Dirbtinis intelektas leidžia tręšti tiksliau nei bet kada anksčiau – pagal realius dirvožemio ir augalų poreikius. Pasitelkus duomenis, automatizavimą ir išmaniąją techniką, mažinamos sąnaudos, tausojama aplinka ir siekiama stabilesnio, kokybiškesnio derliaus.

Dirbtinio intelekto (DI) taikymas žemės ūkyje sparčiai auga ir apima kur kas daugiau sričių, nei gali pasirodyti iš pirmo žvilgsnio. Pastaraisiais metais vis daugiau dėmesio skiriama tam, kaip trąšos veikia dirvožemį, augalų mitybą ir aplinkos tvarumą. Vienas svarbiausių ir sudėtingiausių žemdirbių uždavinių – užtikrinti racionalią augalų mitybą, siekiant konkurencingo derliaus ir kartu tausojant dirvožemį, maisto medžiagų išteklius ir aplinką. Tad itin svarbu, kad maisto medžiagos, tiekiamos su trąšomis, būtų naudojamos tikslingai, atsižvelgiant į sąlygas, darančias įtaką jų pasisavinimui. Trąšų veiksmingumui didinti nuolatos tobulinama tręšimo technika ir technologijos, gerinama trąšų kokybė. Taikant tikslųjį ūkininkavimą, naudojant išmaniąsias skaitmenines technologijas ir aukštųjų technologijų įrangą, sudaroma galimybė mažinti žemės ūkio gamybos išteklius, juos labiau pritaikyti konkrečiai lauko vietai. Dirbtinis intelektas padeda dar tiksliau barstyti – kiek reikia ir kur reikia.

Tikslusis tręšimas

Tikslusis tręšimas pagal dirvožemyje sukauptų maisto medžiagų kiekio žemėlapius leidžia parinkti kiekvienai lauko zonai atskirą tręšimo normą. Augalai gauna reikiamą kiekį maisto medžiagų, todėl išvengiama pertręšimo ar nepakankamo patręšimo. Tiksliosios technologijos užtikrina augalams reikalingas maisto medžiagas, o tai leidžia taupyti sėklas ir brangias chemines priemones, kurių perteklius teršia dirvožemį, gruntinius ir paviršinius vandenis ir daro neigiamą poveikį aplinkai. Šis tręšimo būdas jau nėra naujiena, tačiau DI gali padėti jį atlikti dar tiksliau ir kokybiškiau.

DI analizuoja dirvožemio duomenis, derlingumo žemėlapius ir GPS informaciją, kad nustatytų, kur trąšų reikia daugiau, o kur – mažiau. Sistema automatiškai reguliuoja barstytuvo normą realiu laiku ir sumažina trąšų švaistymą. Kai kurios DI sistemos jau geba mokytis iš anksčiau atliktų barstymo darbų.

DI leidžia traktoriams ir barstytuvams dirbti beveik be žmogaus įsikišimo: savarankiškai važiuoti lauke, išvengti persidengimų ar praleistų vietų, optimizuoti maršrutą.

Šias technologines galimybes jau pritaiko realūs žemės ūkio technologijų startuoliai Europoje. Danijos įmonės „PerPlant“ tikslas – padėti ūkininkams paspartinti perėjimą prie tvaraus ūkininkavimo, demokratizuojant prieigą prie dirbtinio intelekto. Startuolis sukūrė DI grįstą vaizdo kameros jutiklį, o ši sistema, kaip teigiama, veikia 1 cm tikslumu. Kamera montuojama ant traktoriaus, todėl DI realiu laiku „mato“ augalus, nustato jų būklę ir poreikius. Tai leidžia tiksliai dozuoti trąšas, racionaliau naudoti jų kiekį ir gauti geresnį derlių.

