Kapittel 15: Å lytte til plantenes behov

Digitalisering, robotisering og store mengder data kombinert med kunstig intelligens muliggjør store og fundamentale endringer i måten vi produserer mat på. Dersom denne teknologien blir brukt på riktig måte, vil det føre til et jordbruk som produserer mer mat med mindre miljøpåvirkning og redusert bruk av kjemikalier og andre innsatsmidler.

På verdensbasis regner en med at det har eksistert landbruk, dog meget primitivt, helt siden menneskene ble bofaste for omtrent 12 000 år siden. Landbruksteknologien er derfor den eldste teknologien i verden. Dette la til rette for en økende befolkningsvekst og behov for større arealer og avlinger (Federico, G. (2005). Feeding the World – An Economic History of World Agriculture. Oxford: Princeton University Press). Gjennom landbruksrevolusjonen på 1700-tallet og den påfølgende industrielle revolusjon økte befolkningen eksplosivt. I tillegg flyttet stadig flere fra bygdene til byene. I år 1800 var det 1 milliard mennesker i verden, mot 7,6 milliarder i dag. Mekaniseringen av landbruket sammen med en målrettet planteforedling har vært avgjørende for at det skal kunne være så mange mennesker på kloden.

Gjennom tidene har befolkningsøkningen vist seg å øke proporsjonalt med avlingene fra landbruket. Bedre agronomi har ført til over en dobling fra 1960 til 2010 på verdensbasis og enda mer dersom en ser på utviklingen i de industrielle landene (Bodria, L. & Renius, K.T. (2014). Agricultural Mechanization: Its Role in the Development of Civilization. Bologna: 25th meeting of the Club of Bologna). Gjennomsnittsstørrelsen på gårdene har økt, og antall personer som arbeider innen landbruket, har gått betydelig ned. Dette har skjedd gjennom en sterk mekanisering og økt maskinkapasitet. I 2014 klarte en enkelt skurtresker å høste hvete med en gjennomsnittsavling på 995 kg/dekar og treskekapasitet på 90,7 tonn/time, det vil si nesten 100 dekar per time. Den enkelte bonde forsørger stadig flere mennesker. Tabellene 15.1 og 15.2 illustrerer utviklingen (Bodria, L. (2015). Farm Machinery to Feed the World).

Tabell 15.1 Mat til antall mennesker per den enkelte bonde på verdensbasis i i-land (Bodria 2015).

Tabell 15.2 Mat til antall mennesker per den enkelte bonde på verdensbasis i i-land (Bodria 2015).

Gjennom bedre dyrkingsteknikker, planteforedling og optimalisert bruk av gjødsel, kan vi i dag produsere samme mengde mat som i 1961 på kun 32 prosent av samme areal. I tillegg har dyrket areal gått ned. Det er forventet at befolkningen vil øke til over 9 milliarder i 2050. I tillegg vil store deler av verdens befolkning legge om til et kosthold av matprodukter som er mer kraftfôrkrevende å produsere og dermed trenger større arealer. Det betyr at produksjonen må øke med ytterligere 60–70 prosent. Samtidig skal det produseres på en bærekraftig måte, det vil si med mindre bruk av innsatsstoffer, mindre jordpakking og tilpasset de økende klimautfordringene.

Teknologi i jordbruket

Gjennom avansert matproduksjon har dagens befolkningsvekst vært mulig. En regner at den første såmaskinen (trukket av hest) ble utviklet av Jethro Tull i England i 1701, noe som revolusjonerte landbruksproduksjonen. Et nytt skifte kom i begynnelsen av 1900- tallet, da traktoren gjorde sitt inntog og hesten som trekkmiddel gradvis måtte vike. Traktoren ble videreutviklet fra jernhjul til gummihjul og med kraftuttaksmulighet for roterende utstyr. Videre kom trepunktshydraulikk både bakmontert og etter hvert frontmontert. Over tid ble det utviklet bedre ergonomiske løsninger og kjørekomfort. Det ble også utviklet løsninger for hurtigkobling av redskap, slik at man ikke trengte å gå av og på traktoren hver gang man måtte skifte arbeidsutstyr.

