Mittaa

Peltomaan lohkonsisäisen vaihtelun monitorointi teknologian avulla

Pellon tilaa voidaan seurata nykyaikaisen mittausteknologian avulla. Teknologia ei kuitenkaan ole lähitulevaisuudessa poistamassa viljelijän oman viljelytaidon merkitystä. Mittausten ansiosta viljelijä saa paremman ymmärryksen vallitsevasta tilanteesta pellolla, ja näin on helpompi tehdä oikeita päätöksiä. Mittaukset myös mahdollistavat sen, että viljelijä voi nähdä tehtyjen toimenpiteiden vaikutuksen. Aluksi yksi tärkeimmistä tehtävistä on ratkaista, mihin kohtiin peltolohkoa mittaukset pitää kohdistaa. Tässä kappaleessa esitellään maanpäällisiä ja maanalaisia mittausmenetelmiä sekä sitä, miten ne yhdistetään viljelyn kehittämiseksi. Kappaleessa mainitaan esimerkinomaisesti yrityksiä sekä laitteiden merkkejä. Viljelijän kannattaa kuitenkin itse tutustua kaikkiin saatavilla oleviin palveluiden ja tuotteiden tarjoajiin, jotta kokonaiskuva tarjonnasta muodostuu kattavaksi.

Kuva 1. Kun viljelijät keskustelevat täsmäviljelystä, smart farmingista tai digitekniikoista, on melko todennäköistä, etteivät he puhu aivan samasta asiasta. Pahin keskustelua sekoittava seikka on se, ettei kaikki digi suinkaan liity peltomaan tai kasvuston paikkakohtaiseen tarkkailuun ja hoitoon - ovathan puhelutkin nykyään digitaalisia. Kuva: Soja Sädeharju.

Sekaannuksia aiheuttaa myös se, että termit ovat suomennoksia alun perinkin epämääräisistä englanninkielisistä ilmaisuista. Suurin osa maatalouselektroniikasta on digin sijaan paremminkin automaatiota, joka on tavalla tai toisella ollut keskeinen osa maataloustyötä jo satoja vuosia ja korvaamatonta sinänsä. Esimerkiksi automaattiohjaus ei itsessään ole paikkakohtaista viljelyä, eikä täsmäviljely myöskään edellytä sitä, vaikka harva automaattiohjauksen makuun päässyt viljelijä suostuisi siitä enää luopumaan. Digitaalinen tai mekaaninen kuivurivaaka sen sijaan tuottaa havaintoja, jotka voidaan kohdistaa tiettyyn kohtaan peltolohkoa ja tätä kautta kehittää paikkakohtaisia viljelytoimia.

Vanhojakin menetelmiä voidaan helposti muuttaa täsmäviljelyksi. Viljavuustutkimus on tästä hyvä esimerkki. Ympäri lohkoa koostettu maanäyte häivyttää vaihtelun, mutta tietoisesti eri kohdista kerätyt näytteet voivat paljastaa jotain olennaista lohkon tilasta.

Näistä syistä on ennen erilaisten mittaustekniikoiden ja menetelmien esittelyä syytä määritellä käsiteltävä aihe tarkemmin.

Miksi mitataan?

Ensimmäinen syy mitata on viljelyn kehittäminen. Jokainen tuotantoaan kehittävä viljelijä pyrkii viljelemään entistäkin paremmin ja ympäristön kannalta kestävämmin. Paremmuus voi liittyä satotasoon, sadon laatuun tai viljelyn kannattavuuteen.

Jokaista peltoa voidaan pitää tavallaan ongelmana. Vaikka huippulohko tuottaisi toistuvasti seitsemän tonnin viljasatoja, on kahdeksannen tonnin puuttuminen ongelma. Toisaalta lohkon ongelma voi olla, ettei varmuutta kunkin toimenpiteen tarpeellisuudesta ole, joten kenties saman sadon voisi tuottaa kustannustehokkaammin.

Moni viljelijä on asettanut tavoitteekseen kasvun ja sadon maksimoimisen. Kun mahdollisimman suuri sato tuotetaan uudistavia viljelymenetelmiä hyödyntäen, samalla maksimoidaan myös hiilen sidonta. Tämä edellyttää sitä, ettei hiiltä samalla kadoteta pellolta enemmän kuin sitä sidotaan. Samalla orgaaninen hiili parantaa maan rakennetta, vedenpidätystä ja ravinnevarastoja. Laajemmassa katsannossa hyvän sadon tuottaminen nykyisillä pelloilla voi vähentää tarvetta raivata uutta viljelysmaata kaukaisissa maissa.

