövő adatát tárolni szeretné, azt a megfelelő digitális formátumban kell, hogy megtegye. Amennyiben az iparági standard .SHP vagy ISO.xml formátumban megvannak a fájlok, akkor azokat ebben a formátumban is tároljuk el, és ha a szaktanácsadónak az adatot tovább szeretnénk adni, akkor így is legyen meg az információ. Az adatok átadásánál körültekintően kell eljárni, hiszen az SHP formátum esetén minimum 3 fájlra lesz szükség ahhoz, hogy térinformatikai rendszerben értelmezhető adatokat adjunk át. A kinyomtatott térképpel a digitális rendszer első körben nem tud mit kezdeni, hiszen az elveszíti a georeferált formátumot, ezért többletfeladatot ró az adatfeldolgozóra. A térképet vissza kell szkennelni, hogy egy digitalizáció (georeferálás) után bekerüljön a rendszerbe, ám ez sokkal hosszabb és bonyolultabb folyamat, mintha eleve a jó formátumban, újrafelhasználhatóan adnánk át az adatokat. Arról nem is beszélve, hogy a georeferálás munkafolyamatába bele van kódolva a hiba lehetősége.

Az adatkezelésben nagyon fontos, hogy a megfelelő struktúrában felépített megoldás valósuljon meg. Az általános agrárinformatikai rendszerekben általában a gazdaság-, a gazdálkodó- és a táblabesorolások vannak. A nyilvántartás azért nem egyszerű, mert rengeteg olyan gazdaság van, amely saját és bérelt területtel is rendelkezik, például több tulajdonossal szövetkezve, közösen gondolkodnak és dolgoznak. Ezért is fontos, hogy legyen egy olyan alap adatbázis, amiben nyomon lehet követni a tulajdonosok és a táblák változásait. Ezek a módosítások nem befolyásolják majd a térinformatikai adatelemzés folyamatát, ami egyébként azért is nehéz feladat, mert a táblahatárok is változnak, valamint az egy táblán belüli növénykultúrák változatossága időnként nagy kihívás elé állítja az agrárdigitalizációs szakembereket.

A raszteres rendszerek felbontásánál, a műholdképeknél általában a 10 méteres képélességet érjük el. Ez a kisebb táblákon kevésbé jól használható, ugyanakkor viszonylag jó adatokat lehet így beszerezni. Ami nagyon fontos, hogy visszamenőleg sokéves időintervallumra képesek vagyunk lekeresni a műholdképeket. Emiatt a digitális, műholdas, raszteres adat nagyon sokat segít a táblák historikus elemzésében. Ez akár a már említett Google Föld (Earth) programmal is elvégezhető. Az adatok rendelkezésre állnak, nem kell külön begyűjteni őket, de ha nincsenek földi mérésekkel validálva, akkor attól függően, hogy milyen matematikai modellt használnak az ebből származó adat kinyerésére, megjelenhet némi bizonytalanság, hogy mit is látunk valójában a képeken.

Az eredmény mutat tendenciákat, de azokon felül nagyon pontos meghatározások nem lesznek. Amikor helyspecifikusan gondolkodunk valamilyen adat alapján – legyen az hozamtérkép, talajszkenner, műholdkép, vagy bármilyen input anyag, amit hasznosítani lehet – érdemes megvizsgálni, hogy mi lehet a táblán belüli eltérések oka és az eltérésen alapuló mintavételezési stratégia alapján indokolt lehet-e a grid alapú mintavételezés, vagy inkább valamilyen zónás lehatárolással kialakított menedzsmentzóna alapján, vagy ezek hibrid megoldásaival történjen a folyamat.

A táblán belüli talajtulajdonságok felmérése mindenképpen olyan, szakmailag indokolható mintavételezési stratégia alapján történjen meg, ami magyarázza a táblán belül jelentkező eltéréseket, és azokat kellő módon reprezentálja is.

