Çiftçilik, dünyanın en eski endüstrilerinden biridir ve tarımın kanıtları MÖ 21.000’e kadar uzanmaktadır. Ancak artan nüfus ve iklim değişikliği nedeniyle çevresel bozulma nedeniyle çiftçiliğin gıda güvenliğini iyileştirmek için yeni çözümler bulması gerekmektedir.
Daha fazla gıda yetiştirmenin bir yolu, çiftçiliğin verimliliğini artırmak için veri analizi kullanmaktır. Hava desenleri, toprak koşulları, zararlı istilaları, güneş ışığı seviyeleri, piyasa güçleri ve diğer faktörler hakkındaki verileri analiz ederek, çiftçiler ekilecek, işlenecek ve hasat edilecek optimum zamanları belirleyebilir ve ayrıca belirli koşullar için getiriyi en üst düzeye çıkarmak için en iyi ürünleri belirleyebilirler.
Verilere dayalı kararlar almak çiftçilik için yeni bir şey değil. 1792’den beri, Yaşlı Çiftçinin Takvimi ABD’li çiftçilere hava durumu tahminleri, ekim çizelgeleri ve astronomik verilerle ilgili bilgi sağladı. Bu arada İngiltere’de, Çiftçinin Haftalık çiftçilere yardımcı olmak için tasarlanmış düzenli bir bilgi ve güncelleme kaynağı sağlar. Bu yayınlar ve benzerleri, iyi karar almayı mümkün kılmak için düzenli olarak güncellenen bilgiler sağlamıştır.
Çiftçilere daha fazla veri ve bunları analiz etmek için gelişmiş araçlar sağlamak, mahsullerin nasıl yönetileceği konusunda daha iyi bilgilendirilmiş kararlar alınmasını sağlayacaktır. Hava modellerini tahmin etmek için kullanılabilecek çok miktarda tarihsel hava durumu verisi zaten mevcuttur. İklim değişikliği aşırı hava olaylarının olasılığını artırma eğiliminde olsa da, bu tür olaylar mevcut iklim modellerine dahil edilmektedir.
Çiftçilikle ilgili birçok veri kaynağı vardır. Borsa verileri, hangi mahsullerin diğerlerinden daha iyi performans gösterdiğini belirlemek için toplanabilir. Sensörler, toprak kalitesi ve nem hakkında veri toplamak için kullanılabilir. Haşereleri ve yabani otları izlemek için dronlar konuşlandırılabilir ve bir tarladaki güneş ışığı miktarı hakkında veri toplamak için yörüngeye uydular gönderilebilir.
WWF ve TechUK yakın zamanda yayınladı Kodlanacak mahsuller: Sürdürülebilir tarımsal ticareti ve sorumlu tedarik zincirlerini teşvik etmede verilerin rolüRaporda, sürdürülebilir tarım uygulamalarının ve sorumlu tedarik zincirlerinin küresel çapta teşvik edilmesinde veri ve teknolojinin rolü vurgulandı.
Çalışma, tedarik zinciri görünürlüğünü ve sürdürülebilirliğini sağlamak için üretim düzeyinde mobil teknoloji ve dijital platformlar kullanılarak veri izlemenin önemini vurgulamaktadır. Ayrıca yazarlar, Birleşik Krallık hükümetine teknolojik yenilikleri ölçeklendirmek için stratejik önerilerde bulunmuştur.
Raporda şu sonuca varılıyor: “Verilerin uyumlu hale getirilmesi, çiftçilerin üretimlerinin ve içinde bulundukları tedarik zincirlerinin etkisini daha iyi anlamalarını sağlamaktan, finans kuruluşlarının bilinçli kararlar almasını desteklemeye, sürdürülebilir üretim veya dağıtım iddialarını doğrulamaya kadar çok sayıda fırsat sunuyor.”
Bir çiftlikte işgücü bulmak büyük bir sorundur, bu nedenle çiftçiler teknolojiyi her türlü biçimde kullanmaya açıktır
David Ross, İskoçya’nın Kırsal Koleji
Veri analizinin temel faydalarından biri, gelen verilerin belirli bir süre boyunca sürekli olarak izlenebilmesi ve sorunlar ortaya çıktığında uyarıların iletilebilmesidir. Örneğin, sensörler mahsulleri sulamak veya gübrelemek için en uygun zamanları belirleyebilir.
