Satellitstyrd gödning ska testas i Skåne

Effektivare lantbruk, minskad miljöpåverkan och lägre kostnader för jordbrukare. Det kan enligt matematikerna vid Lunds tekniska högskola, LTH, AI-tekniken och de nya, mer precisa så kallade styrfilerna för traktorer och andra jordbruksmaskiner komma att bidra till. 

När användningen av insatsvaror som till exempel bränsle och gödsel optimeras leder det till större skördar och ökad lönsamhet i lantbruksledet.

De AI-modellerade styrfilerna gör det också möjligt att undvika övergödning och därmed minska oönskad avrinning till grundvattnet. En annan fördel är att behovet av avancerat beslutsstöd ökar när den historiska kunskapen blir mindre värd till följd av klimatförändringarnas mer oberäkneliga väder.

En ytterligare fördel är att AI-tekniken med hög precision kan förutsäga skördarna redan i mars eller april. Förklaringen är att modellerna kombinerar väderprognoser, historiska mönster och markdata, vilket gör det möjligt att med hög precision uppskatta skörden redan tidigt på säsongen, även om det framtida vädret inte är helt känt.   

–  Att veta vad som väntar är ju ett enormt stöd för lantbrukarna i deras planering. Redan nu ger data vid handen att 2025 riskerar bli ett tufft år med torka, och att veta det nu istället för om några månader kan göra stor skillnad. Med AI hjälper vi helt enkelt lantbrukarna att satsa sina resurser rätt, säger Alexandros Sopasakis, universitetslektor på Avdelningen datorseende och maskininlärning på LTH.  

Genom att använda maskininlärning har han och doktoranden Oskar Åström bearbetat stora mängder satellitdata och långa serier med historiska skördeutfall. Resultatet, AI-modellerade styrfiler, kan liknas vid AI-genererade kartor över enskilda åkrar och fält.

På kartorna syns de områden som har förutsättningar för extra rik skörd och de områden som har sämre förutsättningar. Utan den informationen hade lantbrukaren sannolikt spridit samma mängd vatten och gödsel över hela fältet. 

Med modellen justeras mängden automatiskt så att det sprids extra gödning där skördeförutsättningarna är goda och mindre mängd portioneras ut där det inte skulle göra någon egentlig nytta. För lantbrukarna innebär det i slutänden högre lönsamhet. 

Lösning för lantbrukare

Automatiserade styrfiler för lantbruk finns redan. Det matematikerna i Lund har gjort är att utveckla avancerade maskininlärningsmodeller som på ett bättre sätt än hittills varit möjligt fångar rumsliga och tidsmässiga samband. Modellerna tränas på flera datalager såsom satellitbilder, markdata, väderinformation och historiska skördedata. Resultatet blir långt mer detaljerade filer som på ett smartare och mer exakt sätt fördelar insatsvaror över fältet.  

Tekniken kan komma till nytta även i andra delar av världen förutsatt att AI-modellen tränas på lokala skörde-, klimat- och satellitdata. Att modellen utvecklats i Sverige för svenska förhållanden är emellertid ingen slump.   

 –  I Sverige har vi väldigt mycket data såsom jordprover och markdata insamlade under många år och som är tillgängliga för forskning. I många andra länder är det en stor industri kring jordbruksdata och mycket information hemlighålls vilket leder till minskade möjligheter för öppen forskning, säger Oskar Åström. 

Snabbheten i klimatförändringen kräver att AI-modellerna ständigt tränas på nya data. 

–  Ju mer klimatet och vädret avviker från hur det sett ut historiskt, desto mindre blir den historiska kunskapen värd när den står för sig själv. Därför behövs de här statistiska metoderna och beräkningarna. Det är så vi kan hjälpa lantbrukare, säger Oskar Åström. 

Vilka gårdar tekniken ska testas på är ännu inte klart och kommer inte bli offentligt under testningens gång.