Wyniki

WP1 Gromadzenie danych referencyjnych do modelowania plonów

Cel pakietu roboczego: Głównym celem pakietu roboczego 1 było przygotowanie odpowiedniego zestawu danych referencyjnych do realizacji kolejnych pakietów roboczych mających na celu analizę warunków wzrostu trawy i modelowanie plonów. Dane referencyjne obejmowały dwa rodzaje informacji – parametry gleby-roślinności mierzone in situ oraz dane meteorologiczne.

Wyniki pracy nad pakietem roboczym:

Przygotowano podstawowy zbiór danych do realizacji kolejnych pakietów prac mających na celu analizę stanu wzrostu trawy i modelowanie plonów.
Dane referencyjne sporządzono w oparciu o dwa rodzaje informacji – parametry glebowo-roślinne mierzone in situ oraz dane meteorologiczne.
Przegląd postępu prac nad celami projektu, w tym osiągnięć, kamieni milowych i rezultatów
zidentyfikowanych w umowie w sprawie projektu.

W wyniku prac nad pakietem roboczym zrealizowano:

• opis wyników osiągniętych w okresie sprawozdawczym, działań przeprowadzonych w okresie sprawozdawczym.
• Bazę meteorologiczną uzupełniono odczytami z 2023 roku. Przyjęto te same parametry, co w latach wcześniejszych. Dane były pobierane zarówno dla obszarów badawczych (NUTS Podlaski, NUTS Wielkopolski i obszar badawczy w Norwegii), jak i dla poszczególnych kierunków studiów.
• Stworzono bazę danych pomiarów in situ. Uzupełniono je dokumentacją zebraną w czwartym roku prowadzenia kampanii terenowych. Baza danych została utworzona w formacie .xls i .csv i uporządkowana. Bazę uzupełniono także o pomiary satelitarne, średnie wartości wskaźników roślinności teledetekcyjnej dla każdego pola.
• Kontynuowano pomiary gruntu na wybranych polach w Polsce, szczególnie na terenie Wielkopolski i Podlaskiego. Kampanie terenowe były prowadzone przez IGIK i PULS. W międzyczasie w ramach NORCE i NIBIO przetestowano i zweryfikowano modele kalibracyjne oszacowane na podstawie przeprowadzonych pomiarów naziemnych
  w latach poprzednich. Pełną bazę danych zwalidowano pod koniec projektu w 2023 r. Pomiary in situ przeprowadzono na działkach wskazanych przez rolników indywidualnych.

WP2 Klasyfikacja typów użytków zielonych na podstawie danych satelitarnych

Cel pakietu roboczego: Głównym celem pakietu roboczego 2 było przygotowanie map klasyfikacji łąk dla wybranych obszarów testowych, z ogólnym podziałem na łąki o wysokiej produktywności i łąki o niskim plonie, nieulepszone. Podejście do klasyfikacji będzie oparte na zastosowaniu serii czasowych danych satelitarnych Sentinel-2 do rozróżniania typów łąk. Mapy klasyfikacji były niezbędne do dalszych prac związanych z modelowaniem plonów trawy oraz do właściwego ustanowienia sieci pomiarów naziemnych.

Wyniki pracy nad pakietem roboczym: Klasyfikacja użytków zielonych

W ramach prowadzonych prac wykonano klasyfikację użytków zielonych. Dla wybranych obszarów testowych zostały opracowane mapy klasyfikacyjne z podziałem na wysokoproduktywne użytki zielone i niskoproduktywne użytki zielone. Podejście klasyfikacyjne opierano się o zastosowanie szeregów czasowych wysokorozdzielczych danych satelitarnych Sentinel-2 do rozróżniania typów użytków zielonych.

W pierwszym etapie prac wykorzystano warstwę High Resolution Layer (HRL), która powstała  w ramach usługi Copernicus. Posłużono się tą warstwę w celu wyznaczenia obszarów użytków zielonych dla wybranych obszarów testowych. Następnie dla wybranych obszarów badawczych pozyskano serię bezchmurnych zdjęć Sentinel-2. Zdecydowano się na wybór obrazów z marca 2020 i 2021 roku. Obszary trawiaste zostały wyekstrahowane z obrazów S-2 przy użyciu masek przygotowanych na podstawie warstwy HRL. Zastosowano metodę klasyfikacji Random Forest przy użyciu języka programowania R. Podstawą klasyfikacji były informacje uzyskane od rolników i służb doradczych dotyczące składu botanicznego i wieku użytków zielonych jako dane in situ. Na ich podstawie wykonano analizę szeregów czasowych wskaźników wegetacji obliczonych z wysokorozdzielczych danych satelitarnych Sentinel-2. Dla każdej klasy wyznaczono po >500 powierzchni próbnych. Zostały one podzielone w stosunku 50:50 (treningowe/weryfikacyjne).