 A későbbi adatok, a talajmintavételezés eredménye szerint meghatározott tápanyag-visszapótlás, az esetleges tőszámszabályozás eredménye és hatásossága fontos, hogy visszaellenőrizhető legyen a megfelelő területekre vonatkozóan. Emiatt is szükséges az adatokat olyan agrárinformatikai vagy térinformatikai rendszerben tárolni, amelyből később, amikor a hozamtérképeket elemezzük, térben összevethető adatokat tudunk használni. Ha a változatosság a táblán belül fennmaradt, akkor a különbségek is indokolhatóak legyenek, ha a hozam kiegyenlítődött, akkor arra is lehessen téradatok alapján magyarázatot adni. Ezzel meghatározhatjuk, hogy melyik az a terület, ahol abban a környezetben, az adott meteorológiai körülményben és évben teljesen jól működött a technológia, és hol van az, ahol másképp kell a növények életfeltételeit a menedzsmentzónán belül javítani.

Az adatgyűjtésben és a térinformatikai tárolásban fontos kérdés, hogy amikor pontszerű adatokat veszünk, például egy talajmintázás esetén, akkor is zónára fogjuk az eredményeket átlagolni, vagy ez alapján határozzuk meg a zónákat a megfelelő térinformatikai eljárásokkal. Ugyanakkor általánosan elmondható, hogy a géppel, a szenzorokkal gyűjtött adatok többnyire – a mérési eljárásoknak köszönhetően – valamilyen hibával terheltek a hozamtérképezésnél és az egyéb mérések esetén is. Ennek több oka lehet, a szenzor mérési problémája, a gépek finomhangolása és a beállítások különbsége is. Ezért ezeket az adatokat az elemzés előtt indokolt – ha kell, szakmai segítséggel – valamilyen adatszűrési eljárás alkalmazásával a hibás adatoktól megtisztítani. A szakemberek a szűrés után feldolgozzák az adatokat és aztán – akár közösen – hosszabb távú következtetéseket vonnak le a gazdálkodói tapasztalatokat is figyelembe véve egy terület teljesítőképességéről.

Magasabb szintű térinformatika: Mit tegyen az, aki belemélyedne a részletekbe és finomítaná a gyakorlatát?

Általános értelemben a gazdálkodók a saját területeiket ismerik és azokon nagyjából fel is tudják rajzolni egy térképre a táblán belül jelentkező különbségeket. A gond akkor van, amikor nem lesznek pontosak a zónák lehatárolását eredményező határvonalak. Ennek következménye pedig, hogy viszonylag nagy terület marad a táblán belül, amit nem az elvárásoknak és a talajtulajdonságnak megfelelően kezelnek.

Aki magasabb szintű térinformatikai tudással rendelkezik, hajszálpontosan meg tudja határozni a különbségeket vagy határvonalakat, hogy hol és hogyan érdemes belül maradni ezeken a termelés során.

Egy profi térinformatikai szoftvert használva el tudunk vonatkoztatni a kétdimenziós térképektől, ezek mellé a harmadik, sőt akár a negyedik (időt magába foglaló) dimenzió is beérkezhet az adatok elemzésébe.

A harmadik dimenzióban 3D-ben, tehát a domborzati viszonyokhoz alkalmazkodó adatmegjelenítéseket tudunk megvalósítani, így több ismerettel gondolkodva végezzük el az összefüggések vizsgálatát. Akkor pedig, amikor idősorelemzést végzünk a területen, a zónák egy hosszabb távú adatsorát tesszük egymásra rétegenként, azaz megjelenik a negyedik (idő) dimenzió, ami idősoros elemzést tesz lehetővé. Ennek eredményeképpen tudja a gazda saját magának kiválogatni a legrelevánsabb információkat, illetve kapja meg az idősor-analízis eredményét, akár egy térképen megjelenítve.

Amikor egy műholdképen alapuló biomasszatömeg-számítást általunk ismeretlen adatok alapján végez el egy szolgáltató, nem tudjuk, milyen információk szerint történtek a folyamatok, azaz nem látunk bele a „fekete dobozba”. Mivel a szolgáltatók sokszor eltérő algoritmusokkal dolgoznak, az elemzések akár eltérő eredményeket is szolgáltathatnak. Ezzel magyarázható, hogy ha két műholdképes adatfeldolgozásra alapuló térképezés adatait valaki összehasonlítja, lehet, hogy nem ugyanazt a képet kapja. Ez annak az eredménye, hogy eltérő mennyiségű képből, adatmennyiséggel, időpontokkal, súlyokkal és algoritmusokkal dolgoznak a zónák lehatárolása során. Fontos, hogy a térinformatikát magasabb szinten művelve az egyes vizsgálatokra jellemző megfelelő időpillanatokra is lehet válogatni, és az azokban használható eredmények súlyozásával lehet elvégezni a zónázást.

