Data-ontginning

Data-ontginning in graan: Optimale wins bestuur

Data-ontginning in graan: Optimale wins bestuur

by Coenraad Janse van Rensburg, Data Wetenskaplike, Theuns van Wyk, Grondkundige en Marnus Ferreira, Hoof van Grondkunde

Ontgin die potensiaal van jou grond Agri Technovation meet die waarde van grondklassifikasie en grondvrugbaarheid asook die invloed van die grond-fisiese en grond-chemiese eienskappe op oesopbrengs.  Grondklassifikasie dryf ingeligte bewerkings– en bestuurspraktyke, maar sodanige bewerking en bestuur op sigself ontgin nie die volle potensiaal nie.

Om die volle omvang van grondpotensiaal te ontgin, gebruik Agri Technovation verskillende data-lae.

Data-ontginning en -ontleding loop hand aan hand in data-gedrewe prosesse. Oor die algemeen verwys data-ontginning na die ontleding van groot data (“big data”) met die doel om patrone of tendense binne die data te ontdek en te onttrek. Daarteenoor is data-ontleding die kombinasie van sistematiese, logiese en statistiese tegnieke om betekenisvolle insigte te verkry om ingeligte besluite daarvolgens te maak.

Die belangrikste verskil tussen data-ontginning en data-ontleding is dat data ontginning data-patrone of -tendense verskaf, terwyl dataontleding geverifieerde hipoteses of insigte verskaf, gebaseer op reeds-beskikbare data.

Dit is nou vir die graanprodusent moontlik om die voordele verbonde aan data-ontginning en -ontleding te geniet en die maksimum potensiaal uit die grond te put, met die hulp van data-gedrewe dienste, soos byvoorbeeld die MYDATA MINING™-diens wat deur Agri Technovation gebied word.

Watter data word ontgin

Slegs entiteit-spesifieke data word gebruik, waar entiteit verwys na die enkele kliënt aan wie die diens gelewer word. Streeksdata of algemene steekproefdata word dus nie gebruik nie, wat beteken dat die resultate werklik en spesifiek op die kliënt van toepassing is.

Stroperkaarte se opbrengs-data word op puntvlak as afhanklike veranderlike gebruik en geëvalueer teenoor verskeie onafhanklike veranderlikes, om patrone te identifiseer en afleidings te maak. Onafhanklike veranderlikes kan geëvalueer word om hoë-opbrengs drywers te identifiseer per blok/plaas. Dit stel die analis in staat om interaksies op te tel wat moontlik nie vanselfsprekend voorkom nie, en/of om vermoedens vanaf ʼn onbevooroordeelde oogpunt te bevestig. Data-ontleding in hierdie konteks help landboukundiges om presisie-aanbevelings met meer sekerheid te maak.

Die uniekheid van elke entiteit (kliënt) beteken unieke variasie wat verduidelik moet word om presisie-aanbevelings te maak.

Hoe word die data aangewend?

Ingeligte variërende planter- en bemestingskaarte

Gedurende die data-ontledingsproses word die hoofdrywers binne-in die grond se fisiese en chemiese eienskappe bepaal. Variërende kaarte word dan volgens daardie hoofdrywers opgetrek. Byvoorbeeld, ’n land bestaan uit hoofsaaklik Hutton gronde, maar binne-in die Huttons is daar areas wat meer of minder opbrengs lewer. Daardie drywers wat produksie beïnvloed word maklik geïdentifiseer deur na groot data te kyk. As die drywer ’n probleem is wat maklik aangespreek kan word, soos deur bekalking of bewerking, dan kan die oneweredige opbrengs meer gelyk getrek word. As dit egter iets inherent aan die grond is soos diepte of klipfraksie, dan bestaan die geleentheid om ’n variërende kaart op te trek wat die potensiaal van die grond in ag neem.

Betekenisvolle bydraes tot bestuurspraktyke

Data-ontleding stel Agri Technovation-kundiges verder in staat om die unieke deurslaggewende faktore te identifiseer wat oesopbrengs op elke land sal dryf en die produsent so te help om meer gefokus te boer en meer betekenisvolle bydraes te maak tot toegepaste bestuurspraktyke en uiteindelik ook oesopbrengs.

Kultivar keuse

Met data-ontginning kan kultivar-prestasie per land of per plaas bepaal word, gepaard met die ideale stand vir elke unieke mikroklimaat. Die data-ontginningsproses word onafhanklik van enige ander instansie gedoen (dus entiteit-spesifiek) en gee duidelike visuele data. Dit word aanbeveel dat die proses saam met die gekose bestuurspan en verskaffers gedoen word ten einde maksimaal daaruit voordeel te trek.

Data-ontginning: Voorbeelde

Grafiek 1 verteenwoordig diepte vir potensiële wortelontwikkeling teenoor oesopbrengs vir ʼn enkel entiteit, gefokus op witmielies in die Noordwes-area. Hierdie omgewing is spesifiek as voorbeeld gekies aangesien dit ’n area is wat oor die algemeen gesien word as homogene gronde sonder variasie.