Celem klasyfikacji było wyróżnienie dwóch podstawowych typów użytków zielonych:

– łąki wysokoproduktywne, położone na glebach dobrej lub średniej jakości, użytkowane z częstszym usuwaniem odrostów, wyższymi dawkami nawożenia, wyższą obsadą i dające wyższe plony niż murawy półnaturalne

– nieuprawiane trwałe użytki zielone o niskich plonach, zdominowane przez rodzime, naturalnie występujące zbiorowiska traw i innych gatunków zielnych, charakteryzujące się wysoką różnorodnością biologiczną.

Klasyfikacji dokonano w podziale na województwo podlaskie i wielkopolskie. Całkowita dokładność dla województwa podlaskiego wyniosła 97,6%, a dla woj. wielkopolskiego 86,7%. Procentowy udział ekstensywnych i intensywnych użytków zielonych w województwie podlaskim wynosi 70:30, a w województwie wielkopolskim 75:25.

WP3 Wykorzystanie wskaźników teledetekcyjnych do monitorowania wzrostu użytków zielonych

Cel pakietu roboczego: Głównym celem pakietu roboczego 3 było zidentyfikowanie dostępnych metod i opracowanie nowych algorytmów do szacowania wzrostu trawy i innych parametrów biofizycznych na podstawie danych satelitarnych o wysokiej rozdzielczości dla dwóch różnych środowisk, Polski i północnej Norwegii.

Główny cel podzielono na następujące zadania:

1. Określenie związków pomiędzy wskaźnikami roślinności pochodzącymi z danych satelitarnych o wysokiej rozdzielczości a pomiarami in situ, uzyskanymi w WP1, charakteryzującymi wzrost i jakość trawy.
2. . Analiza (istniejących) danych hiperspektralnych in situ w odniesieniu do danych referencyjnych, w celu opracowania nowych modeli prognozowania plonów.
3. Opracowanie modelu opartego na serii czasowej wskaźników roślinności do prognozowania plonów w obszarach z dużym pokryciem chmur.
4. Stworzenie map parametrów roślinności dla badanych regionów podczas sezonu wegetacyjnego.
5. Porównanie metod i zależności między 2 regionami badawczymi w celu zidentyfikowania podobieństw i różnic między różnymi klimatami, składem gatunków traw i warunkami wzrostu.

Wyniki pracy nad pakietem roboczym: Przeprowadzono analizę porównawczą wskaźników wegetacyjnych NDVI i NDII dla pól w Polsce i Norwegii, wskazując główne podobieństwa i różnice. W sumie monitorowano 47 pola w regionach Podlasia i Wielkopolski w Polsce oraz 18 pól w czterech regionach północnej Norwegii (Vesterålen, Malangen, Nordreisa i Målselv/Mid Troms).

Wykorzystano szereg czasowy wartości NDVI zarejestrowanych podczas sezonu wegetacyjnego w latach 2020, 2021, 2022 i 2023, przedstawiając minimalne, średnie i maksymalne wartości NDVI dla wszystkich pól w trzech regionach.

WP4 Ocena uszkodzeń traw na skutek niekorzystnych warunków atmosferycznych

Cel pakietu roboczego: Głównym celem WP 4 było opracowanie metod do określania stresujących warunków dla łąk podczas sezonów wegetacyjnych, spowodowanych warunkami suszy, poważnymi warunkami zimowym zniszczeniem lub brakiem odpowiedniego odżywiania. Zastosowane zostaną dane satelitarne i pomiary in situ.

Wyniki pracy nad pakietem roboczym:

Analiza warunków stresowych dla użytków zielonych:

• Zidentyfikowano regiony najbardziej narażone na niekorzystne warunki hydrotermalne (Wielkopolska i Podlasie) oraz obszary o minimalnym ryzyku suszy (pola w Norwegii).
• Pola w Norwegii charakteryzują się krótkim, intensywnym sezonem wegetacyjnym oraz trudnymi warunkami zimowymi.

Obliczenie hydrotermalnego współczynnika (HTC):

• Wykorzystano kompletną bazę meteorologiczną do obliczeń HTC w 10-dniowych okresach.
• Wyniki HTC pozwoliły na ocenę ryzyka występowania suszy w poszczególnych regionach.