Mittaamalla saadaan esille jotain sellaista, mitä ei muuten voi nähdä. Peltokasvintuotanto on täynnä tällaisia vaikeasti havaittavia asioita, kuten pellon ravinnetila tai maan kosteus.

Toinen syy mitata on pyrkimys seurata kehitystä ajan oloon. Viljavuusfosfori alenee tai kohoaa vähitellen ja maan kosteus muuttuu jatkuvasti haihdunnan, sadannan, valunnan ja kasvien vedenoton tuloksena. Kummallekin mainitulle asialle voidaan tehdä yhtä ja toista, mutta ilman mittauksia on vaikea ratkaista, ovatko toimenpiteet tarpeellisia, puhumattakaan tehtyjen toimenpiteiden vaikutusten todentamisesta.

Kasvuston lohkonsisäinen vaihtelu on yleensä suurta, mutta sitä on erittäin vaikea havaita. Pääsääntö on, että erittäin huono kohta kasvustosta näkyy silminkin, mutta erinomainen näyttää samalta kuin keskimääräinen. Tästä syystä pellon satoisuudeltaan eritasoisten alueiden onnistunut tunnistaminen vaatii käytännössä aina teknologisia menetelmiä.

Vain sitä mitä mittaa, voi hallita.

Peter Druckerin lausuma motto mittaamisen ja hallinnan yhteydestä sopii erinomaisesti ohjenuoraksi peltoviljelyyn mututuntuman sijaan. Jos esimerkiksi pyrkii parantamaan satoa eri lohkoilla, ei voi tietää mikä toimii ja mikä ei, ellei näiden lohkojen satotasoja mitata.

Druckerin motolla on toinenkin sanoma: pelkkä mittaaminen ei vielä itsessään paranna mitään, ellei se johda parempiin toimenpiteisiin. Vielä jyrkemmin voi sanoa, ettei kannata mitata mitään sellaista, jolle ei aio myöskään tehdä mitään, sillä mittauksiin liittyy aina kustannuksia. Itse mittaustekniikka on yksi investointi, mutta näiden mittaustulosten käsittely ja johtopäätösten tekeminen on toinen vähintäänkin yhtä suuri panos. Jos siihen ei löydy resursseja, kannattaa mittalaitteetkin jättää hankkimatta.

Minne mittaukset pitäisi kohdistaa?

Satotason lohkonsisäinen vaihtelu on avain, jolla mittaukset on helppo kääntää käytännön toimenpiteiksi. Mittausten kohdentaminen niihin lohkonosiin, jotka valmiiksi tiedetään erinomaisiksi, keskimääräisiksi ja ongelmallisiksi, luo tilanteen, jossa mittauksen tuloksia voidaan heti vertailla.

Kuva 2. Mittauksen kohteena voi olla esimerkiksi traktorin tai sen perässä kulkevan laitteen aiheuttama paine maahan. Kuva: Soja Sädeharju.

Jos esimerkiksi on epäilys, että pellon tiiviys haittaa kasvua, yksittäisen mittauksen tulosta on hankala verrata oppaista löytyviin ohjearvoihin. Jos mittauksia tehdään lisää, huomataan että tulokset vaihtelevat ympäri peltoa, ja tilanne mutkistuu entisestään. Seuraavaksi johtuu mieleen, että mittauksia pitäisi tehdä valtava määrä tasaisin välimatkoin, mutta miten näin muodostuvaa karttaa pitäisi tulkita?

Parempi metodi on tunnistaa lohkolta hyvin, keskimääräisesti ja huonosti kasvavia alueita ja mitata niiden tiiviydet erikseen. Jos osoittautuu, että ongelmakohdat ovat tiiviimpiä kuin hyvät kohdat, on kipukohta tunnistettu kerralla. On myös mahdollista, että hyvät ja huonot lohkonosat ovat tasaväkisen tiiviit, joka puolestaan osoittaa, ettei tiiviys ole ongelmakohtien ensisijainen murhe. Tämäkin on hyödyllinen tulos, joka ohjaa keskittymään olennaisiin asioihin.