Autonominė technika

Viena įdomesnių DI taikymo žemės ūkyje krypčių yra autonominių robotinių sistemų integravimas į augalininkystę. Tai autonominiai traktoriai, galintys dirbti su trąšų barstytuvais. Juose naudojama GPS įranga ir DI, kad būtų palaikomos tikslios trajektorijos, automatiškai reguliuojamas trąšų kiekis, išvengiama persidengimų tręšiant ir nepatręštų vietų. Autonominiai traktoriai lauku važiuoja patys, be vairuotojo. Visa tai vyksta pasitelkiant DI, kuris padaro traktorių „protingu“, todėl jis pats žino, kur važiuoti ir kiek trąšų berti.

Masine tokių visiškai autonominių trąšų barstytuvų gamyba žada užsiimti Australijos gamintojai „SwarmFarm Robotics“ ir „Roesner Pty Ltd“. Daugiausia dėmesio skiriama Marshall Multispread trąšų barstytuvo ir kintamos normos valdymo sistemos integravimui su Swarm-Farm autonomine platforma. Autonominio barstytuvo kūrimas leidžia pažvelgti į ateities ūkininkavimą, o šie autonominio kintamos normos taikymo sprendimai padės greičiau pereiti prie autonominio ūkininkavimo modelio.

Kitą panašią koncepciją, leidžiančią dar tiksliau paskleisti trąšas, sukūrė Kanados bendrovė „DOT Technology Corp.“ Skirtingoms lauko vietoms skirtingu sezono metu reikalingas nevienodas maisto medžiagų kiekis. Autonominis šio proceso valdymas laikomas nauju tiksliosios žemdirbystės etapu, suteikiančiu galimybę geriau suderinti pasėlių poreikius su išteklių panaudojimu.

Sezonui įsibėgėjant, užuot tręšus vienu kartu didesniu trąšų kiekiu, galima taikyti kelis paskirstytus tręšimus per visą augimo laikotarpį. Toks metodas leidžia racionaliau naudoti azotą ir kitas trąšas, padeda ūkininkams sumažinti sąnaudas ir tiksliau paskirstyti išteklius. Be to, tai gali prisidėti prie didesnio derliaus.

Dažniausiai naudojami mažesni, apie 3 t talpos barstytuvai. Kadangi šie robotai yra lengvesni, jie mažiau suspaudžia dirvožemį.

Robotų spiečius

„SwarmFarm“ sprendimuose užuot naudojus vieną didelį traktorių siūloma pasitelkti kelis mažus autonominius robotus, kurie sudaro vadinamąjį robotų spiečių (angl. swarm robotics) ir koordinuotai dirba lauke. Kiekviename robote įdiegta GPS navigacija, jutikliai ir DI algoritmai, leidžiantys realiuoju laiku priimti sprendimus dėl trąšų ar kitų medžiagų paskirstymo. Tokia sistema įgalina tikslųjį tręšimą – trąšos paskirstomos tiksliai pagal konkrečios lauko vietos poreikį, remiantis dirvožemio ir augalų būklės duomenimis. Svarbus šių robotų privalumas yra nedidelis jų svoris. Skirtingai nei tradicinė sunkioji technika, jie minimaliai suslegia dirvožemį, o tai ilgainiui teigiamai veikia jo struktūrą ir biologinį aktyvumą. Be to, autonominiai robotai gali veikti nenutrūkstamai, taip optimizuodami darbo laiką ir mažindami žmogiškųjų išteklių poreikį.

Palyginti su tradicine žemės ūkio technika, pagrindinis skirtumas slypi veikimo logikoje. Tradiciniai traktoriai yra dideli, brangūs ir dažniausiai dirba vienodu režimu visame lauke, nepriklausomai nuo vietos sąlygų. Nors modernūs traktoriai taip pat gali būti aprūpinti tiksliojo ūkininkavimo technologijomis, jų veikimas iš esmės išlieka centralizuotas. Sistema, kurioje užduotis vienu metu atlieka keli robotai, yra lankstesnė ir lengviau pritaikoma prie kintančių sąlygų.