Gjennom de siste femti årene har man i stor grad vært opptatt av dekkutrustning og marktrykk, da vi vet at jordpakking vil redusere avlingen dramatisk. Blant annet ved bruk av bredere dekk, radialdekk, tvillinghjul, belter eller lavere dekktrykk for å øke kontaktflaten og dermed redusere overflatetrykket. Det er også sett på løsninger med redusert jordarbeiding, direkte såing og faste kjørespor. Sammen er disse løsningene med på å redusere skader fra jordpakking, men redusert jordarbeiding og direkte såing gir også en reduksjon i avlingene og ofte økt forekomst av ugras.

I Norge har nesten alle nyere traktorer firehjulstrekk, som øker trekkraften ved samme motorstørrelse. I tillegg har det kommet mye differensiert arbeidsredskap som både kan øke arbeidskapasitet, avlinger og forbedre kvaliteten på ferdigprodukt. Tidligere ble tresking av korn gjort på stasjonære anlegg. Dagens avanserte mobile skurtreskere har stor høstekapasitet som sikrer bedre kvalitet. Spesielt i Norge er tiden som er tilgjengelig for høsting av korn, meget kort, fordi det tar lang tid på sene høstdager før kornåkeren tørker opp tilstrekkelig til at høstingen kan starte. Det finnes også automatiske potetopptakere og opptak av grønnsaker nesten uten behov for personressurser.

Innen landbruket har automatiseringen kommet lengst innen husdyrhold og da spesielt innen melkeproduksjon. Først kom melkemaskiner som erstatning for håndmelking. Men fortsatt måtte operatørene opp tidlig om morgenen og sent på kvelden for å melke to ganger i døgnet. Dette er tungt arbeid, og melken ble transportert i en rørgate rundt i fjøset. Dette ble for de fleste erstattet av en melkegrop og løsdrift, der operatøren hadde god oversikt, kunne stå i en mer riktig ergonomisk stilling, og det var mindre behov for å transportere melken i lange rør. Fortsatt var tidspunkt for melking like ugunstig.

Dette førte til utvikling av melkeroboter. Her melkes kyrne fullautomatisk og tre ganger i døgnet. Det førte til både økt melkeproduksjon, bedre helse for kua og for brukerne. I dag regner vi at det er over 1000 slike melkeroboter i Norge. De har som regel et delingstall på 60 kyr, det vil si at du må ha to roboter dersom du har mellom 70 og 120 kyr. Har du 30 kyr, er det lite hensiktsmessig å bruke robot. Dagens melkebønder har derfor større besetninger eller går sammen med andre bønder for å oppnå fordelene med melkerobot. En annen fordel er at kyrne får individuell fôring som blant annet står i relasjon til melkeytelse. I tillegg til melkeroboter finnes det i dagens husdyrproduksjon også fôringsroboter som automatisk legger ut fôr tilpasset de enkelte dyrene, samt rengjøringsroboter som soper bort møkk og annen forurensning og sikrer bedre renhold og hygiene.

Innen store veksthusanlegg finnes det i dag en god del automasjon. Det kan være alt fra klimastyring, vanning, gjødselvanning og belysning til sprøyteroboter. Det siste er også med på å sikre et bedre arbeidsmiljø for operatøren som da ikke trenger å være i nærheten av dysene og væskedusjen og bli utsatt for kjemikalier. I tillegg finnes det en del transportroboter, sorteringsanlegg og pakkeanlegg.

Eksemplene ovenfor er automasjon i lukkede anlegg. Mesteparten av maten produseres utendørs på jorder. Det største markedet og utfordringene er automasjon på friland og bruk av feltroboter. Gjennom de siste tjue årene har bruk av mer avansert teknologi gjort det mulig å drive presisjonslandbruk. Posisjoneringssystemer som GPS sammen med avanserte sensorer og regnekraft har startet sitt inntog i landbruket.

Jordbruket i Norge i dag, ikke bare fordeler

Selv om vi i dag har effektive maskiner, har utviklingen ført til en del utfordringer som vi nå ser konsekvensene av i norsk og internasjonalt jordbruk.

Tyngre maskiner og jordpakking er den største ulempen med dagens løsninger. For å øke kapasiteten, eksempelvis arbeidsbredde, kreves det tyngre maskiner for å kunne øke trekkraften. Trekkraften er direkte proporsjonal med tyngden på maskinen, men den er også proporsjonal med friksjonen og kan økes med bedre markgrep (dekk og mønster), vektfordeling og firehjulstrekk. Ved å bruke utstyr som drives av kraftuttaket, kan en også benytte lettere maskiner. Jordpakking vil uansett være et problem med dagens maskiner.