Lohkonsisäinen satovaihtelu johtuu maanalaisista tekijöistä

Kasvit tarvitsevat neljä tekijää kasvaakseen, minkä lisäksi tautien ja tuholaisten poissaolo on tietenkin eduksi. Maan yläpuolelta kasvit ottavat 1) auringon säteilyä ja 2) kaasuja (hiilidioksidi ja happi). Maasta juuret ottavat 3) vettä ja 4) ravinteita. Koko peltolohko saa saman annoksen auringon säteilyä (maaston varjostus pois lukien) eivätkä maanpäälliset kaasupitoisuudet merkittävästi vaihtele, joten satovaihtelun syiden on löydyttävä maan alta.

Seuraava päättelyketju tiivistää edellä esitetyt alkuoletukset:

1. Kasvustossa on satovaihteluja, jotka eivät näy aistinvaraisesti

2. Erot hyvien ja huonojen kohtien välillä johtuvat maanalaisista tekijöistä

3. Teknologian avulla voidaan tunnistaa kasvuston hyviä, keskimääräisiä ja heikkoja alueita

4. Kohdistamalla maanalaiset mittaukset näihin kohtiin voidaan selvittää, mikä niitä vaivaa

Lohkon sisäisen satovaihtelun perusteella voidaan selvittää, mitä huonoille kohdille pitäisi tehdä, jotta ne saataisiin parhaiden veroisiksi tai voitaisiin lopettaa ylimääräisten tuotantopanosten kohdentaminen niihin. Vaihtelu johtuu maanalaisista tekijöistä. Tekemällä maanpäällisiä havaintoja kasvustosta saadaan selville, missä kohdissa peltoa maanalaisia mittauksia pitäisi tehdä. Tästä syystä kasvustoa havainnoivat ja maan ominaisuuksia mittaavat teknologiat ovat toisiaan täydentäviä, eivät keskenään kilpailevia.

Kasvuston havainnointi alueiden tunnistamiseksi

Selvittämällä, miksi pellon yksi osa-alue tuottaa merkittävästi enemmän satoa kuin toinen, voidaan siis selvittää miten heikkoa kohtaa pitäisi parantaa. Siksi ensimmäinen askel on selvittää hyvien ja huonojen kohtien sijainnit, ja kukaan ei tiedä sitä paremmin kuin viljeltävä kasvusto itse.

Kuten sanottu, parhaiden kohtien tunnistamiseen tarvitaan mittausteknologiaa. Eri menetelmillä on keskinäisiä eroja, vaikka viime kädessä kaikki tekniikat kasvuston vaihtelun tunnistamiseksi ovat käyttökelpoisia.

Satokartoitus

Satokartoitus on ylivoimainen menetelmä lohkon sisäisen vaihtelun mittaamiseen sadonkorjuun yhteydessä; onhan juuri korjattu sato se, jota on tarkoitus tuottaa. Suhteutettuna uuden leikkuupuimurin hintaan ei satotasomittarin 3000–8000 euron kustannus ole kohtuuton. On kuitenkin muistettava, että mittauksen hoitaminen sadonkorjuun yhteydessä on ylimääräinen tehtävä, jonka lisäksi aineisto on käsiteltävä ja analysoitava.

Viljelijällä on oltava todellinen halu testata ja kokeilla käsittelyjä, lajikkeita ja asetuksia pelloillaan, jotta satokartoitukseen kannattaa ryhtyä. Se on kuitenkin nopeasti yleistyvä täsmäviljelyn perusta, jonka kehitystä johtavat yhdysvaltalaiset maissinviljelijät. Heistä jo 80 prosenttia käyttää satokarttoja viljelysuunnittelunsa pohjana.

Kuva 3. Satoa puintityön aikana mittaavat anturit tuottavat laadultaan ja tarkkuudeltaan parhaan satokartan, mutta aloituskustannuksen lisäksi tulee varautua myös mittaamisen ja aineiston käsittelyn työvaiheeseen. Kuvat: Johannes Tiusanen.

Satelliittikuvat

Satelliitit tuottavat kasvustoindeksin (NDVI) sen perusteella, miten tietyt auringonvalon aallonpituudet imeytyvät ja heijastuvat kasvustosta. Klorofylli eli lehtivihreä imee voimakkaasti näkyvää valoa. Sen sijaan lehtien solurakenne heijastaa pois lähi-infrapunavaloa (NIR). On huomattava, että vain terveet kasvinosat heijastavat infrapunavaloa, kun taas kuiva tai sairas kasvi lakkaa käyttämästä näkyvää valoa ja alkaa imeä infrapunavaloa itseensä. Tämän takia vertailemalla kasvustosta heijastuvan infrapunan ja näkyvän punaisen valon määrää toisiinsa, saadaan hyvä arvio terveen klorofyllin määrästä, joka kuvaa samanaikaisesti sekä kasvuston määrää että sen terveyttä.