Dirbtinis intelektas šiose sistemose atlieka esminį vaidmenį: jis ne tik analizuoja surinktus duomenis, bet ir koordinuoja robotų veiksmus, optimizuoja jų maršrutus ir užtikrina, kad nebūtų persidengimų ar praleistų plotų. Taip pasiekiamas didesnis veiklos efektyvumas ir mažesnės sąnaudos.

Vystomos ir diegiamos robotizuotos sistemos atspindi perėjimą nuo tradicinio, vienalytės normos ūkininkavimo prie duomenimis grįsto, adaptyvaus ir tvaraus žemės ūkio modelio, kuriame DI tampa pagrindiniu sprendimų priėmimo veiksniu.

„SwarmFarm“ sistemą sudaro du pagrindiniai komponentai: fizinis robotas (SwarmBot) ir skaitmeninė valdymo infrastruktūra (SwarmConnect). Swarm-Bot yra modulinės konstrukcijos autonominis įrenginys, galintis atlikti įvairias žemės ūkio operacijas – nuo trąšų barstymo iki tikslinio tręšimo.

SwarmConnect veikia kaip skaitmeninė ekosistema, leidžianti valdyti robotų veiklą, integruoti skirtingas programines funkcijas ir analizuoti surinktus duomenis. Praktiniu požiūriu SwarmFarm sprendimai išsiskiria itin dideliu tikslumu. Pavyzdžiui, naudodami kompiuterinės regos sistemas, robotai trąšų barstymo procese gali taikyti kintamos normos principą – skirtingose lauko zonose paskirstyti nevienodą trąšų kiekį, atsižvelgdami į dirvožemio savybes ar augalų būklę.

Augalų būklės analizė

DI pagrindu sukurtos programos padeda ūkininkams planuoti tręšimą pagal orus, dirvožemį ir kultūrą, prognozuoti derlių ar apskaičiuoti optimalų trąšų kiekį.

Nuolat besikeičiančioje šiuolaikinio žemės ūkio aplinkoje stebimas įvairių technologijų suartėjimas, pavyzdžiui, DI ir palydovinių nuotraukų. Tokios galimybės leidžia keisti žemės ūkio supratimo ir valdymo būdą, o tai žada padidinti produktyvumą, tvarumą ir išteklių naudojimo veiksmingumą. Įmonė „Farmonaut“ pasitelkia DI analizuojamus palydovinius vaizdus, kad suteiktų ūkininkams duomenimis pagrįstas įžvalgas ir sprendimų priėmimo įrankius.

Palydoviniai vaizdai tapo revoliucine priemone žemės ūkio sektoriuje, suteikiančia ūkininkams prieigą prie vertingos informacijos apie jų pasėlius ir žemę. Naudojant didelės skiriamosios gebos vaizdus, užfiksuotus aplink Žemę skriejančių palydovų, dabar galima apžvelgti didžiulius žemės ūkio plotus ir gauti įžvalgų, kurių anksčiau buvo neįmanoma užfiksuoti.

Dirbtinis intelektas analizuoja palydovinius vaizdus ir gali apskaičiuoti iki penkių svarbiausių augmenijos indeksų, įskaitant NDVI, žaliojo chlorofilo indeksą ir kitus, naudojamus tiksliajam ūkininkavimui.

Palydovinių nuotraukų taikymo žemės ūkyje privalumai

• Didelio masto stebėjimas: palydovai gali aprėpti didelius dirbamos žemės plotus, todėl galima visapusiškai stebėti ištisus regionus.
• Dažni atnaujinimai: reguliarūs palydovų praskriejimai teikia naujausią informaciją apie pasėlių būklę ir lauko sąlygas.
• Neinvazinis taikymas: palydovinis stebėjimas nereikalauja fizinio buvimo laukuose, todėl mažiau trikdomi pasėliai ir dirvožemis.
• Ekonomiškumas: palyginti su tradiciniais geodezijos metodais, palydovinės nuotraukos siūlo pigesnį sprendimą didelio masto ūkiams valdyti.
• Archyvuoti duomenys: palydovinės nuotraukos leidžia analizuoti ilgalaikes pasėlių produktyvumo tendencijas ir modelius.