Azzal, hogy a Magyar Agrár- és Élettudományi Egyetem (MATE) Növénytermesztési-tudományok Intézetén belül megalakult a Precíziós Gazdálkodási és Agrárdigitalizációs Tanszék, egy olyan modernizált képzési struktúrát építettünk ki, amely nagy hangsúlyt fektet az agrárdigitalizáció és az agráradatok használatára és azok értelmezésére. Ez azért is kiemelten fontos, mert a Szent István Campuson egy komoly fejlesztés kiépítése zajlik a témához kapcsolódóan; a tervek szerint 2022 szeptemberben elkészül az Agrárinformatikai és Agrárdigitalizációs labor. Itt a legmodernebb informatikai eszközparkkal és szoftverekkel tudjuk majd megmutatni mindazt, amivel valamilyen szinten minden termelőnek, szaktanácsadónak és döntéshozónak meg kell ismerkednie. A speciális szoftveres környezetben az a fontos és kiemelendő, hogy mivel több szolgáltató és többféle monitorral dolgozik, ismerni kell, melyik terminál milyen adatformátumot tud kezelni és feldolgozni. A gazdának természetesen az adatátadásra az a legegyszerűbb módszer, amikor olyan formátumban kapja meg az adatait – például differenciált tőszámterv térkép vagy tápanyag-kijuttatási térkép –, amit az ő monitorja használni fog.

A MATE-n ezért külön hangsúlyt kap, hogy a kellő adatstruktúrákat mutassuk be és a kellő digitalizált adatformátumokat használjuk. Természetesen az ingyenes, egyszerűen használható rendszerektől kiindulva közelítünk (ezek kiegészítő megoldásként a kezdetek során elegendőek lehetnek), de emellett megmutatjuk azt is, hogyan működnek a bonyolultabb rendszerek, a zártabb struktúrák, a különböző adatátadási technológiák. Az Egyetemen belül az agrárinformatikai rendszer kiépítése is zajlik, a Digitális Agrárinnovációs Központ (DAIK) egyik kulcsfeladata lesz, hogy az agráradatok és az egyéb adatbázisforrásokból származó, a mezőgazdaságban felhasználható információk integrációját, kezelését és elemzését jól végezze el, továbbá építse be az adatokat egy olyan sajátos rendszerbe, amivel később nagy adatbázis-elemzéseket is el tudunk majd végezni.

Magyarországon is sok helyen látott gyakorlati példa, hogy a gazdálkodók Excel-táblázatban vezetik az adataikat, pedig ezt a feladatot egy egyszerű térinformatikai rendszerrel könnyen el lehetne látni és fel lehet gyorsítani.

Mivel a gazdálkodás során téradatok keletkeznek, mindenképpen indokolt egy alapvető térinformatikai, vagy agrárinformatikai rendszer használata. Az elvek ugyanazok, a megoldások tárháza nyitott, számos szoftver nyújt olyan megoldást, ami funkciójában hasonló, inkább csak a személyes preferenciák miatt lehetnek a megoldásokban különbségek.

Rengeteg tudás van a termelők fejében, ám amikor ezt egy térképen, adatbázis szinten, a területek eloszlására vonatkozó adatokat térképszerűen megjelenítve kell értelmezni, akkor egy magasabb szintű mezőgazdasági technológiát lehet megvalósítani.