Euroopan avaruusjärjestön Sentinel-2 satelliittien aineistot ovat hinnaltaan täysin lyömättömiä, sillä lähdeaineisto verovaroin kustannetuilta satelliiteilta on ilmaista. Satelliittikuvia ja niistä infrapuna-alueen informaation perusteella laadittuja biomassakarttoja voi selailla ilmaisissa palveluissa, esimerkiksi Sentinel Playgroundissa. Tarjolla on myös monia maksullisia ja asiakkuuteen perustuvia palveluita, jotka perustuvat samaan aineistoon, mutta ovat jalostettuja helpommin käytettävään muotoon.

Tämän tietolähteen etuna on, että aineistoa on kertynyt jo yli viiden vuoden ajalta. Näin ollen tutkittavan lohkon historiaa voi selata monta kasvukautta taaksepäin ja tarkastella, ovatko huonot ja hyvät kohdat pysyviä, vai vaihtelevatko ne kasvukauden olosuhteiden myötä.

Toimivin keino tunnistaa laadultaan poikkeavat lohkon osat on hakea sen päivän satelliittikuva, joka on pilvetön ja lähimpänä biomassan huippukohtaa. Viljoilla tämä on tyypillisesti lippulehtivaihe, nurmella juuri rehuntekoa edeltäneet päivät. Kasvuston alkaessa tuleentua infrapuna-alueen kuvat haalistuvat nopeasti ja epätasaisesti. Turvallisesti vehreään aikaan otettu kuva on parempi vaihtoehto kuin tähkälletulon jo käynnistyessä.

Kuva 4. Verovaroin kustannettujen Sentinel-2 satelliittien biomassakartat ovat ilmainen keino tunnistaa lohkon sisäistä vaihtelua. Ilmaisuuden lisäksi aineistoa on jo monelta menneeltä kasvukaudelta. Kuva: apps.sentinel-hub.com.

Satelliittikuvilla on tiettyjä puutteita verrattuna satokartoitukseen sadonkorjuun yhteydessä. Ensiksikin vakava rikkakasvusto parantaa biomassaa, mutta alentaa satoa. Rikkakasvustoa ei satelliittikuvista voi erottaa. Toiseksi joinakin vuosina keskikesä saattaa olla hyvin pilvistä, jolloin käyttökelpoiset kuvat rajoittuvat kasvukauden alkupuoleen.Vaikka kasvusto näyttäisi hyvältä lippulehden tultua esiin, moni asia voi vielä pilata sadon. Jos taas esimerkiksi kasvitaudit pilaavat jyväsadon muodostumisen kasvukauden lopulla, se ei johdu maanalaisista viljavuustekijöistä.

Viljat tarvitsevat vettä merkittävästi vielä jyvien täyttymisen aikana, joten loppukesään osuva kuivuus rankaisee sadonmuodostusta hyvin epätasaisesti. Tätäkään ei voi havaita biomassakuvista, mutta yhdistämällä satelliittihavaintoja satokartoituksen tuottamaan karttaan voidaan tunnistaa lohkonosia, joissa keskikesän potentiaali jää toteutumatta sadossa. Tämä havainto on joka tapauksessa hyödyllinen. Satelliittikuvat ovat ajallisen jatkuvuutensa ja satokartat lahjomattoman tarkkuutensa ansiosta toisiaan täydentäviä tekniikoita.

Kasvustoanturit

Optiset laitteet asettuvat satelliittikuvien ja satokartoituksen välimaastoon. Pääosa peltotyökoneeseen asennetuista kasvustoantureista perustuu samankaltaiseen infrapunakuvantamiseen kuin satelliititkin, mutta pystyvät tuottamaan kasvustokartan tarkemmalla resoluutiolla. Ne toimivat silloinkin, kun taivas on pilvinen.