Mevcut verilerdeki eğilimleri belirleyerek, veri analizi sistemleri olası sonuçları tahmin edebilir. Monte Carlo simülasyonu gibi tahmini çözümler kullanmak, çiftçilerin farklı ürünler için pazar eğilimlerini veya olası büyüme koşullarını belirlemesini sağlayacaktır.
SAS’ın Küresel Nesnelerin İnterneti (IoT) Bölümü’nde danışmanlık sektörü danışmanı ve baş sağlık analitiği stratejisti Mark Wolff, “Artık yalnızca tarım ürünlerinin yetiştirilmesinde karar almaya destek olmak için veri toplamıyoruz, aynı zamanda tahmin etme alanına da geçtik” diyor.
“Eğer bu şeyleri bu kombinasyonda şu anda yaparsam, sulama konusunda belirli bir varsayım göz önüne alındığında ne beklemeliyim?”
Mahsul denemeleri ve sıkıntıları
Bilgisayar simülasyonları, farklı ürünler yetiştirildiğinde veya yeni bir rutin denendiğinde ne olacağını tahmin etmek için kullanılabilir. Daha önce bu, çiftçinin ürünü bir sezon boyunca yetiştirmeyi deneyerek ürünün getirisini ilk elden öğrenmesini gerektirirdi; bu da zaman alıcıdır ve kayıplara yol açabilir.
Wolff, “Bir sonraki analiz seviyesi dijital ikizdir – bir iş akışının simülasyonu,” diyor. “Girdiler ve çıktılar arasında matematiksel bir ilişki kümesine sahip olduğunuzda – mahsul, belirli bir coğrafya için o mahsulün genetik bileşimi, kimyasal ve biyolojik etkenler için bir girdi kümesi ve bir sonuç – bunu simüle edebilirsiniz.”
Çiftçilerin tarımda dikkate alması gereken sadece finansal konular yoktur. Çiftçiler genellikle anlık finansal kazançtan başka nedenlerle ürün seçerler. Ürün rotasyonu, tarımda yaygın bir uygulamadır; burada farklı ürünler zararlı ve yabani ot kontrolü ve toprağı iyileştirmek için sırayla yetiştirilir.
İskoçya Kırsal Koleji’nde tarım hizmetleri baş danışmanı olan David Ross, “Bize hangi ürünü yetiştireceğimizi söylemek yerine, bir tarlanın bir bölümünde ortaya çıkan hastalık salgınlarını erken uyarı sistemi gibi tespit etme olanağı var” diyor.
Her şeyde olduğu gibi, finansal uygulanabilirlik anahtardır. Çok az çiftçi kapsamlı bir veri analizi yazılım paketi satın alabilir. Bu tek seferlik bir ödeme olsa da, yatırım getirisi için zaman gerekir. Ürün daha sonra eskimiş veya artık desteklenmiyorsa, daha fazla önemli yatırım gerekecektir.
Bu sebeplerden dolayı, tarım teknolojisi şirketleri çiftçilere abonelik hizmeti olarak veri analizi hizmetleri sunmanın pratik yönlerini araştırmaktadır. Bu, yazılımın başlangıçtaki yüksek maliyeti sorununu ortadan kaldırır.
Ancak, çeşitli sensörler için yine de yatırım yapılması gerekecektir. Birçok tarım şirketi, tarımsal veri analizi için temel model olarak kullanabilecekleri büyük veri kümeleri üretti.
Bir veri toplama ağı gerekli olacaktır. Bu, verileri depolama ve analiz için bilgileri ileten bir ağa veri toplama sensörlerini dahil eder. Böyle bir ağ kurmak, bir işletmeyi telekomünikasyon hizmetlerine bağlama sürecine benzer şekilde önemli bir tek seferlik masraf da olabilir.
Bağlantı sorunlarının üstesinden gelmek
Ayrıca, özellikle ülkenin daha uzak bölgelerinde, kırsal alanlarda ağ bağlantısı bir sorun olmaya devam ediyor. Hala cep telefonu sinyali almayan kırsal yerler bile var. Bu veri analizi çözümlerinin etkili olması için kırsal telekomünikasyon altyapısına daha fazla yatırım yapılması gerekiyor.