Mer fuktig klima og regnfulle somre gjør jorda mer fuktig og mer utsatt for strukturskade. Spesielt gjelder dette leirjord, men også andre finkornede jordarter. Dette fører til at jordaggregatene ødelegges og mikrolivet i jorda reduseres. Selv om det brukes tvillinghjul eller andre løsninger, reduserer det kun overflatetrykket, mens trykket lenger ned i jordprofilet forblir det samme. Over tid bygges det opp en uheldig plogsåle som kan være vanskelig å reparere. Uansett fører bruk av tunge maskiner med seg et større behov for pløying for å reparere trykkskadene. Dette fører til høyere energibehov (brenselforbruk). Forskning har vist at opptil 90 prosent av energiforbruket brukes i forbindelse med pløying og jordarbeiding.

Forsinket våronn og skuronn kan bli resultatet når maskinene er for tunge. Spesielt i Norge med begrenset vekstsesong, kan dette være et problem. I tillegg har vi en topografi som gjør at feltene sjelden er klare på samme tid, eksempelvis gjelder dette for nordvendte områder eller over tørre bakketopper. Med lettere maskiner kan en starte tidligere og sikre en lengre vekstsesong som gjør at avlingen blir bedre selv under vanskelige vekstforhold. Autonome og mindre maskiner muliggjør også at en kan starte tidligere på deler av jordet som allerede er klare.

Sensorsystemer

Stedsspesifikk og høyoppløselig data vil øke presisjonen i landbruket betraktelig. Dette krever at vi kan samle inn nøyaktige data av høy kvalitet ute i felt, og samtidig merke disse dataene med nøyaktig sted og tid. Det er derfor skjedd mye de siste årene når det kommer til avanserte sensorer og nøyaktig posisjonering av utstyr i felt.

Global Positioning System (GPS) gir maskinenes nøyaktige posisjon på jordet og er derfor en viktig komponent i moderne jordbruk. GNSS-systemer (Global Navigation Satellite System), som for eksempel GPS, kan nå med en presisjon ned til 2 cm si hvor maskinen er i feltet. GNSS-mottakeren kan enkelt flyttes mellom ulike arbeidsmaskiner. Ved bruk av tilpassede sensorer kan en dermed få kart over viktige data. Dette kan være data over status i feltet før behandling og ikke minst fasitsvaret gjennom en registrert stedsspesifikk bedre avling og kvalitet. Denne type kart, ofte kalt GIS-kart (Geographic Information System), gir oss interpolerte verdier i digital form. En kan få flere lag av GIS-kart for samme område, eksempelvis et for pH, biomasse, tildelt gjødsel- eller plantevernmiddelmengde og ikke minst avlingsmengde. Det utvikles stadig flere og bedre sensorer for bruk i landbruket. Disse kombineres ofte med GPS-mottakere som produserer GIS-kart som kan brukes til å styre maskiner og utstyr, og gjør at eksempelvis tildelt mengde plantevernmiddel og mineralgjødsel kan tilpasses over tid og sted.

En annen nytte av et nøyaktig GNSS-system er parallelle kjørespor og automatisk vending av maskinen. Med andre ord styrer traktoren seg selv, slik at overlapp mellom arbeidsdragene blir tilnærmet lik null. Det blir rettere rader, lettere innhøsting, og operatøren kan bedre følge med på andre ting som er avgjørende for avlingskvaliteten. Et eksempel her er brede, selvstyrende skurtreskere. Da kan operatøren passe på korrekt innføring av kornstrå og innstilling av skjærebordet uten å måtte anstrenge seg til å følge med på skjærebordets ytterkant. Et videre skritt er autonome traktorer.

En mellomting er det vi kaller master og slave. Her kjøres en traktor manuelt, mens andre traktorer følger etter og repeterer i nabosporet. Det siste er ikke så vanlig i Norge i dag, men bruk av parallelle kjørespor, automatisk vending og bruk av GIS-kart, spesielt av avlingsmengde, er meget vanlig. En annen løsning som brukes mye, er det vi kaller automatisk seksjonsavstengning. Det betyr at såmaskiner, gjødselspredere og åkersprøyter er utrustet med en GPS-styrt kontroll som gjør at maskinen automatisk stenger for dosering ved overlapp eksempelvis i endene eller ved trekantformede jorder. Dette fører til bedre kvalitet og innsparing av innsatsstoffer.