Tunnetuin kasvustoanturi on lannoitteen pintalevitykseen yhdistetty N-sensor, joka säätää lannoitteen levitysmäärää ajon aikana paikkakohtaisen kasvuston mukaisesti. Vaikka toisinaan tuntuu, että N‑sensoria pidetään jopa täsmäviljelyn synonyyminä, on siinä paremminkin kyse automaatiosta kuin pellon ongelmien paikkakohtaisesta tunnistamisesta. Jos esimerkiksi viljelijä käyttää urakoitsijaa täydennyslannoituksen toteuttamiseen, muttei vaivaudu pyytämään ja tutkimaan työn ohessa syntyneitä karttoja, eivät kasvustoanturit edesauta ongelmakohtien tutkimista millään tavalla.

Kuva 5. Paikkakohtaisesti säätyvä täydennyslannoitus tuottaa myös biomassakartan levityshetken kasvustosta. Se on yhtä pätevä kartta hyvien ja huonojen alueiden tunnistamiseen kuin muutkin kasvuston optisen havainnoinnin tekniikat. Tämä kartta on lähes identtinen ylempänä esitetyn, samana päivänä otetun Sentinel-2 satelliittikuvan kanssa. Kuva: Martti Yli-Kleemola ja Johannes Tiusanen.

Lennokit

Kauko-ohjattavat lennokit muodostavat kasvuston kuvantamisessa kirjavan ja epäyhtenäisen ryhmän. Autonomiset robottilennokit eivät vielä ole sallittuja Euroopassa. Edullisilla, muutaman satasen kuvauskoptereilla saa karkean yleiskäsityksen lintuperspektiivistä, kun taas raskaimmat isojen alueiden multispektrikartoitukseen tarkoitetut laitteet maksavat kymmeniä tuhansia euroja. Yleinen käsitys on kuitenkin, että näkyvän valon alueen valokuvista voidaan tunnistaa vain ongelmakohdat, mutta erityisen hyvien kasvustojen tunnistamiseen tarvitaan havaintoja lähi-infrapuna-alueelta (NIR), joka onnistuu vain erikoisvalmisteisilla kameroilla.

Tällä hetkellä on käynnissä hankkeita, joissa kerätään tarkkoja kuvia kasvustosta lennättämällä kuvauskopteria matalalla ja sovelletaan koneoppimista yksittäisten kasvien ulkonäön ja satopotentiaalin yhteyden tunnistamiseksi, mutta tällaisia kaupallisesti tarjolla olevia palveluja saadaan vielä odottaa.

Lohkon huonot kohdat voi tunnistaa silmämääräisesti, mutta parhaat näyttävät samalta kuin keskimääräiset. Puimurin satokartoittimella saadaan paras kartta lohkon sisäisestä vaihtelusta, mutta biomassan huipun tai lippulehtivaiheen aikana otetut infrapuna-alueen satelliitti-, kasvustosensori- tai lennokkikuvat antavat yhtä hyvän kuvan alkukesän kasvuolosuhteista. Käyttämällä satokartoitinta yhdessä kuvausten kanssa saadaan lisäksi tietoa siitä, millä lohkon osilla sadon loppukehityksellä on tapana epäonnistua.

Peltomaahan kohdistuvat mittaukset

Mittausmenetelmät voidaan jakaa karkeasti neljään erilaiseen ryhmään: 1) Näytteenotto, 2) Käsikäyttöiset mittarit, 3) Peltoskannaus ja 4) Jatkuvatoimiset mittalaitteet eli monitorointi.

Näytteenotto

Näytteenottoa, viljavuusnäytteitä ja maan kasvukunnon aistinvaraista arviointia käsitellään Luvun 5 Kunnosta pelto -kappaleessa I Ongelmien tunnistaminen sekä seuraavassa kappaleessa Havainnointi. Näytteenotto ja peltomaan aistinvarainen arviointi muodostuvat osaksi paikkakohtaista havainnointia silloin, kun koko lohkon sijaan teetetään ympäristökorvauksen vaatimusta suurempi määrä viljavuustutkimuksia, jotka kohdistetaan edellä käsitellyn kasvuston havainnoinnin perusteella hyviin, keskimääräisiin ja huonoihin kasvukohtiin. Viljavuustutkimuksen tuloksista voi havaita, esiintyykö huonojen kasvukohtien näytteissä multavuuden tai sellaisten ravinteiden puutosta, jota hyvissä kohdissa ei havaita.

Jos esimerkiksi havaitaan, että parempi sato saadaan korkeamman fosforiluokan kohdista, se ei ole ainoastaan merkki siitä, että heikkojen kohtien fosforitilaa pitäisi kohentaa. Sen sijaan se voi myös osoittaa, että kyseisellä lohkolla on hyvä satovaste fosforille, jolloin hyvätkin kohdat saisivat hyötyä vielä paremmasta fosforitilasta. Tulkinnassa tulee olla varovainen ja johtopäätöksiä kannattaa käsitellä kollegojen ja asiantuntijoiden kanssa.