Naudojant ne tik palydovus, bet ir dronus, DI analizuoja augalų spalvą ir būklę (pvz., NDVI indeksą), nustato, kur augalai silpnesni, siūlo papildomą tręšimą tik probleminėse vietose.

Nuotolinio stebėjimo technologija patobulino pasėlių valdymą, suteikdama ūkininkams daug informacijos apie jų laukus, nereikalaudama išsamių tyrimų vietoje. Šis neinvazinis metodas leidžia nuolat stebėti pasėlių būklę, augimo modelius ir aplinkos sąlygas.

Nuotolinio stebėjimo teikiama nauda valdant pasėlius

• Pasėlių būklės vertinimas: nuotolinis stebėjimas leidžia aptikti augalų gyvybingumo pokyčius ir nustatyti streso ar ligų paveiktas vietas.
• Derliaus prognozavimas: analizuojant vegetacijos rodiklius ir istorinius duomenis, galima tiksliau numatyti būsimą derlių.
• Drėkinimo valdymas: palydoviniai dirvožemio drėgmės duomenys padeda priimti pagrįstus sprendimus dėl drėkinimo.
• Kenkėjų ir ligų nustatymas: ankstyvas užkrėtimo ar ligų protrūkių aptikimas leidžia laiku imtis reikiamų priemonių.
• Maisto medžiagų valdymas: nustatomos maisto medžiagų trūkumo zonos, todėl trąšas galima naudoti tiksliau ir racionaliau.

Naudojant DI kuriamos sistemos, kurios analizuoja augalo azoto poreikį, automatiškai sukuria tręšimo žemėlapius. Žemėlapiai įkeliami į traktorių valdymo sistemas, o barstytuvas keičia normą pagal nustatytas žemėlapio zonas. Tai leidžia sumažinti trąšų kiekį, suvienodinti derlių visame lauko plote ir taip prisidėti prie aplinkos apsaugos.

Autonominiai ūkiai

Europoje sukurtas vienas pirmųjų autonominių ūkių, kurio laukuose buvo dirbama be žmonių – čia robotai atliko sėjos, tręšimo ir derliaus nuėmimo darbus. Šis projektas įrodė, kad DI gali valdyti visą ūkio darbų ciklą.

Be to, Europos Sąjungoje jau naudojamos išmaniojo ūkininkavimo (angl. Smart Farming) sistemos, veikiančios DI pagrindu. Jos taikomos skaitmeniniams tręšimo žurnalams pildyti, trąšų normoms automatiškai tikrinti, azoto pertekliui mažinti. Visa tai padeda mažinti aplinkos taršą ir trąšų nuostolius.

Išmaniojo ūkininkavimo ateitį formuojančios tendencijos

• Dirbtiniu intelektu pagrįsta sprendimų parama: pažangios dirbtinio intelekto sistemos teiks vis sudėtingesnes rekomendacijas, kaip valdyti ūkius.
• Daiktų interneto (IoT) integracija: prijungti jutikliai ir įrenginiai teiks realiuoju laiku fiksuojamus duomenis, kurie papildys palydovinių nuotraukų duomenis.
• Automatizuotos ūkininkavimo sistemos: dirbtiniu intelektu valdomi robotai ir dronai padės atlikti įvairias ūkininkavimo užduotis – ne tik tręšimą.
• Prognozinė analizė: pažangūs algoritmai tiksliau prognozuos pasėlių derlingumą, oro sąlygų poveikį ir rinkos tendencijas.

Manoma, kad ateityje išmaniojo ūkininkavimo technologijos atliks vis svarbesnį vaidmenį žemės ūkyje. Dirbtinio intelekto, palydovinių nuotraukų ir pažangios analizės integracija turėtų pakeisti maisto auginimo būdus, todėl ūkininkavimas taps efektyvesnis, tvaresnis ir produktyvesnis.

