• slide-1

  • slide-1

  • Üdvözöljük!

    A Csernozjom Kft. honlapján természetvédelemmel és talajvédelemmel kapcsolatos információkat talál.

Szenzoros talajvizsgálati technológia: annyira vagy jó, amennyire az adatbázisod

Dr. Christy van Beek,

AgroCares vezető agronómusa

Az AgroCares gyakran találkozik a szenzoros talajvizsgálati technológia eredményeinek minőségével, megbízhatóságával kapcsolatos kérdésekkel. De mit is nevezhetünk minőségnek? A pontosságot, a hitelességet, a megismételhetőséget vagy azt, amikor a minőség garantált? Dr. Christy van Beek, az AgroCares vezető agronómusa az alábbi módon vélekedik a kérdéskörről.

„17 évet töltöttem kutatóként a Wageningen Egyetem és Kutató Központ intézetében, majd csatlakoztam a SoilCares (most már AgroCares) csapatához 2017 végén. Ez egy olyan lehetőség volt, aminek nem tudtam ellenállni. Úgy tűnt, hogy ez által végre kamatoztathatom kutatóként megszerzett tudásomat a gyakorlatban is.

Az AgroCares-nél szenzor által mért adatokon alapuló talajvizsgálati technológiát fejlesztünk. Úgy gondoltam, hogy ezzel megváltoztatjuk a talajvizsgálatról alkotott képet és naprakész tudást adhatunk a gazdálkodók kezébe. Végül is, nem a tudás, vagyis az információ az, ami a motivációt elindítja? És nem a motiváció vezet végül a megvalósításhoz?

Megdöbbenve tapasztaltam, hogy a talajszkenner eladása nehezebb, mint gondoltam. Lehet, hogy a naivitásom eredménye, de én azt hittem, hogy egy ilyen nagyszerű innováció eladja önmagát. Ennek ellenére a potenciális ügyfelek szinte állandó jelleggel tesznek fel kérdéseket a megbízhatósággal kapcsolatosan.

És itt kezd érdekes lenni a dolog… Mi is a minőség? A pontosság, a hitelesség, a megismételhetőség vagy az, amikor a minőség garantált? Esetleg amikor az eredmény megegyezik a (megszokott, akkreditált, extrakciós) nedves kémiai elemzésekével? Biztosan nem! Számos tanulmány igazolja, hogy a hagyományos laboratóriumokban vizsgált hasonló talajminták vizsgálati eredményei között relatíve nagy a szórás. Emiatt világszintű megbízhatósági vizsgálat rendszert állítottak fel (pl. talajtanban a WEPAL rendszer 1956-óta működik), hogy a laboratóriumok közötti különbségeket nyomonkövessék.

Tehát az elvárás, hogy az eredmények teljesen megegyezzenek egy véletlenszerűen kiválasztott hagyományos laboratórium eredményeivel olyan, mintha arra kérnénk az AgroCares technológiáját, hogy mozgó célpontot találjon el. A különböző laboratóriumok közötti eltérések miatt döntött úgy az AgroCares, hogy a kalibrációs talajmintákat a saját –szintén akkreditált - laboratóriumunkban vizsgáljuk, amit mi – kissé fölényeskedően – Arany Standard Laboratóriumnak (GSL - Golden Standard Laboratory) nevezünk.

Nem azért vizsgáljuk itt a mintákat, mert úgy gondoljuk, hogy az összes laboratóriumnál jobbak vagyunk (bár rosszabbak se!), hanem mert így ugyanazokkal a műszerekkel mérhetünk minden paramétert (WEPAL módszertan).

De mit is nevezünk kalibrációnak?

A kalibráció az a művelet, amely meghatározott körülmények között, első lépésként megállapítja az összefüggést a mérési standardban szereplő, mérési bizonytalanságokkal korrigált mennyiségi értékek,

és a kalibrált készülékhez kapcsolódó mérési bizonytalanságokkal korrigált megfelelő értékmutatók között,

majd második lépésként felhasználja ezt az információt arra, hogy egy olyan összefüggést határozzon meg, ami által megkapjuk a mutatókból a vizsgálat eredményét, vagyis a mérendő mennyiség valós értékét (SI definíciója).