Käsikäyttöiset mittarit

Yksi hyödyllinen pellolla käytettävä mittalaite on penetrometri. Se on tietynmuotoinen piikki, jolla mitataan maan cone-indeksiä eli tunkeumavastusta, kun piikin kärjen kartiota työnnetään maahan. Yksinkertaisimmissa penetrometreissä on vain viisari, joka näyttää suurimman vastuksen. Yleinen ohjearvo on, että jos kostean maan cone-indeksi ylittää 2 MPa, on maa niin kovaa, että se vaikeuttaa juuriston kasvua. Suorakylvöpellolla tämä ei päde, sillä pitkään muokkaamattomana olleessa maassa on kovan kerroksen läpäiseviä suuria huokosia, lierokäytäviä ja juurikanavia.

Kuva 6. Mekaaninen Imants penetrometri ja elektroninen Fieldscout EC-900. Kuvat: NH-Koneet Oy ja Ammeenmäki Oy.

Elektroninen penetrometri tallentaa vastuksen automaattisesti eri syvyyksiltä ja tallentaa mittauksen koordinaatit satelliittipaikannuksen avulla. Vierailemalla tunnistetuissa lohkonosissa voidaan helposti tuottaa aineisto, joka näyttää, onko hyvässä ja huonossa lohkonosassa eroja tiiviysasteessa, ja millä syvyydellä tiivistymät ovat. Jos tiivistymiä havaitaan yhtä paljon eri kohdissa, ne saattavat olla ongelma sinänsä, mutta eivät kuitenkaan selitä eroja satoisuudessa.

Käsikäyttöiset maan kosteusanturit kuten TDR-laitteet ovat yleisiä puutarhatuotannon ja urheilunurmikoiden hoidon piirissä, mutta varsin vähän käytettyjä avomaaviljelyssä. Osassa tällaisia mittareita on myös satelliittipaikannus. Mittarin hinta ei ole estänyt yleistymistä, mutta laajan alueen mittaaminen käsityönä on suuri ponnistus, minkä lisäksi näin saadaan vain yksi tilannekuva lohkonsisäisestä kosteusvaihtelusta. Kosteustila ennen tai jälkeen mittauksen jää pimentoon ja olennaisen juuristovyöhykkeen saavuttaminen käsikäyttöisellä laitteella on vaikeaa. Käsikäyttöinen kosteusmittari voi silti olla käyttökelpoinen esimerkiksi pellon kuivumisen tasaisuuden toteamiseen keväällä, jos salaojaston toimivuudesta on epäilyksiä.

Kuva 7. Käsikäyttöinen Fieldscout TDR 150 maankosteuden mittari. Kuva: Ammeenmäki Oy.

Liikuteltavat analyysitekniikat maan viljavuuden mittaamiseen pellolla tekevät tuloaan. Osa on niin sanottuja liikuteltavia laboratorioita eli laitteita, joilla voidaan analysoida maanäyte heti pellolla ilman näytteen postittamista. Tällaisia ovat esimerkiksi Agrocares.com ja Nordetect.com. Toiset toimivat siten, että mittauspää työnnetään maahan ja analyysi tapahtuu ilman näytteen poimimista pellosta, esimerkiksi Chrysalabs.com. Teknologioita on kehitetty lähinnä teollisiin puutarhoihin, joissa analyysejä tehdään päivittäin, sekä toisaalta kehitysmaihin, missä näytteiden analysointi paikan päällä on ainoa käytännöllinen vaihtoehto.

Satunnaisessa käytössä nämä laitteet eivät toistaiseksi ole kustannustehokkaita verrattuna muutaman maanäytteen postittamiseen kerran vuodessa, mutta saattavat lähitulevaisuudessa ilmestyä esimerkiksi viljelyneuvojien työkalupakkiin, jolloin pellon osa-alueiden ravinnetilan ja multavuuden kartoittaminen yhden kävelyn aikana tulee mahdolliseksi. Parasta tässä menetelmässä tulee olemaan mahdollisuus valita lisää mittauskohtia jo työn aikana, kun mittaukset alkavat paljastaa pellon paikkakohtaisia ominaisuuksia.