Analiz odaklı çiftçiliğe yönelik olası zorluklardan biri, farklı sağlayıcılar arasında bilgi paylaşımının olmamasıdır. Farklı üreticilerin cihazları arasında çok az veya hiç birlikte çalışabilirlik yoktur, bu da çiftçilerin çok sayıda farklı veri kümesine sahip olduğu ancak bunların birbirleriyle nasıl etkileşime girdiğini görmek için bunları birleştirmenin bir yolu olmadığı anlamına gelir.
Harper Adams Üniversitesi Veri Bilimi Tarım Araştırma Merkezi’nden Ed Harris, “Çiftliğin veri girmek ve çıkarmak için kullandığı düzinelerce yazılım parçamız var, ancak ben bunlara veri ambarları diyorum” diyor. “Birbirleriyle iletişim kurmuyorlar ve yalnızca çiftliğiniz hakkında bilgi alıyorsunuz.”
Birden fazla veri kümesini bir araya getirebilmek, bir dizi bağımsız veri girişi yerine bir çiftliğin operasyonlarına dair daha bütünsel bir genel bakış sağlayacaktır. Ancak, bu verileri paylaşırken aynı zamanda her çiftliğin kişisel ve finansal bilgilerini korumak, böyle bir hizmetin Birleşik Krallık’ın 2018 Veri Koruma Yasası gibi veri koruma düzenlemelerine uyumlu kalması için elzem olacaktır.
Verileri diğer çiftliklerle karşılaştırabilmek, çiftçilere çiftliklerinin nasıl işlediğine dair daha fazla anlayış sağlayacaktır. Bağımsız olarak, bu bilgi çok az değere sahip olacaktır, ancak birleştirildiğinde tipik bir çiftliğin nasıl işlediğine dair temel tahminler sağlayacaktır. Bu, çiftçilerin çiftliklerinde dikkatlerini odaklamaları gereken alanları belirlemelerini sağlayacaktır.
“Benim en çok canımı sıkan şey, bu sayıları tek bir çiftlikten alırsanız, çiftçinin o tek sayıya sahip olmasıdır,” diyor Harris. “Bence ihtiyaç duyulan şey, karbon ve diğer çiftlik operasyonları için kıyaslama oluşturmak üzere bir iş planı. Daha sonra diğer çiftlikler bağlamında biraz daha fazla bilgiye sahip oluyorum.”
Dikkate alınması gereken bölgesel unsurlar da vardır. Ülkenin belirli bir bölgesindeki çiftlikler kullanılarak geliştirilen bir veri analiz sistemi başka bir yerde çalışmayabilir.
Her veri analizi çözümünün etkili olması için ayarlanması gereken çevresel ve coğrafi sorunlar vardır. Ross, “Avustralya’da bir proje üzerinde çalıştık ve mükemmel çalıştı, ancak bunu İskoçya koşullarına getirdiğinizde farklı bir ortam olduğu için tam bir felaket oluyor” diyor.
Veri analizinin yanı sıra otomasyon, son zamanlardaki işgücü eksikliklerini gidermek için kullanılıyor. Bunlar genellikle inek sağmak gibi tekrarlayan ve sıradan görevlerdir ve bu da işgücünün dikkatini daha karmaşık görevlere odaklamasına olanak tanır.
Ross, “Bir çiftlikte iş gücü bulmaya çalışmak büyük bir sorun, bu yüzden çiftçiler teknolojiyi her türlü biçimde kullanmaya açık,” diyor. “Yıllık maliyeti 30.000 £ olan bir süt çiftliğindeki bir robot, çiftçiye yılda 85.000 £ iş gücü tasarrufu sağlama potansiyeline sahip.”
Tarım, BT odaklı bir sektör olarak görülmese de, bilgili karar almaya olanak sağlamak için güvenilir ve doğru verilere ihtiyaç duyan bir sektördür. Veri analizi, veri kümeleri içindeki ortaya çıkan eğilimleri belirlemek ve çiftçileri mahsulleri korumak ve verimlerini artırmak için müdahalenin ne zaman gerekebileceği konusunda uyarmak için kullanılabilir.
Ross, “Çiftçiler alaycı heriflerdir. Bunun kanıtlanması ve yatırımlarının bir getirisi olması gerekir,” diye sonuca varıyor. “Bu her zaman nakit olmayabilir, çünkü zaman olabilir. Nispeten basit, sağlam olmalı ve dağınık bir çiftlikte ve kirli ortamlarda çalışmalıdır, çünkü bunun etrafından dolanmanın bir yolu yoktur.”