***

EKSPERTO KOMENTARAS

Milda ŠNIUKAITĖ, Lietuvos žemės ūkio konsultavimo tarnybos augalininkystės specialistė

Kaip laboratoriniai dirvožemio tyrimų duomenys virsta konkrečiais tręšimo sprendimais? Kur dažniausiai prarandamas tikslumas?

Laboratoriniai tyrimai yra sprendimų priėmimo pagrindas. Pirmiausia lauke paimami dirvožemio ėminiai, jie ištiriami laboratorijoje, gaunami rodikliai. Tuomet šie duomenys susiejami su lauko vieta, sudaromi dirvožemio savybių žemėlapiai, išskiriamos zonos ir pagal jas apskaičiuojamos trąšų normos. Sprendimas jau nebėra „viena norma visam laukui“ – jis pritaikomas pagal realų maisto medžiagų kiekį konkrečioje lauko dalyje.

Tikslumas dažniausiai prarandamas ne laboratorijoje, o tarp lauko ir galutinio tręšimo: netinkamai paėmus ėminius, per retai pasirinkus ėminių paėmimo tinklą, blogai susiejus tyrimų taškus su lauko ribomis, neteisingai interpoliuojant duomenis arba vėliau netiksliai perkeliant rekomendacijas į barstytuvo valdymo sistemą. Kitas svarbus momentas – jei ūkininkas gautus žemėlapius supranta tik kaip „gražų paveikslėlį“, bet jų nesusieja su realia ilgalaike tręšimo technologija, tikslumas taip pat prarandamas.

Koks yra tarpinis etapas tarp laboratorinių tyrimų ir realaus trąšų paskleidimo? Kaip užtikrinama, kad žemėlapiai tikrai atspindi lauko sąlygas?

Tarpinis etapas yra duomenų interpretavimas ir agronominis sprendimas. Vien laboratorinis skaičius dar nereiškia konkrečios trąšų normos. Reikia įvertinti dirvožemio granuliometrinę sudėtį, pH, augalų poreikį, planuojamą derlių, priešsėlį, mėšlo ar tarpinių augalų poveikį, taip pat ūkininko technologines galimybes – tik po to sudaromas tręšimo žemėlapis. Kad žemėlapiai tikrai atspindėtų lauką, labai svarbu kokybiškas ėminių paėmimas: jie turi būti imami pagal realų lauko nevienodumą, o ne tik formaliai pagal hektarus. Reikia įvertinti reljefą, dirvožemio tipą, derlingumo skirtumus, ankstesnes palydovines nuotraukas, ūkininko žinias apie lauką.

Ar kintamos normos tręšimas Lietuvoje jau tampa įprasta praktika, ar tai vis dar labiau inovatyvių ūkių taikomas sprendimas?

Kintamos normos tręšimas Lietuvoje jau nebėra visiška naujovė, tačiau dar negalima sakyti, kad tai yra įprasta praktika daugumoje ūkių. Technologiškai galimybės jau yra: naudojami GPS valdomi barstytuvai, sėjamosios, purkštuvai, galima parengti žemėlapius ir juos įkelti į techniką. Vis dėlto praktikoje šį sprendimą dažniau taiko didesni, pažangesni arba inovacijoms atviresni ūkiai. Dalis ūkių dar naudoja tyrimus tik bendrai tręšimo normai apskaičiuoti, o ne kintamai.

Kur tiksliajame tręšime atsiranda dirbtinis intelektas (DI)? Ar jis jau padeda priimti sprendimus, ar dar daugiausia naudojamas duomenų analizei?