Modelowanie wzrostu roślin:

• Zastosowano model BASGRA, który symuluje wzrost traw pastewnych w różnych warunkach pogodowych, uwzględniając glebę i zarządzanie uprawami.
• Model umożliwił prognozowanie zdarzeń związanych z zimowym wymarzaniem roślin, takich jak uszkodzenia przez mróz, lód i choroby grzybowe.

Zastosowanie narzędzi analitycznych:

• Wykorzystano dane satelitarne, obrazy z dronów oraz dane meteorologiczne do zintegrowanej analizy.
• Połączenie tych narzędzi umożliwiło bardziej precyzyjną identyfikację czynników stresowych i ocenę ryzyka dla użytków zielonych.

WP5 Połączenie opartego na procesach modelu użytków zielonych i informacji uzyskanych za pomocą technik teledetekcji satelitarnej

Pakiet roboczy podzielono na następujące zadania:

1. Kalibracja procesowego modelu łąk (BASGRA) w warunkach stresu spowodowanego suszą w Polsce przy użyciu różnych kombinacji danych dotyczących charakterystyki łąk (LAI, gęstość stanowiska, plon biomasy), które są pochodzenia satelitarnego oraz z rejestracji naziemnych.
2. Kalibracja procesowego modelu łąk (BASGRA) w warunkach zimowych (stresujących) w północnej Norwegii przy użyciu różnych kombinacji danych dotyczących charakterystyki łąk (gęstość stanowiska przed i po sezonie zimowym), które są pochodzenia satelitarnego oraz z rejestracji naziemnych.
3. Testowanie skalibrowanego modelu na niezależnych danych w warunkach stresu spowodowanego suszą w Polsce.
4. Testowanie skalibrowanego modelu na niezależnych danych w warunkach stresu zimowego w Norwegii.
5. Symulacja przetrwania zimy i sezonu wegetacyjnego z użyciem aktualizacji w czasie rzeczywistym na podstawie danych z satelity.

Wyniki pracy nad pakietem roboczym:

1. Kalibracja modelu BASGRA:
   • Model BASGRA został skalibrowany pod kątem przewidywania stresu zimowego i wymarzania traw w użytkach zielonych, z wykorzystaniem danych satelitarnych (Sentinel-2) oraz obserwacji in-situ.
   • Kalibracja obejmowała porównanie stanu pokrycia roślin przed i po zimie, wskaźnika powierzchni liści (LAI) oraz suchej masy nadziemnej biomasy.
   • Dane z północnej Norwegii, charakteryzującej się surowymi warunkami zimowymi, pozwoliły na dostosowanie parametrów modelu do specyficznych warunków tego regionu, co zwiększyło dokładność prognoz.
2. Predykcje regionalne:
   • Kalibracja z wykorzystaniem danych z regionów o wysokiej częstotliwości wymarzania (np. północna Norwegia) dała dokładniejsze prognozy w porównaniu do danych z innych regionów.
3. Automatyzacja zastosowania modelu:
   • Wprowadzono automatyczny system wykorzystujący dane LAI i gęstości roślin pochodzące z obserwacji satelitarnych lub naziemnych do predykcji plonów w warunkach stresu suszy.
   • Testy automatycznego systemu przeprowadzono na danych z Polski, co potwierdziło jego skuteczność.
4. Aktualizacje w czasie rzeczywistym:
   • Wprowadzono aktualizacje modelu BASGRA w czasie rzeczywistym z wykorzystaniem danych o wiosennej gęstości roślin i biomasy.
   • Zaktualizowany model GrasSAT uwzględnia dane zarówno z obserwacji naziemnych, jak i satelitarnych.
   • Analiza porównawcza wykazała, że aktualizacje wiosenne poprawiają dokładność prognoz biomasy w porównaniu do symulacji referencyjnych.
5. Wpływ na dokładność prognoz:
   • Wprowadzone zmiany i aktualizacje znacząco zwiększyły precyzję przewidywań biomasy i przeżywalności traw w różnych warunkach klimatycznych, w tym w sytuacjach stresu zimowego i suszy.

WP6 Rozwój serwisu internetowego/aplikacji mobilnej do zarządzania użytkami zielonymi

Cel pakietu roboczego: Działania w ramach WP 6 były skoncentrowane na stworzeniu strony internetowej poświęconej prezentacji wyników projektu, tj. informacji o warunkach wzrostu trawy, wskazaniach obszarów dotkniętych suszą, zimowym zabiciem i dotkniętych różnymi sposobami zarządzania (WP 4), a także prognozach plonów trawy (WP5), suszy, wymarzania i wpływu różnych metod zarządzania (WP 4), a także prognozy plonów traw (WP5). Równolegle zostanie opracowana aplikacja mobilna w celu dostarczenia tych samych produktów indywidualnym rolnikom. Przygotowane narzędzie będzie również przydatne dla organizacji odpowiedzialnych za produkcję rolną – Ośrodków Doradztwa
Rolniczego w Polsce i norweskich służb doradztwa rolniczego.