Sensorer for innsamling av data

Vi skiller vanligvis mellom to ulike former for innsamling av data; fjern- og forhåndsdata (remote data) og online data (data som innsamles mens en kjører). Mye data kan samles inn remote via satellitter og droner. Deretter må dette behandles og sendes ut til arbeidsmaskinen i felt. Per i dag tar dette tid og gjør at operasjoner som er avhengig av nøyaktig tidspunkt eller vær og vind, eksempelvis sprøyting, ikke kan skreddersys så godt som ved bruk av online data. Derfor er online data å foretrekke dersom de er like nøyaktige.

Et godt eksempel på online data er bruk av Yara Nsensor og sentrifugalspreder. Her sitter fire sensorer øverst på traktorhytten og skanner biomasse ut til sidene. Dette gjøres ved å observere passivt reflektert sollys fra plantene. Spesielt i det nærinfrarøde (NIR) bølgelengdeområdet kan en skille mellom ulik mengde biomasse. Ut fra disse dataene beregnes tildeling av nitrogengjødsel. Gjødselsprederen tar inn dataene og kan under fart tilpasse mengde gjødsel etter biomasse. Samtidig lages det kart over gjødselforbruket. Ved høsting kan man på nytt registrere forbedringer i avling. Yara N-sensor kan også brukes ved doseregulering for soppsprøyting i korn. Det er også utviklet en N-sensor med aktivt lys (Xenon-blitz) som gjør det mulig å kjøre om natta og er uavhengig av endringer i sollys.

Ugras i åker vokser ofte flekkvis. Derfor er det mye å hente på å tilpasse dosen der ugraset finnes. Slikt utstyr er nå på markedet. En sensor ser områder med grønn masse utenom kulturveksten. Så åpnes det automatisk for sprøytevæske gjennom dysene over disse flekkene. Dette kan være med på å redusere forbruket av plantevernmidler over 60 prosent, og samtidig opprettholde eller i mange tilfeller øke avlingene, alt avhengig av mengde ugras. Nye sensorer klarer også å skille mellom ulike typer ugras ved bildegjenkjenning. Det gjør at en ytterligere kan spare plantevernmidler ved å tilpasse dose og type middel etter type ugras. Den siste løsningen er i dag lite brukt, men sensor for å se grønn masse brukes en god del på større maskiner. Presisjonskart og GIS-kart er også viktige for å kunne dokumentere alt som skjer i produksjonen. Det gir en god kvalitetssikring.

Tidligere kunne en ta en del prøver, for eksempel manuelle jordprøver. Dette ga ikke alltid så mye informasjon, da det var vanskelig å vite nøyaktig hvor prøven ble tatt. Det var også ressurskrevende. Slike prøver bør tas over flere år i samme posisjon for å følge utviklingen. Med planmessig og rask innsamling med GPS-koordinater og tilpassede analyseprogrammer kan en derimot få langt mer skreddersydde og nyttbare løsninger.

I tabell 15.3 er det vist en oversikt over aktuelle sensorer, nytteverdi og omfang.

Tabell 15.3 Eksempler på aktuelle sensorer i landbruket. (Remote: Data innsamles og behandles før behandling skjer, ofte overført fra droner eller satellitter. Online: Data innsamles og styrer maskinen umiddelbart. Sensorer sitter ofte på traktor eller arbeidsmaskin).

Alle sensorene ovenfor finnes stort sett i både enkle og mer avanserte varianter. Ved bruk av RTK GPS kan en samle inn mange målinger med nøyaktige posisjoner og oppnå mer korrekte GIS-kart. Men fortsatt er tilfredsstillende korrekt fortolkning (programvare og foreslåtte algoritmer) en utfordring.

Bruk av kamera for navigasjon og føring av radrenseutstyr mellom kulturplanteradene gjør det mulig å bruke mer mekaniske metoder i kampen mot ugras i stedet for kun bruk av plantevernmidler. Dagens landbruk drives derfor på en langt mer avansert og presis måte enn tidligere. Dette gjør at en sparer mye på bruk av plantevernmidler og gjødselstoffer og samtidig oppnår større avlinger.

