Bæredygtigt digitalt landbrug

Vi anvender i dag mange forskellige sensorer placeret på maskiner, atv, droner, stationære systemer og satellitter, og vi foretager både enkelte og gentagne målinger på jord, planter og afgrøder. Vi udtager samtidig plante-, afgrøde- og/eller jordprøver, som vi analyserer for forskellige kemiske og fysiske indholdsstoffer med det formål at finde sammenhænge mellem disse analyseresultater og sensormålinger. Disse sammenhænge anvender vi til at udvikle modeller, som vi senere sammen med nye sensormålinger på andre lokaliteter og/eller andre tidspunkter bruger til bedre at forstå planternes, afgrødernes og/eller jordens udvikling over tid som en funktion af plante- og afgrødevækst eller som en effekt af en behandling. Teknologien og digitaliseringen giver os derfor en bedre biologisk forståelse af systemet. Det er netop i samspillet mellem digitaliseringen og biologien, at vi i Institut for Agroøkologi står stærkt indenfor vores forskning og undervisning, da vi har bygget digitaliseringen ovenpå vores store biologiske viden.

Vejret giver udfordringer, når digitaliseringen skal implementeres i vores markforsøg og i landbruget, og når det økonomiske og miljømæssige potentiale skal kvantificeres. Vejret er måske netop grunden til, at vi endnu ikke har set store økonomiske eller miljømæssige gevinster ved et digitaliseret landbrug. Jeg er dog overbevist om, at digitaliseringen er en af metoderne til at opretholde en dansk landbrugsproduktion og sikre en grøn omstilling.

Forskning indenfor digitalisering i landbruget er meget fraktioneret med projekter indenfor for eksempel kortlægning af jorden, ukrudtsbekæmpelse og næringsstoffer. Hvis vi skal opnå den store digitaliseringsgevinst, skal vi arbejde mere med synergier og se digitaliseringen i et helhedsperspektiv, som vi kender og arbejder med i det komplekse biologiske system. Kunstig intelligens spiller her en stor og vigtig rolle, også selvom vi ikke arbejder i et statisk men i et dynamisk biologisk system. Vi anvender i vores projekter med stor succes forskellige metoder indenfor kunstig intelligens. Den største udfordring indenfor både landbruget og vores institut er måske håndteringen af vores data. Vores fine og avancerede algoritmer kan håndtere store mængder data, men disse data skal jo være findbare, tilgængelige, indbyrdes kompatible og reproducerbare. På engelsk taler vi om FAIR data management. Det arbejdes både hos os i Instituttet og i landbruget på højtryk for, at dette sker, og det vil åbne op for et nyt men dog komplekst forskningsområde, hvor data kan blive tilgængelige på markniveau, og hvor vi sikkert vil se langt flere ’on farm experiments’. Det bliver en spændende udfordring at omsætte disse komplekse data til biologisk viden, og det vil helt sikkert kræve et øget samarbejde med andre institutter for helt at dække både de sociale, økonomiske og miljømæssige aspekter ved digitaliseringen.