Αγρότης, τεύχος 479

A Γ Ρ Ο Τ Η Σ 2 0 2 0 / T E Υ Χ Ο Σ 4 7 9 A Γ Ρ Ο Τ Η Σ 2 0 2 0 / T E Υ Χ Ο Σ 4 7 9 49 48 καθώς και θερμοκρασία, σχετική υγρασία και επιφανειακή υγρασία του φυλλώματος. Παράλληλα με τα πιο πάνω, καταγράφονταν υπό μορφή ψηφιακού ημερολογίου όλες οι υφιστάμενες καλλιεργητικές πρακτικές του παραγωγού οι οποίες σχετίζονταν με τα φαινολογικά στάδια της καλλιέργειας, την άρδευση, τη λίπανση, τη φυτοπροστασία (Horizon 2020 - Industrial Leadership). Συντονιστής του IoT4Potato είναι η ελληνική εταιρεία NEUROPUBLIC, ενώ, εκτός από το ΙΓΕ, στο έργο συμμετέχουν οργανισμοί από την Πολωνία (Delphy Poland και FFP2), την Ουκρανία (AgroLV) και την Ολλανδία (Wageningen University & Research). Η ομάδα της Κύπρου αποτελείται από επιστήμονες διαφόρων ειδικοτήτων του Ινστιτούτου (Α. Στυλιανού, Γ. Αδαμίδης, Δ. Νεοκλέους, Β. Βασιλείου, Μ. Γιαννακοπούλου) και του Τμήματος Γεωργίας (Χ. Χατζηπέτρου, Θ. Κωνσταντίνου). Απώτερος στόχος του IoT4Potato είναι η ανάπτυξη και εφαρμογή υπηρεσιών ευφυούς γεωργίας για τη μείωση του κόστουςπαραγωγήςτηςπατατοκαλλιέργειας, τηβελτίωσητης ποιότητας του τελικού προϊόντος, την αποτελεσματικότερη διαχείριση των πόρων και, κατ’ επέκταση, την αποφυγή των αρνητικών επιπτώσεων στο περιβάλλον και την ανθρώπινη υγεία από την υπέρμετρη χρήση φυτοπροστατευτικών προϊόντων. Οι υπηρεσίες ευφυούς γεωργίας του IoT4Potato αξιοποιούν επιστημονικά προγνωστικά μοντέλα φυτοπροστασίας, λίπανσης και άρδευσης, προσαρμοσμένα στις ιδιαιτερότητες των στοχευμένων περιοχών. Τα μοντέλα τροφοδοτούνται με δεδομένα που προέρχονται από ένα δίκτυο τηλεμετρικών σταθμών, με δορυφορικά δεδομένα, με δεδομένα που τηρούνται από τους εμπλεκόμενους παραγωγούς σχετικά με τις εισροές και εκροές της καλλιέργειας, αλλά και με άλλες παραμέτρους που οι τιμές τους προσδιορίζουν τη μοναδικότητα και ιδιαιτερότητα της κάθε παραγωγικής μονάδας. Η τεχνολογική προσέγγιση του IoT4Potato στηρίζεται στο καινοτόμο σύστημα ευφυούς γεωργίας gaiasense ( http://www.gaiasense.gr/home ) , το οποίο θεωρείται κατάλληλο τόσο για μικρούς όσο και για μεγάλους παραγωγούς και συνδυάζει τεχνολογίες πληροφορικής, όπως το Διαδίκτυο των Πραγμάτων (Internet of Things - IoT), μεγάλα δεδομένα (Big Data), υπολογιστικό νέφος (Cloud Computing) και μηχανική εκμάθηση (Machine Learning), με επιστημονικούς τομείς όπως οι γεωπονικές και βιολογικές επιστήμες και οι επιστήμες του περιβάλλοντος. Ως περιοχή μελέτης στην Κύπρο επιλέχθηκε η περιοχή των Κοκκινοχωρίων, λόγω της σημαντικότητάς της για την πατατοκαλλιέργεια. Παράγοντες όπως η έλλειψη ή περιορισμένη επάρκεια