Grafiek 1 illustreer duidelik die merkwaardige variasie in grondvorms, asook opbrengsverskil tussen die 12 grondtipes. Verder kan die duidelike impak wat die diepte vir potensiële wortelontwikkeling op oesopbrengs het, ook waargeneem word.

Agri Technovation doen data-ontleding op al die verskillende eienskappe wat tydens die grondklassifikasieproses gemeet word. Elke addisionele veranderlike gee meer konteks en ʼn beter (meer verfynde) verduideliking waarom opbrengs verskil en wat gedoen kan word om opbrengs te maksimeer en/of insetkoste te minimeer.

Grafiek 2 is ’n voorbeeld van geelmielieopbrengste in die Hoëveld in ’n land waar meer as 80% van die oppervlakte bestaan uit ’n enkele grondtipe. Opbrengsvariasie word egter binne-in hierdie enkele grondtipe waargeneem.

Met die gebruik van data-ontginning is dit duidelik dat die hoofdrywer in hierdie geval direk gekoppel kan word aan diepte vir potensiële wortelontwikkeling.

Mediaan opbrengs/diepte vir potensiële wortelontwikkeling en grondtipe

Data-ontginning

Grafiek 1: Mediaan witmielieopbrengs oor meer as 850 000 datapunte vir 4 plase gedurende 2021 en 2022.

Nou bestaan die geleentheid om insetkoste variërend te plaas volgens gronddiepte, wat inherent die opbrengs dryf. Hierdie verskynsel is gekoppel aan die gewas van belang. Dit is duidelik dat verskillende gewasse verskillend reageer op die fisiese en/of chemiese variasie in die grond.

Grafiek 3 dui ’n opbrengstendens aan op sojabone in die Oos-Vrystaat. Dit is vir die hele plaas gedoen en gebruik die 3 hoof-grondtipes. Die grafiek dui die opbrengs aan teenoor die ondergrondse klei-% (B-horison).

Daar is ’n duidelike tendens in die data wat aandui dat (in hierdie geval) opbrengs styg vanaf 5% tot 25% ondergrond klei en begin daal waar die klei-% toeneem na 45%; inligting wat vir die produsent geweldig waardevol is.

Die data is vir die plaas se 3 hoof-grondtipes gedoen. Elke kleur verteenwoordig ’n unieke grondvorm, soos aangedui in die legende.

Slotsom

Agri Technovation skep ’n skakel tussen grond-fisiese en grond-chemiese eienskappe en oesopbrengs, deur gebruik te maak van die MY SOIL CLASSIFICATION™- en ITEST™SOIL diens en dit te kombineer met stroperkaarte deur middel van data-ontginning en -ontleding (MYDATA MINING™).

Uit die data is dit duidelik dat grond-fisiese eienskappe ’n betekenisvolle impak het op oesopbrengs, asook dat dit kan varieer binne ’n gegewe area.

Elke plaas is uniek wat betref die grond wat teenwoordig is, asook hoe dit presteer. Die beginsel bly staan dat grond-fisiese eienskappe die fondament van elke plaas uitmaak en moet daarvolgens bestuur word om optimale opbrengs te bereik.

Deur Agri Technovation se MYDATA MINING™- diens te gebruik kan boere insigte kry oor watter gewasse of kultivars mees produktief is in ’n bepaalde grondtipe en klimaat.

Data van hierdie diens kan dan gebruik word om gewasproduksie te optimaliseer, onnodige uitgawes en risiko’s te verminder en algehele doeltreffendheid te verbeter, wat lei tot verhoogde winste en volhoubare boerderypraktyke.

Wat word benodig vir die dataontginningsdiens

  • Grondklassifikasie data.
  • Grond-chemiese data.
  • Stroperkaarte.

Hoekom is dit so kragtig?

  • Agronomiese faktore dryf plantproduksie,soos grond-fisiese en -chemiese (vrugbaarheid)eienskappe.
  • Die krag daarin is om groot volumes data met die druk van ’n knoppie te kan ontleed.
  • Ons gebruik dit om te verstaan waar en watter beperkende faktore die grootste invloed op produksie het.
  • ’n Aksieplan word aanmekaar gesit om die beperkende faktore te verwyder/verminder.
  • Insetkostes word optimaal benut – langtermyn data dui op ’n gemiddelde besparing van 16%.
  • Sodoende word produksiepotensiaal gelig en/of wins vergroot.

 

Data-ontginning

Grafiek 2: Geelmielie-opbrengs teenoor die diepte van die hoof-grondfamilie – Clovelly. In ’n geval waar ’n land (soos hierdie een) meer as 80% van een grondtipe beslaan (wat selde gebeur), is daar steeds variasie binne-in die grond se fisiese/chemiese eienskappe wat benut kan word via variërende toediening van insetkostes.

Grafiek 3: Sojaboonopbrengs teenoor ondergrond (B-horison) se klei-% op plaas B. Let op die tendensverhoging (groen lyn) in opbrengs vanaf 5% na ongeveer 25% (rooi stippellyn verteenwoordig die gemiddelde omkeerpunt), en dan die verlaging in opbrengs met verdere toename in klei-% na 45% toe. Die data is vir die plaas se 3 hoofgrondtipes gedoen. Elke kleur verteenwoordig ’n unieke grondvorm, soos aangedui in die legende.