A „nyers” agráradattal – például a talajanalízis eredményekkel – a gazdálkodók Excel-formátumban nem sokat tudnak kezdeni. Ám ha az adatokat térképesítjük és azon mutatjuk be az eltérő területeink eltérő talajtulajdonságait, rögtön hasznos, térképes információt kapunk, amit elemezni és értelmezni lehet. Ezen egy megfelelő színskálával bemutatjuk, hol jobbak vagy rosszabbak egy adott tábla talajtulajdonságai, illetve a tábla teljesítőképessége, mit lehet és érdemes tenni, fejleszteni a javulás, a hatékonyságnövelés érdekében. Innentől a gazdának értelmezhetővé válik, hogy miért fontos és szükséges a talajkémiai vizsgálatok elvégzése, a területrészek (zónák) mélyebb értelmű talajtani tulajdonságainak vizsgálata, ami nem csak a „felszínt kapargatva” a 0–30 centiméteres mélységet vizsgálja, hanem a 30–60 centiméteres talajréteget is elemzi, vagy akár egy erre a célra kifejlesztett mintavevővel a mélyebb rétegeket is feltárja.

A magasabb minőségű térinformatika további hasznokat hajt

Az adatalapú tervezés és beavatkozások gyakorlatát a Komárom-Esztergom megyei Takács András vezette Hartmann Farm Kft. területein mutatjuk be Szákszenden, egy digitalizált, helyspecifikus szempontok szerint működő üzemben. A Hartmann Farm a Digitális Agrárakadémia bemutató gazdaságainak egyik olyan vállalkozása, ahol az agrárdigitalizáció évtizedes hagyományra alapozva működik.

A precíziós gazdálkodás eredményezte előnyöket a Szákszendhez közeli Kurcsi 12-es táblán ismertetjük. Ezen megvan a művelés korábbi történetének adatsora is, több kísérletet is végeztünk rajta, reprezentatív értékű adataink vannak innen. Aki mélyebben belemerül a technológiai gyakorlatba, jobban használja a helyspecifikus megoldásokat, előnyöket jelentő összefüggéseket talál és alkalmazza is az újonnan szerzett tudást – mondta Takács András.

Nálunk részben megvoltak az eszközök ahhoz, hogy az új technológiai vonalat kövessük. A „VP2-4.1.8-21 Mezőgazdaság digitális átállásához kapcsolódó precíziós fejlesztések támogatása” pályázati kiírás nagyon jó eszköz volt a gazdaságunkban való kiteljesedéshez, hogy rendszerbe foglalva működhessen az egész folyamatunk. Eddig is tudtuk, hogy megvannak a fejlődési irányok, de nem használtuk ki teljesen a bennük rejlő lehetőségeket.

Az, hogy a precíziós szaktanácsadási szolgáltatások igénybevétele feltétele a pályázat sikerességének, ráfogta a gazdákat arra, hogy rendszerbe kell foglalniuk a termelésüket, a digitális adatokat pedig gazdaság szinten követni és rendezni szükséges.

A cél, hogy a termelés az elejétől a végéig teljesen egységesen működjön, hogy a fél és a 40 hektáros táblára is alkalmazni lehessen a helyspecifikus megoldásokat. A tapasztalatunk, hogy az adatok jól mutatják a javítandó feladatokat, amelyekkel mindenképpen foglalkozni kell a költséghatékony gazdálkodás érdekében. A rendszer nálunk keretbe foglalja az összes mezőgazdasági műveletet, ebből építjük az adatbázisunkat és támogatjuk a döntéseket.

– Hogyan végzitek az adatalapú tervezést?

– Több vonalon is mozgunk, voltak korábbról is nagyon komoly adataink, többek között vetési- és hozamtérképek, most pedig egy nagyon részletes talajmintavételezési, szelvényezettségi vizsgálatot végeztünk el, amiből kisebb mintaterületeket kialakítva, táblaszintre levezetve ténylegesen látjuk, hogy milyenek a talajaink az adott zónákban. Ebben a metodikában először a különböző táblarészeket megvizsgálják, utána a zónán belül készítenek mintavételi hálót és az alapján is külön zónáznak. Azt érzem, hogy ezáltal sokkal pontosabb képet kapunk a termőhelyről. A következő tervezés – akár a tápanyag, akár a tőszám – a zónákat egyenként érinti, nincs átfedés közöttük, külön mintaegységenként vannak kezelve. Ez a kimagaslóan pontos tervezés lehetőségét adja a kezünkbe. Továbbá kukorica levélanalízis-adatok alapján nézzük, hogy adjunk-e kiegészítő tápanyagot lombtrágya formájában és megnézzük a vegetációs indexeket is, amikkel aktuális képet kapunk a táblákról. Megtudjuk, szenved-e a növény valamilyen hiányban és meghatározzuk, miket lehet lépni az adott kihívás megoldása érdekében. Ez az első év, hogy az egész gazdaság összes adatát figyeljük és ellenőrizzük, eddig nem voltak nagy problémák. Egy táblában találtunk magnéziumhiányt, a lombtrágyás kezelés ott meg is történt, az eredményt pedig meglátjuk a termésben a betakarítás után.