Peltoskannaus

Ajonaikainen maan ominaisuuksien mittaaminen on kokoelma tutkimusmaailmassa pitkään kehitettyjä tekniikoita, jotka vasta nyt ovat siirtymässä käytännön viljelmille. Erotuksena telemetriasta, joka käsittää satelliitit ja ilmakuvat, peltoskannerit ovat laitteita, joita on ajettava järjestelmällisesti pitkin peltoa.

Mittaamalla pelto järjestelmällisesti maatutkalla saadaan esiin se, miten sähkönjohtavuudeltaan poikkeavat maakerrokset sijoittuvat eri puolilla peltoa. Gammasädespektrometri kartoittaa maan luonnollisen gammasäteilyn absorptiota 20–30 sentin pintakerroksessa. Molempien aineistojen analysointiin liittyy aina näytteenotto sopivaksi havaituista kohdista, jotta mittaamalla havaitut piirteet voidaan kalibroida täsmällisiksi tiedoiksi ravinteista, multavuudesta, maalajista tai pH:sta. Tuloksena syntyy kartta mitattavan tekijän vaihtelusta tai eroista ruokamultakerroksen vahvuudessa tai peruskallion syvyydessä.

Impedanssimittaus on hieman vastaava mittausmenetelmä. Se voidaan toteuttaa vetämällä pellolla mittauskelkkaa, jossa on metallipiikkipyörät. Mittaamalla eri etäisyyksillä olevien piikkiparien sähkönjohtavuutta saadaan maatutkaa vastaavaa tietoa sekä pintamaan että pohjamaan sähköisistä ominaisuuksista.

Kuva 8. Geocartan impedanssimittaus käynnissä sänkipellolla. Kuva: Johannes Tiusanen.

Mittausvannasta käyttävissä peltoskannereissa voi olla sekä maan sähköisiä että optisia ominaisuuksia mittaavia toimintoja. Kiekkojen tai luistien väliltä mitataan impedanssia kuten edellä kuvattiin, mutta maan alla liukuva optinen linssi voi mitata myös maan viljavuutta vastaavia kemiallisia muuttujia UV-, VIS- ja/tai NIR-spektrien kautta. Osassa laitteita on myös järjestelmä, joka ottaa ajoittain maanäytteen ja analysoi sen ajon aikana.

Kuva 9. Veristech peltoskanneri vauhdissa sänkipellolla. Kuva: Johannes Tiusanen.

On hyvä muistaa, että oli tekniikka mikä tahansa, peltoskannaus tuottaa vain kartan, joka ei yksinään ole kovin hyödyllinen. Jos esimerkiksi osoittautuu, että jollain pellon osa-alueella on korkeampi sähkönjohtavuus, onko se hyvä vai huono asia? Haittaako, jos jokin osa on savisempi? Peltoskannauskarttojen varsinainen hyödyllisyys tuleekin vasta siitä, kun karttaa vertaillaan kasvustosta saatuihin kuviin ja niiden yhteydet tunnistetaan.

Monitorointi

Jatkuvatoimiset mittarit tuovat mittaukseen täysin uuden tason, dynamiikan. Tämä tarkoittaa sitä, että mittaus ei tuota yhtä pistettä vaan käyrän, jonka käyttäytyminen ajan oloon antaa paljon laajemman ymmärryksen peltomaan tilasta ja maanalaisista tapahtumista.

Tilakohtaisiin sääasemiin on jo pitkään voinut liittää myös maan kosteus- tai lämpötila-anturin. Esimerkkejä tällaisista ovat muun muassa Datasensen edustamat Meter Groupin anturit. Kosteuskäyrästä näkyy selvästi pellon lämpeneminen keväällä, kuivuminen muokkauskuntoon sekä se, rajoittaako veden saanti kasvua. Yksi tila- tai lohkokohtainen mittauspiste ei kuitenkaan pysty tuottamaan kuvaa lohkon sisäisestä vaihtelusta.

Lohkon sisäiseen vaihteluun voi päästä kiinni niin sanotuilla loggereilla, eli kytkemällä maa-anturi tallentavaan rasiaan. Osa edellyttää mittausten purkamista käsityönä esimerkiksi Spectrum WatchDogilla, mutta osassa laitteita on mittauksia jatkuvasti lähettävä radio. Tällainen on esimerkiksi Onset HOBOnet. Näihin liittyy joka tapauksessa vähintään kaksi kertaa kasvukaudessa toistuva asennus ja poistaminen peltotöiden mahdollistamiseksi, sillä monitorointi on kohdistettava lohkon keskelle kasvuston perusteella tunnistettuihin kohtiin.