Dirbtinis intelektas šiandien labiausiai padeda duomenų analizės ir sprendimų rengimo etape. Jis gali greičiau apdoroti didelius duomenų kiekius: laboratorinius tyrimus, meteorologinius duomenis, dirvožemio informaciją. DI gali padėti atpažinti lauko zonas, nustatyti tendencijas, prognozuoti galimą maisto medžiagų trūkumą ar augalų stresą. Dirvožemis yra labai sudėtinga sistema, susidedanti iš daug įvairių veiksnių, todėl sprendimui reikia žmogaus vertinimo: būtina suprasti ūkininko technologiją, ūkio ekonomines galimybes, trąšų kainas, laukų istoriją. Tad šiandien DI labiau yra pagalbininkas konsultantui ir ūkininkui, o ne savarankiškas sprendimų priėmėjas.

Praktinis pavyzdys: kaip tyrimai ir skaitmeninės technologijos pagerino tręšimo rezultatą ūkyje?

Praktinis pavyzdys yra iš Marijampolės r. ūkio, kuriame fosforo ir kalio tręšimo planas kintama norma taikomas jau 8 metus. Ūkis prie šio sprendimo perėjo todėl, kad norėjo tiksliau žinoti, kiek ir kuriose lauko vietose augalams reikia trąšų, nes taikant ankstesnę tręšimo technologiją ne visada buvo pasiekiami norimi rezultatai. Įdiegus kintamos normos tręšimą, procesas pasikeitė iš esmės: pirmiausia buvo atlikti dirvožemio tyrimai, duomenys susieti su konkrečiomis lauko vietomis, parengti fosforo ir kalio pasiskirstymo žemėlapiai, tada sukurti tręšimo planai ir jie perkelti į techniką, kad trąšos būtų paskleistos pagal realų poreikį skirtingose lauko zonose.

Šio sprendimo rezultatai buvo labai aiškūs: tapo žinomas tikslus trąšų kiekis, reikalingas sezono tręšimui, dirvožemyje susivienodino fosforo ir kalio kiekiai, pasėlių augimas tapo tolygesnis, pagerėjo kokybiniai rodikliai, o derlingumas padidėjo, nors smėlingesniuose dirvožemiuose pokytis buvo mažiau ryškus. Konkrečiai šiame ūkyje žieminių kviečių derlius padidėjo apie 1 t/ha, cukrinių runkelių – apie 10 t/ha. Šis pavyzdys labai gerai parodo, kad dirvožemio tyrimai ir skaitmeninės technologijos nėra tik teoriniai įrankiai – tinkamai pritaikyti jie leidžia priimti tikslesnius sprendimus, geriau paskirstyti trąšas ir pasiekti agronominės bei ekonominės naudos.

Kur šiandien didžiausias atotrūkis tarp laboratorinių galimybių ir to, kas įgyvendinama ūkiuose?

Didžiausias atotrūkis yra ne laboratorinių tyrimų galimybėse, o pačiame duomenų panaudojime. Laboratorijos gali pateikti daug vertingos informacijos, bet ūkyje dažnai panaudojama tik nedidelė jos dalis, pavyzdžiui, dėmesys skiriamas tik pH, fosforui ir kaliui. Žinoma, šie rodikliai yra bene svarbiausi, tačiau verta į praktinius sprendimus įtraukti ir tokius rodiklius, kaip organinė anglis, katijonų mainų geba, kalcio ir magnio santykis. Tarkime, žinant kalcio ir magnio santykį dirvožemyje, mes realiai galime pagerinti dirvožemio struktūrą ir tam mums nereikia išmaniosios technikos – šiuo atveju reikia žinių. Reikia specialisto, kuris ne tik perskaitytų laboratorinį protokolą, bet ir paverstų jį aiškiu veiksmų planu.

Kitas atotrūkis – technologinis: ne visi ūkiai turi techniką, kuri gali dirbti pagal kintamos normos žemėlapius. Ekonominiai veiksniai taip pat svarbūs: ūkininkui turi būti aišku, kokia bus nauda, per kiek metų atsipirks tyrimai, žemėlapiai ir tikslusis tręšimas. Tad šiandien pagrindinis iššūkis yra ne duomenų trūkumas, o gebėjimas juos paversti paprastu, techniškai įgyvendinamu ir ekonomiškai pagrįstu sprendimu ūkyje.   

2026-06-02