– A Digitális Agrárakadémia egyik „Digitális bemutató gazdaságaként” milyen lehetőségeket látsz a jövőben?

– A következőkben azt tervezzük elérni, hogy az érdeklődők számára pluszinformációt, tudást nyújtsunk. Az egyik cél, hogy a látogatók, a hallgatók, a szakma képviselői az elméletet a gyakorlatban is lássák egy olyan helyen, ahol az egyes elemeket kézzelfogható közelségből ismerhetik meg. Az eszközöket, a monitorokat, a kezelhetőséget, az előzetesen megtervezett adatok feltöltését. Fontos, hogy amiről beszélünk, azt meg tudjuk valósítani, véghez tudjuk vinni. Természetesen voltak buktatók, a nagyon hangzatos „plug and play” (összekapcsolod, és használod – a szerk.) megoldások nem mindig működnek, sok tapasztalat kell az apróságok, a finomságok tökéletes alkalmazásához. Ezekre rá kell jönni, csak úgy lehet kiküszöbölni a problémákat, ha folyamatosan és alaposan végezzük a technológia kívánta feladatokat, így egyúttal gyakorlatot is szerzünk. Mindig fejlődünk és fejlesztünk.

– Hogy vezettétek be az új zónázási megoldást a földeken?

– A talajmintavételi eredmények a vetés kezdetéhez közel érkeztek meg, gyorsan kellett dolgozni. A táblák elkészítése és a feltöltés tesztelése után már nyugodtabban vágtunk bele a magok elvetésébe élesben. Ezt nagyon fontos mindig megtenni, hogy ne munkacsúcsban jöjjenek elő az esetleges gondok. Tudtunk reagálni, megfelelő döntéseket hozni, a szaktanácsadóinktól e-mailen át lehet megkapni az előírás térképeket, a pendrive-val betöltjük az adatokat a monitorba, aztán „hadd szóljon”, mehet is a munka. Nemrég ellenőriztünk néhány táblát a kukorica tőszámdifferenciálással beállított területek közül, nagyon jól működött a rendszer. A növény nagy lehetőséget ad a módosításra, szélesebb spektrumon lehet változtatni a tőszámon, míg a napraforgó szűkebb lehetőségeket ad, de ott is igyekeztünk kísérletezni, az adatok és a területek ismeretében játszani a számokkal. Megtaláltuk az egyes zónákat, jól visszaadta a gyakorlat az előzetesen megalkotott terveket. A talajminták és a hozamtérképek eredményeihez hozzá tudtuk építeni az agrárinformatikai rendszerünk használatát, azok jól kiegészítik egymást. Minél több adatunk van, annál pontosabban és jobban lehet kialakítani egy előírástérképet akár fajtaspecifikusan is.

A tápanyag differenciált kijuttatása terén a tavaszi műtrágyázás egy része már így működött, ám a starter egyelőre fix dózisú maradt, mert még nem voltak meg a talajmintavételi eredményeink. A kukorica fejtrágyázásánál, a karbamid szórásakor viszont már működik a dolog, ennek a végszavát is a betakarításkor tudjuk meg. Kiderülnek a különbségek, vagy az, hogy mennyire egységesítette az adott zóna teljesítményét a terület igénye alapján meghatározott inputanyag-kijuttatás. Látni fogjuk, hogy a zónák adott műtrágyaadagokra, meghatározott tőszámok mellett hogyan reagálnak. Az első év egy kísérleti szakasz, aztán a következőben már lehet ezekkel az adatokkal játszani, finomítható a technológia.

– Miért fontos és hasznos az adatalapú gazdálkodás?