Kamerateknologi i jordbruket

De siste årene har vært preget av økt bruk av sensorer i landbruket, og da spesielt bildesensorer av ulike slag. Vanlige RGB-kameraer fanger lys i 3 bølgelengdebånd – blått, grønt og rødt. Disse settes sammen til et fargebilde som simulerer fargene mennesker kan se. Mye informasjon om plantenes tilstand kan allerede hentes ut fra et slikt bilde, slik som plantedekke ved tidlige vekststadier, modningsgrad i forhold til gul- versus grønnfarge, tørkeskader osv.

Det som har vist seg å gi enda bedre informasjon om en plantes tilstand, er å inkludere et nærinfrarødt (NIR) fargebånd, som ligger utenfor det synlige bølgelengdeområdet som menneskets øye kan se. Grønne, friske planter har den egenskapen at de reflekterer det meste av solinnstrålingen i det nærinfrarøde området. Plantene kan ikke bruke dette lyset til å produsere klorofyll, så derfor reflekterer de strålingen for ikke å bli overopphetet. Planter som ikke er helt friske eller stresset på en eller annen måte, klarer ikke å reflektere så mye av NIRlyset, så derfor kan man bruke forholdet mellom NIR og synlig lys som en indikator på plantens helsetilstand. Dette er illustrert i figur 15.1.

Figur 15.1 Skisse av spekteret til en frisk plante, en stresset plante og jord. De ulike bølgelengdebåndene er tegnet inn, og det er også området for synlig lys.

Det er vanlig å se på det som kalles NDVI (Normalised Difference Vegation Index) som matematisk kan formuleres slik:

NDVI = (NIR – rød) / (NIR + rød)

der NIR er nær-infrarødt bånd og rød er det røde fargebåndet. Denne indeksen har verdier mellom –1 og 1, der alt som er over 0,5 regnes som vegetasjon. Det finnes også en rekke andre vegetasjonsindekser som regnes ut fra ulike forhold mellom de blå, grønne, røde og NIR-spektralbåndene. Kameraer som har NIR i tillegg til RGB-fargebånd, og ofte også enda flere bånd, kalles multispektrale kameraer.

Vegetasjonsindekser som NDVI har blitt brukt med suksess i flere forskningsprosjekter både i laboratorier og utendørs. Montert i drone kan for eksempel et multispektralt kamera gi et kart over vegetasjonsindekser over store områder. Multispektralt kamera fra drone brukes også av mange bønder som en indikasjon på avling og for å se hvor vekstforholdene er dårlige på grunn av for eksempel sykdommer eller manglende gjødsel.

Etter hvert som sensorteknologien utvikler seg, vil også hyperspektrale kameraer være tilgjengelige for jordbruket. Et hyperspektralt kamera gir full spektral oppløsning for hver piksel i bildet, dvs. at man har hundre eller flere fargebånd. Denne typen teknologi er mye brukt i matindustrien og farmasøytindustrien for å kvanti fisere fettinnhold i kjøtt, vanninnhold i tørrfisk, aktivt virkestoff i Paracet-tabletter og lignende. Hyperspektrale bilder kan brukes til å definere spesifikke sykdommer på plantene og modningsgrad på frukt og korn. Selv om teknologien foreløpig i stor grad er forbeholdt forskningsinstitusjoner er dette noe som om kort tid vil bli tilgjengelig for alle, kanskje til og med via mobil - telefonen.

En annen type kamera som også brukes i landbruket, er termografikameraer, som måler varmestråling fra et objekt i infrarøde bølgelengder. Dette er altså varmestråling med lengre bølgelengde enn i NIR-området. Termografikameraer brukes ofte for å sjekke hvor det lekker ut varme fra bygninger. I jordbruket kan kameraet brukes til å detektere sykdommer på planter som gjør at plantene blir overopphetet og derfor er varmere enn de friske plantene. Til dette trenger en et kamera med god følsomhet. Termografikamera kan også brukes til å oppdage levende dyr i en åker ettersom de er varmere enn omgivelsene.