A laborunkban minden talajmintának 93 paraméterét vizsgáljuk, melyek között kémiai elemek mellett olyan paraméterek is helyet kapnak, mint a textúra, a vezetőképesség vagy a pH. Az összes vizsgált tulajdonság értékei egy statisztikai modellbe kerülnek, amely a GSL és a szenzoros mérés, vagyis a spektroszkóp eredményei közötti korrelációt keressük. Valószínűleg alábecsülöm a kutatási részlegen dolgozó kollégáimat, amikor azt mondom, hogy a „statisztikai modell”… Korábban már én is kivettem a részem a statisztikai elemzésekből, de ez most teljesen meghaladja a képességeimet, főleg amikor a ’gépi tanulás’ (machine learning) szóba kerül. Ami a lényeg, hogy a nap végén (vagyis inkább a hét végén, hiszen ez a számítógépes kalkuláció egy-két hetet is igénybe vehet) azok az algoritmusok kerülnek fejlesztésre, amelyek meg tudják becsülni a GSL vizsgálati eredményeket (extrakciós értékeket) a spektrográf alapján. Nem meglepő, de nem minden vizsgálandó talaj paraméter tekintetében rendelkezünk egyformán jó prediktív modellel, némelyikük egyenesen szörnyű. Tehát, ebből a 93 paraméterből csak 30-49 felel meg a minőségi kritériumnak (r2>0,9), tehát ezek kerültek nyilvánosságra.

A SoilCares minőségi kritériumrendszere

A SoilCares országonként fejleszti a szkenner adott régióban való alkalmazhatóságát. Ez azt jelenti, hogy bár globális adatbázissal rendelkezünk, azon országokban alkalmazható a szkenner ahonnan talajmintákat vettünk, illetve ahol az adott paraméterek megfelelnek a minőségi kritériumoknak, ezek az alábbiak:

  • a GSL által és a szenzoros technológiával mért eredmények közötti r2 érték 0,9-nél nagyobb;
  • a standard hiba értéke kevesebb, mint a GSL standard hiba értékének a 2,5-szöröse;
  • a standard hiba értéke kevesebb, mint a WEPAL módszertan standard hiba értékének az 1,4-szerese.

Abban az esetben, ha az ügyfeleink egy még általunk nem kalibrált országban kívánják használni az eszközeinket, elsőként rögzítenünk kell a kalibrációs folyamatokat. Ez a konzultáció általában nem zajlik zökkenőmentesen és a kivitelezés nagymértékben függ a partner helyzetmegértésétől is.

Globális adatbázis lokális reprezentativitás

Az AgroCares globális talaj adatbázissal rendelkezik. Ez azt jelenti, hogy a világ összes tájáról begyűjtött talajadat egyetlen adatbázisban található és az algoritmusok (prediktív modellek) az összes adatot felhasználják. Szóval mi történik, amikor a talajt szkenneljük és a spektrumot felküldjük a felhőbe értékelésre?

Tulajdonképpen a spektrum bekerül a prediktív modellbe, ami megvizsgálja a csúcsait és meredekségét, majd összeveti ezeket a szomszédos spektrumokkal. Ez nem földrajzi értelembe vett szomszédot jelent, hanem olyan spektrumot, amely az adott spektrummal hasonlóságot mutat.

Az adott spektrumból és a vele szomszédos, kalibrációs spektrumokból nyert információt arra használjuk, hogy a lehető legjobb becslést kapjuk meg. A Lab-in-a-box esetében a röntgensugaras (XRF) és közép infravörös (MIR) információk is részt vesznek a predikciók fejlesztésében.

Amikor egy új ország talajtulajdonságai kerülnek kalibrálásra, nincs szükség a már létező spektrumok újbóli leképezésére. De honnan tudhatjuk, hogy ezek a spektrumok már jelen vannak az adatbázisban? Tulajdonképpen nem tudjuk, de meg tudjuk becsülni. Egy talajminta spektruma olyan tényezőktől függ, mint az adott terület geológiai, éghajlati adottságai, vagy éppenséggel a terület hasznosítási módja. A kalibrációs folyamatunk során ezen tényezők olyan kombinációit keressük, amik még nem lefedettek.  Előfordulhat, hogy a számítások és becslések alapján csupán néhány mintára van szükségünk a kalibrációhoz, mint például szomszédos országok/ azonos tájegységek esetében (és most a tényleges, fizikai szomszédokra gondolok). Az is megeshet, hogy kiszámítjuk a szükséges mintaszámot, majd a kalibráció után kiderül, hogy a modell még nem felel meg a nyilvánosságra hozatali feltételeknek, így vissza kell mennünk újabb, kiegészítő talajmintákat venni. Ennek értelmében a kalibrációs minták száma magasabb azon országok esetében, amelyeket elsőként (szigetszerűen) kalibráltunk, mint a további szomszédosak esetén (1. ábra).