αρδευτικού ύδατος, η νιτρορύπανση, η υπεράντληση των υπογείων υδάτων και το υψηλό κόστος παραγωγής, φαίνεται να θέτουν σε κίνδυνο τη βιωσιμότητα της πατατοκαλλιέργειας στην περιοχή. Από την περιοχή των Κοκκινοχωρίων επιλέχθηκαν δύο πιλοτικά αγροτεμάχια με έκταση 5 δεκάρια έκαστο, στα οποία εφαρμόζεται η προτεινόμενη τεχνολογία του IoT4Potato για δύο συνεχόμενες καλλιεργητικές περιόδους. Τα δεδομένα και αποτελέσματα της πρώτης καλλιεργητικής περιόδου χρησιμοποιούνται, κυρίως, για την προσαρμογή και βαθμονόμηση των επιστημονικών μοντέλων, ενώ ολοκληρωμένη συμβουλή προς τον αγρότη παρέχεται κατά τη δεύτερη καλλιεργητική περίοδο. Ωστόσο, η επεξεργασία των δεδομένων της πρώτης περιόδου δύναται να δώσει χρήσιμα αποτελέσματα. Στο άρθρο αυτό παρουσιάζονται τα αποτελέσματα που αφορούν την άρδευση και τη φυτοπροστασία της πρώτης καλλιεργητικής περιόδου για το ένα αγροτεμάχιο (εφεξής «πιλοτικό αγροτεμάχιο»). Η ευφυής γεωργία στην πράξη Πριν από την εγκατάσταση του τεχνολογικού εξοπλισμού στο πιλοτικό αγροτεμάχιο πραγματοποιήθηκε λεπτομερής ανάλυση εδάφους, ενώ καταγράφηκαν, με τη χρήση ειδικού ερωτηματολογίου, ιστορικά δεδομένα της περιοχής και του συγκεκριμένου αγροτεμαχίου σχετικά με τις καλλιεργητικές και κλιματολογικές συνθήκες, τις κοινές πρακτικές που εφαρμόζει ο παραγωγός και τους κυριότερους εχθρούς και ασθένειες της καλλιέργειας της πατάτας. Στο προκαταρκτικό αυτό στάδιο η συμβολή των δορυφορικών δεδομένων για τον καθορισμό εδαφικών και κλιματικών ζωνών αλλά και για την επιλογή αντιπροσωπευτικών τεμαχίων για την εγκατάσταση του εξοπλισμού είναι ζωτικής σημασίας. Το πιλοτικό αγροτεμάχιο φυτεύτηκε με πατάτα ποικιλίας Spunta στις 23 Σεπτεμβρίου 2019, ενώ ένα μικρό μέρος του χρησιμοποιήθηκε ως «μάρτυρας» για τη βαθμονόμηση και προσαρμογή των μοντέλων φυτοπροστασίας. Στις 24 Σεπτεμβρίου 2019 εγκαταστάθηκε στο αγροτεμάχιο ο απαραίτητος εξοπλισμός, ο οποίος περιλάμβανε έναν αυτόνομο τηλεμετρικό σταθμό (σταθμός gaiatron) και πολυαισθητήρες εδάφους και φυτού/φυλλώματος (Εικόνα 1). Το αρδευτικό σύστημα που εγκαταστάθηκε στο αγροτεμάχιο αποτελούνταν από 176 μικροεκτοξευτήρες με παροχή 180 λίτρα/ώρα έκαστος. Η βασική λίπανση εφαρμόστηκε την ίδια μέρα με τη σπορά, ενώ στις 28 Νοεμβρίου 2019 εφαρμόστηκε επιφανειακή λίπανση μέσω του συστήματος άρδευσης (υδρολίπανση). Οι ασθένειες της πατάτας που κρίθηκαν από την ερευνητική ομάδα ως οι πιο σοβαρές για παρακολούθηση ήταν ο περονόσπορος (Phytophthora infestans) και η αλτερνάρια ή πρώιμος περονόσπορος (Alternaria solani). Εικόνα 1: Εγκατάσταση εξοπλισμού στο πιλοτικό