Presisjonslandbruk

Med presisjonslandbruk menes en mer spesifikk og presis behandling av kulturen og arealet det vokser på over tid og sted. Dette kan for eksempel brukes til å optimalisere bruken av plantevernmidler og gjødselstoffer. Dermed kan vi spare på innsatsvarene og samtidig opprettholde og også øke avlingene. I lys av ny teknologi og de mulighetene den gir, definerer noen i dag presisjonslandbruk som en spesifikk behandling av hver enkelt plante og blad over tid og sted. Dette kan være realiteten i fremtiden.

Presisjonslandbruk baserer seg på følgende trinn:

1. Samle inn data (eksempelvis avlingskart, pH-kart, gjødselkart, biomassekart). Bedre og billigere sensorer og kameraløsninger vil være viktige for å kunne samle inn store mengder data.
2. Bearbeide data (eksempelvis ut fra biomassekart, avlede gjødselbehov). Gjennomtenkt programvare basert på agronomisk forståelse er avgjørende for å oppnå optimale algoritmer for påfølgende styring og fordeling av innsatsstoffer.
3. Ha utstyr som kan tilpasse dose etter forholdene, for eksempel VRA-teknologi (variable rate application – variabel og tilpasset dosering).
4. Høste avlingene og samle inn GIS avlingskart som viser forbedringene.
5. Deretter gjenta 1–4 påfølgende år og stadig gjøre produksjonen mer presis.

Presisjonslandbruk er et komplekst område som krever at ulike teknologier jobber parallelt. Billigere og bedre sensorer som kan hente inn store mengder data har muliggjort starten på det som kommer til å bli en revolusjon i landbruket. Videre har maskinlæring og kunstig intelligens gjort enorme fremskritt de siste årene og kan nå behandle mengder av data i sanntid. Kombinasjonen av avanserte sensorer og kunstig intelligens har vist seg å ha et stort potensial, og det er ingen tvil om at dette vil forandre landbruket de neste årene.

Automatiserte systemer i matproduksjon

En moderne traktor er fullt i stand til å kjøre selv ved hjelp av GPS og andre sensorer. Flere av de store produsentene har allerede utviklet selvkjørende traktorer uten førerhus. Vi vet samtidig at tunge traktorer skader jordstrukturen og forårsaker det vi kaller jordpakking. Jordpakking reduserer avling og forhindrer vann fra å trekke ned i jorden. Vann kan da føre næringsstoffer bort fra jordet. Anaerobe forhold i jorden fører også med seg bakterier som forårsaker denitrifisering, altså at nitrogen unnslipper jordet i gassform.

Om tunge traktorer er så skadelige for jordet, hvorfor er ikke traktorene da mindre? Om traktorene er mindre, går også kapasiteten per maskin ned. I jordbruket er man ofte avhengig av små tidsvinduer for å få inn avlingene. Vinduene er gjerne styrt av været. Man trenger å kunne rekke over hele jordet på kort tid, noe som er lettere å få til med en stor traktor. En traktor med en 20 meter bred sprøyte dekker jordet ved færre passeringer enn en med 12 meter. Om man bruker mindre traktorer, vil man behøve flere maskiner for å få jobben unna fort nok. Å ha en egen fører for hver av maskinene blir for kostbart.

Flere universiteter og selskaper jobber derfor med mindre selvkjørende roboter for landbruket (Bechar, A. (2010). Robotics in horticultural field production. Stewart Postharvest Review,6(3), 1–11.). Særlig er det mange som jobber med ugressbekjemping. Tanken er da at en robot skal gå av seg selv, og sakte men sikkert jobbe seg gjennom jordet og ta knekken på ugresset. Enkelte satser på presisjonssprøyting. Ved å kun sprøyte der det er behov for det vil man behøve en liten brøkdel av mengden plantevernmidler vi bruker i dag. Andre jobber med mekanisk ugressbekjemping ved hjelp av ugressjern eller lignende, mens andre igjen jobber med termiske metoder og tar knekken på ugress med varme eller ved bruk av laser. Felles for alle er at de baserer seg på avanserte sensorer og algoritmer for å oppnå høy presisjon.

En av robotene som har dukket opp de siste årene, og som brukes i forskning i flere land i Europa, er Thorvald, utviklet ved Norges miljø- og biovitenskapelige universitet på Ås (Grimstad, L. & From, P.J. (2017). The Thorvald II Agricultural Robotic System. Robotics, 6(4).). Thorvald er designet for å være en lett, smidig og rimelig robot til bruk i ulike landbruksoppgaver. Roboten er bygd opp av moduler som kan settes sammen på ulike måter, tilpasset ulike miljøer. Slik kan roboten brukes både ute på jordet og inne i drivhus. Thorvaldroboter deltar i en lang rekke forskningsprosjekter, hvor de blant annet tar jordprøver, jobber i fôrproduksjon og plukker jordbær med påmonterte robotarmer.