Kuva 10. Spectrum WatchDog 1000 loggeri. Kuva: Ammeenmäki Oy.

Hautaamalla maan alle langattomia antureita kasvustohavaintojen perusteella valittuihin kohtiin voidaan yhdistää jatkuvatoimisten mittareiden ja pysäytyskuvan kaltaisten skannausten hyvät puolet: reaaliaikainen näkymä eroihin pellon eri osien käyttäytymisessä. Lisäksi anturit voidaan jättää maahan vuosikymmeniksi ja toteuttaa normaalit peltotyöt laitteistoon puuttumatta, mikä poistaa mittauksiin liittyvät työkustannukset. Peltoja on jopa jankkuroitu antureita poistamatta automaattiohjauksen avulla. Tällaisia langattomia antureita edustaa esimerkiksi Soil Scout.

Eri syvyyksille asennetut anturit paljastavat muun muassa erot veden imeytymisnopeudessa, ojituksen toimivuuden, sulamisvesien kerääntymisen sekä märkyydestä johtuvan tiivistymisriskin. Kasvukauden aikana lisälannoituksen suunnitelmaa on helppo tarkentaa, jos mittaukset osoittavat osan satopotentiaalia jo menetetyn kuivuuden takia. Lämpötilatiedon perusteella voidaan ajoittaa peltotöitä kuten kylvöä ja kevätlannoitusta. Keinokastelun toteuttaminen optimaalisesti säähavaintojen perusteella ilman todellista näkymää maan alle on lähes mahdoton tehtävä.

Verkkoselaimella käytettävän palvelun kautta mittaukset voi myös ohjata edelleen muihin tietojärjestelmiin, sikäli kuin ne osaavat ottaa vastaan maanalaisia mittauksia ja yhdistää niitä toisiin aineistoihin.

Kuva 11. Satokartan perusteella keskimääräiseen, hyvään ja huonoon kasvukohtaan asennettujen maankosteusanturien käyrät osoittavat kasvukauden aikana, rajoittaako kosteus kasvua, toimiiko kuivatus ja pidättääkö maaprofiili sadevettä. Tällä lohkolla huonojen osa-alueiden kosteuden puute heinä- ja elokuussa selitti puutteellisen sadonmuodostuksen. Kuvat: Soil Scout Oy.

On arvioitu, että vuonna 2021 noin 200 yritystä ympäri maailmaa kehittää maatiladatan hallintajärjestelmiä, ja niistäkin noin puolet työskentelee variable rate application (VRA) eli lohkonsisäisen vaihtelun parissa. On selvää, että ennen kuin lohkon sisäisen vaihtelun käsitteleminen voi muodostua sellaiseksi rutiininomaiseksi osaksi maanviljelyä kuin lohkokohtainen viljavuustutkimus jo on, täytyy näiden yritysten onnistua tuotteistamaan yksinkertainen palvelu, joka automaattisesti vertailee kaikkia viljelijän hankkimia aineistoja ja karttoja keskenään tuottaen niistä konkreettisia tuloksia pellon kunnostamisen ja tuotantopanosten määränsäädön tueksi.

Tämä ei silti tarkoita, etteikö tätä työtä voisi jo nyt tehdä käsityönä. Päin vastoin, tässä kuvatut tekniikat ovat kaupallisesti saatavilla ja sikäli kypsiä käyttöönotettaviksi, että vertaamalla niiden tuloksia kasvustohavaintoihin tai satokarttoihin voi päästä kiinni tärkeimpien peltojen ongelmakohtiin ja näin itse selvittää sopivimmat korjaustoimet. Tähän työskentelytapaan kannattaa ryhtyä mahdollisimman pian, vaikka lähitulevaisuus tuleekin kehittämään paikkakohtaista analyysiä yhä helpommaksi.

Osaa esitellyistä teknologioista voi kokeilla käyttämällä urakoitsijaa, toiset vaativat laiteinvestointeja. Kaikkiin liittyy tulosten analysoinnin työvaihe. Mitään yhtä kustannustehokkainta menetelmää on vaikea tunnistaa etukäteen. Tulevaisuuteen tähtäävän viljelijän olisikin paras aina miettiä, mitä uutta teknologiaa kokeilisi seuraavaksi.