1. ábra: A kalibrációhoz vett talajminták száma országonként. A minták száma függ a kalibrációs spektrumok diverzitásától, méretétől és szekvenciájától. A korábban kalibrált országok (mint Kenya) esetében relatív nagyszámú kalibrációs mintára volt szükség

2. ábra: Az elsőként kalibrált, és az első ábrán is szereplő országok elhelyezkedése

A világ összes spektrumának leképezése

Egyszer a jövőben elérkezünk arra a pontra, hogy az AgroCares kalibrációs adatbázisa a világ összes létező és előforduló spektrumát tartalmazza. Amikor elérjük ezt a mérföldkövet, a kalibráció befejeződik és az eszközeink bárhol használhatóvá válnak. Ez talán nem is olyan távoli jövőkép. A kalibrációs adatbázis jelenleg 14.000 mintát tartalmaz, mindeddig 21-szer frissült, mostanság a kalibrációs adatbázis havonta frissül. A 8. frissítés után alig vettünk észre teljesítménybeli javulást a prediktív modellben, ami azt jelzi, hogy kezdjük elérni az állandósulást. Ez a tapasztalat azt is megmagyarázza, hogy az azonos pontossági szint eléréséhez miért van szükség kevesebb mintára Elefántcsontpart kalibrálásához, mint Kenyáéhoz (melyek körülbelül azonos méretű országok). Kenyát Elefántcsontpart előtt kalibráltuk.

Úgy becsüljük, hogy a globális kalibrációt 30.000 minta vizsgálatánál fogjuk elérni. Ez a jelenlegi 150 minta/hét sebességgel 3 éven belül bekövetkezik.

Gondolkodj a hatásokat is figyelembe véve

Hogyan is kapcsolódik mindez ahhoz a törekvésemhez, hogy naprakész tudást adjak a gazdák kezébe? Egy gazdálkodó sosem kérdez megbízhatósági szintekről. Tanultam egy nagyon fontos dolgot a SoilCares-nél (most már AgroCares), illetve a SoilCares Alapítványnál eltöltött első évem alatt, mégpedig azt, hogy a kapcsolatteremtéshez a gazdálkodó döntéseire ható, véleményformáló személyt kell elsősorban meggyőzni, aki a legtöbb esetben nem más, mint a technológiánkat használó ügyfelünk. Az ügyfél teljesen érthető okokból szeretné tudni a pontosság, megbízhatóság mértékét, mi pedig a lehetőségeinkhez mérten próbálunk ebben partnerek lenni. De kérem, hogy amikor mint potenciális ügyfél, kérdez minket a „pontosságról” (ami jelen esetben nem létezik), kérem a teljes folyamatot vegye figyelembe.

Valamint mérlegeljen a hatásokat figyelembe véve… a talaj tulajdonságai csupán egy tényező a tápanyag-gazdálkodási terv javaslat elkészítésében. Ami igazán meglepő számomra, hogy soha senki nem kérdez a termesztett növény tápanyag tartalmáról és tápanyag felvételi mértékéről, agroklimatikus hatásokról, amik ugyanolyan fontos paraméterek a tápanyag utánpótlás meghatározásában.”

 

Dr. Christy van Beek: https://www.narcis.nl/person/Language/en/RecordID/PRS1286730

*Fordította és kiegészítette: Erdélyi Mónika, Csernozjom Kft.

 

 

A cégcsoport további tagjai:

GEO-SIVO Kft.

GEO-SIVO Kft.

Környezetvédelmi tanácsadás, engedélyeztetés, műszeres mérés,  környezetvédelmi megbízotti feladatok ellátása, előzetes vizsgálatok, felülvizsgálatok elvégzése, jogi tanácsadás

 

 

Abiotika Bt.

Abiotika Bt.

Vidékfejlesztési, EU-s projektfejlesztési szakértői, és államigazgatási tanácsadói tevékenység.