Figur 15.2 Et utvalg Thorvald-roboter for ulike operasjoner i landbruket

Droner, også kalt ubemannede luftfartøy (UAV), anvendes i mange sammenhenger, også i landbruket (Tripicchio, Paolo, Massimo Satler, Giacomo Dabisias, Emanuele Duffaldi & Carlo Alberto Acizzano. (2015). Towards Smart Farming and Sustainable Agriculture with Drones. International Conference on Intelligent Environments. Praha.). En kan nå få kjøpt droner som er lette å håndtere, med lav risikofaktor og til en rimelig pris. En drone kan programmeres via en mobiltelefon eller nettbrett til å kjøre en bestemt rute i en viss høyde, basert på GPS-koordinater. Disse kan plottes direkte inn på et kart. Kameraet på dronen tar bilder kontinuerlig under hele flyturen, og en ender opp med mange hundre bilder etter en flygning. Disse bildene settes så sammen ved hjelp av GPSkoordinater kombinert med bildeanalyse, til geografisk refererte kart over området. Man får et kart for hvert bølgelengdebånd (eller fargebånd) som man kan lage indekser med. En vegetasjonsindeks over et jorde er vist i figur 15.3.

Figur 15.3 Fra venstre til høyre: RGB-bilde av et forsøksfelt med hvetekorn på Ås, NDVI-bilde av den samme åkeren, 3D-modell åkeren

De fleste droner i dag kommer med et ferdig montert RGB-kamera. Det finnes mange multispektrale kameraer som man ganske lett kan montere selv på en standard drone. Med et slikt kamera kan en bonde lett få et oversiktsbilde over åkeren, enten i vanlige farger (RGB-kamera) eller med en vegetasjonsindeks. Bonden kan på den måten identifisere hvor det gror dårlig, gå ut til dette stedet og ta en jordprøve for å finne ut hva som er galt.

I tillegg til et 2-dimensjonalt oversiktskart kan en også få en 3-dimensjonal modell over området ved hjelp av en teknikk som kalles fotogrammetri. Denne metoden bruker tilgjengelig informasjon ved at objektene i området er avbildet fra forskjellig vinkler, og på den måten kan en konstruere en 3D-modell av objektene. Denne teknikken kan for eksempel brukes til å estimere høyden på kornet i en åker.

Oppsummering / Perspektiver for fremtiden

Det finnes mye avansert teknologi i jordbruket, men vi har ennå ikke sett det store inntoget i sektoren. I løpet av få år vil vi se en komplett transformasjon som vil muliggjøre nye og mer effektive produksjonsmetoder. Dette vil føre til et landbruk der vi bruker mindre innsatsmidler som kunstgjødsel og sprøytemidler. Samtidig vil produksjonen øke, noe som er nødvendig med en økende befolkning i verden. Maten vi produserer vil være både sunnere og bedre.

I Norge er det mange særforhold som gjør at ny teknologi blir ekstra interessant. Vi har mange små åkerlapper med særdeles ulendt terreng. Dette tilsier at små og lette roboter med god fremkommelighet vil være godt egnet. Disse robotene kan muliggjøre drift på arealer som i dag ikke er egnet for store traktorer. Vi tror dette kan øke arealene som vil benyttes til jordbruk i årene fremover. Autonome maskiner vil også muliggjøre landbruk i et høykostland som Norge og er bedre egnet til de små åkerlappene.

Når maskinene blir autonome og selvgående kan de også bli mindre. Dette er en fordel fordi man kan operere på jordet også når det er fuktig uten å ødelegge jorden. Dette reduserer tap av avling.

Vi tror med andre ord at vi går en lysere fremtid i møte. Grunnen til det er i stor grad ny teknologi som digitalisering, robotisering og avanserte sensorer. Dette er teknologier som vil gi oss sunnere og bedre mat, redusere de negative effektene av landbruk på miljøet, og samtidig legge til rette for økt matproduksjon i land som Norge.