αγροτεμάχιο (1: Ατμοσφαιρικοί αισθητήρες, 2: Πολυαισθητήρες φυτού/ φυλλώματος, 3: Πολυαισθητήρας εδάφους, 4: Κέντρο ελέγχου-αυτοματισμοί) Συλλογή δεδομένων Από την ημέρα της εγκατάστασης του τηλεμετρικού σταθμού μέχρι τη συγκομιδή της καλλιέργειας καταγράφονταν σε ωριαία βάση οι τιμές σημαντικών αγροπεριβαλλοντικών παραμέτρων όπως θερμοκρασία και σχετική υγρασία αέρα, εδαφική υγρασία και αλατότητα σε τέσσερα διαφορετικά βάθη (10-40 cm), ηλιακή ακτινοβολία, ατμοσφαιρική πίεση, μέση ταχύτητα και κατεύθυνση ανέμου, βροχόπτωση, κ.ά. Για την ανάπτυξη και προσαρμογή των μοντέλων άρδευσης σημαντική ήταν η καταγραφή της υδατικής κατάστασης του φυτού. Για τον λόγο αυτό, πριν και μετά από κάθε άρδευση μετρούνταν η υδατική δυναμικότητα και η στοματική αγωγιμότητα των φύλλων με τη χρήση ειδικού εξοπλισμού (Εικόνες 2 και 3) . Εικόνα 3. Μέτρηση στοματικής αγωγιμότητας του φυλλώματος της πατάτας με πορόμετρο Εικόνα 2: Εξοπλισμός για την καταγραφή της υδατικής κατάστασης του φυτού: Θάλαμος πίεσης (αριστερά) και πορόμετρο (δεξιά) Όλα τα πιο πάνω δεδομένα ενσωματώνονταν στη βάση δεδομένων του IoT4Potato (cloud-based data repository) και, ακολούθως, τύχαιναν επεξεργασίας με ειδικά μοντέλα προσομοίωσης, με απώτερο στόχο την παραγωγή και παροχή στοχευμένης γεωργικής συμβουλής για βελτιστοποίηση των διαδικασιών άρδευσης, φυτοπροστασίας και λίπανσης. Η παραγόμενη συμβουλή, μαζί με επιλεγμένες αγροπεριβαλλοντικές μετρήσεις, παρέχονται στους τελικούς χρήστες (αγρότες, γεωργικοί σύμβουλοι) μέσω μίας φιλικής στον χρήστη διαδικτυακής εφαρμογής (web-based application). Στις Εικόνες 4 και 5 παρουσιάζονται επιλεγμένα στιγμιότυπα (snapshots) της διαδικτυακής εφαρμογής του IoT4Potato. Σχετικά με τον κίνδυνο προσβολής από τον περονόσπορο και την αλτερνάρια και τις σχετικές ειδοποιήσεις (alerts), τα αποτελέσματα του μοντέλου κυμαίνονται από 0 (καθόλου κίνδυνος) μέχρι 100 (όταν ο κίνδυνος βρίσκεται στο υψηλότερο επίπεδο) και ομαδοποιούνται σε τέσσερις κλάσεις ως εξής: R1-καθόλου κίνδυνος, R2-χαμηλός κίνδυνος, R3-μέτριος κίνδυνος, R4- υψηλός κίνδυνος, R5-πολύ υψηλός κίνδυνος. Γενικά, προτείνεται όπως ο παραγωγός λάβει προληπτικά μέτρα όταν ο κίνδυνος φτάσει στο τρίτο επίπεδο (μέτριος κίνδυνος), λαμβάνοντας φυσικά υπόψη πρόσθετες παραμέτρους όπως η τρέχουσα κατάσταση της καλλιέργειας, προηγούμενες εφαρμογές φυτοπροστατευτικών προϊόντων και η πρόγνωση του καιρού για την περιοχή. Εικόνα 4. Τρέχουσες περιβαλλοντικές συνθήκες, ενεργές ειδοποιήσεις (alerts) και πρόγνωση καιρού για το πιλοτικό αγροτεμάχιο Η ΓΕΩΡΓΙΚΗ ΜΑΣ ΕΡΕΥΝΑ Η ΓΕΩΡΓΙΚΗ ΜΑΣ ΕΡΕΥΝΑ