– Az egész agrárinformatikai rendszert nagyon kedvelem, mert azt tapasztaljuk a tábláink művelése során, hogy igenis tud működni a technológia, megéri folyamatosan foglalkozni vele. Nem lehet elégszer hangsúlyozni, hogy előrevisz a gazdálkodásban. Akkor, amikor a megélhetésünk, a jövedelmünk múlik a modernizáláson, maximálisan ki kell használni ezeket az eszközöket. Az egyik legfontosabb szempontunk a fenntarthatóság, ami a hektikus időjárási körülményeket látva teljesen egyértelmű cél. Az új, adatalapú technológiai megoldások biztosabb hátteret nyújtanak a termelés tervezéséhez és csökkentik a kockázatokat, amivel javíthatunk a jövedelmezőségen is.

– Mit üzensz a technológia iránt mélyebben érdeklődő szakembereknek?

– Nyitottak vagyunk, ha valaki érdeklődik és eljön hozzánk, kérdez, szeretettel várjuk és megpróbálunk segíteni neki. Ha pedig ez sikerül, az egy nagyon jó dolog, és támogatja a hatékonyság javítását, valamint a technológia fejlesztését. Az adatok és eredmények alapján szerkesztett térképeket átnézve minden látható, ezeket feldolgozva pedig előre lehet lépni a gazdálkodás minőségében.

Takács András gazdálkodásával korábban is foglalkoztunk a kiadványainkban, ezeket itt lehet és érdemes elolvasni:

• Zérótól a precíziós gazdálkodásig – Egy teljes termesztési ciklus tapasztalatai kukoricában
• Ezért kincs az agráradat – 3. rész: A vetés a legszentebb dolog Szákszenden, jól is csinálják

A Digitális Agrárakadémia konzorciuma digitális bemutató gazdaság tematikus versenyt hirdetett meg a gazdaságoknak arra, hogy sikereiket és tapasztalataikat bemutathassák. A Digitális Bemutató Gazdaság Díjakat 27 díjazott részére adták át a MATE gödöllői Szent István Campusán. Gratulálunk a Hartmann Farm Kft.-nek!

Ezekkel a témákkal érkezünk a következő részben

Az Ezért kincs az agráradat sorozatunk következő, 18. részében az adatalapú gazdálkodás kiemelkedően fontos részeit, a betakarítást és a hozammérést vizsgáljuk meg helyspecifikus szempontok alapján.

Sorozatunkban korábban:

• Ezért kincs az agráradat – 1. rész: Adatgyűjtés és adatvagyon
• Ezért kincs az agráradat – 2. rész: Növényvédelem és kijuttatástechnológia
• Ezért kincs az agráradat – 3. rész: Középpontban a vetés: technológiai javaslatok a legpontosabb kijuttatáshoz
• Ezért kincs az agráradat – 4. rész: Gyomirtás és növényvédelem okszerűen
• Ezért kincs az agráradat – 5. rész: Távérzékelés, növénymonitoring, drónok
• Ezért kincs az agráradat – 6. rész: A távérzékelésben egy kicsit mindenki úttörő lehet
• Ezért kincs az agráradat – 7. rész: A hozammérés és a betakarítás adatgyűjtése
• Ezért kincs az agráradat – 8. rész: Forgatással és forgatás nélkül is cél a vízmegőrzés
• Ezért kincs az agráradat – 9. rész: Hozammérés és adatalapú gazdálkodás támogatja a jó kukorica- és napraforgótermést
• Ezért kincs az agráradat – 10. rész: A helyspecifikus gazdálkodás alapja: hallgatni kell a talajokra
  
• Ezért kincs az agráradat – 11. rész: Költséget és időt kímél az agráradatok felhasználása
• Ezért kincs az agráradat – 12. rész: Tőszámkísérletek a Szigetközben
• Ezért kincs az agráradat – 13. rész: Tesztelték a precíziós szolgáltatókat
• Ezért kincs az agráradat – 14. rész: A legokosabb informátor a növény, attól kérdezünk meg mindent: Adatalapon a gyümölcsösben és a lombtrágyában is
• Ezért kincs az agráradat – 15. rész: Az átállás első éve az adatalapú gazdálkodásra a Felvidéken
• Ezért kincs az agráradat – 16. rész: Kalászosok helyspecifikus növényvédelme és tápanyag-utánpótlása Alsódobszán