Współpraca z wiodącymi stowarzyszeniami rolniczymi, takimi jak „Polski Związek Producentów Bydła Mięsnego” (ok. 3000 rolników) czy „Polski Związek Producentów Mleka” oraz doradcami rolniczymi pomoże dotrzeć do szerokiego grona odbiorców branżowych. Współpracę tę zapewni firma GEOMATIC – partner przemysłowy.

Głównym celem platformy informatycznej jest nie tylko dostarczanie danych użytkownikom
końcowym, ale także uzyskanie dostępu do wyników przez API w celu rozpowszechnienia systemu w istniejących systemach, takich jak dla producentów, ale także dla jednostek publicznych. Co również ważne, chcielibyśmy kontynuować rozwój systemu, otwierając go dla partnerów, którzy chcieliby dodać coś w przyszłości. Z tego powodu otwarta struktura i API będą miały kluczowe znaczenie. Na końcowym etapie tego pakietu roboczego wyniki projektu zostaną zademonstrowane i rozpowszechnione wśród społeczności użytkowników. Osiągnięcia projektu zostaną również zaprezentowane poprzez publikacje w odpowiednich czasopismach i na konferencjach. Interaktywna strona internetowa będzie również formą działań upowszechniających, wykorzystywaną do uzyskiwania informacji zwrotnych na temat użyteczności narzędzi przygotowanych w ramach projektu.

Wyniki pracy nad pakietem roboczym:

M6.1: Rozwój dedykowanej strony internetowej:

• Adresy platform: Stworzono stronę projektu GrassAT dostępna pod adresem https://auth.gsviewer.pl/ oraz aplikację GrassAT dostępną pod adresem https://gsviewer.pl/.
• Projekt i interfejs użytkownika (UI): Zaprojektowano intuicyjny i nowoczesny interfejs zapewniający łatwą nawigację i dostęp do informacji.
• System Zarządzania Treścią (CMS): Stworzono system umożliwiający regularne aktualizacje, dodawanie wiadomości, wydarzeń i publikacji związanych z projektem.
• Integracja danych projektu: Strona umożliwia wyświetlanie danych i wyników generowanych przez platformę GrassAT w czasie rzeczywistym dzięki rozwinięciu zaplecza technicznego.
• Bezpieczeństwo i zgodność: Wdrożono zabezpieczenia chroniące dane użytkowników oraz zgodność z przepisami dotyczącymi ochrony danych, w tym GDPR.
• Testowanie i wdrożenie: Przeprowadzono testy funkcjonalności, kompatybilności oraz wydajności na różnych urządzeniach i przeglądarkach, co pozwoliło na publiczne udostępnienie strony.

M6.2: Rozwój aplikacji mobilnej:

• Analiza wymagań: Zebranie oczekiwań od interesariuszy, aby aplikacja spełniała potrzeby użytkowników, w tym rolników i profesjonalistów rolniczych.
• Projekt UX: Zaprojektowano interfejs mobilny dostosowany do wygody i łatwego dostępu, uwzględniając specyfikę pracy w rolnictwie.
• Rozwój wieloplatformowy: Opracowano aplikację kompatybilną z systemami iOS i Android, co zwiększyło jej dostępność i obniżyło czas potrzebny na rozwój.
• Integracja z platformą GrassAT: Wdrożono API, umożliwiające użytkownikom dostęp do danych w czasie rzeczywistym, takich jak warunki upraw i prognozy plonów.
• Kluczowe funkcjonalności:
  • Monitoring w czasie rzeczywistym.
  • Wizualizacja danych.
  • Powiadomienia o istotnych aktualizacjach i wnioskach.
• Testy i kontrola jakości: Przeprowadzono kompleksowe testy funkcjonalne, użyteczności i wydajności, zapewniając stabilność i intuicyjne działanie aplikacji.
• Wdrożenie i szkolenie użytkowników: Aplikacja została opublikowana w sklepach z aplikacjami, a także przygotowano materiały szkoleniowe oraz wsparcie dla użytkowników.

Podsumowanie:
Zrealizowano kompleksowe rozwiązanie cyfrowe w postaci strony internetowej i aplikacji mobilnej. Dzięki temu wyniki projektu GrassAT są efektywnie komunikowane i wykorzystywane przez docelowych użytkowników, w tym rolników, przedsiębiorstwa rolne i instytucje rządowe.