2050 beräknas världens befolkning ha ökat till mellan nio och tio miljarder jämfört med dagens åtta miljarder. Samtidigt ökar inte åkermarken – i stället kommer förhållandena för odling att förändras i spåren av klimatkrisen.
Det handlar också om att minska jordbrukets eget klimatavtryck där världens livsmedelsproduktion idag står för 30 procent av utsläppen av klimatgaser och 70 procent av vattenförbrukningen.
Ett sätt att möta det är att effektivisera jordbruket och anpassa odlingen mer efter de specifika förhållanden som råder på fälten för att få ut så stora skördar som möjligt och också kunna gödsla eller ogräsbekämpa just där det behövs och därmed hålla ner kemikalieanvändningen.
Ökad avkastning
Och det finns en stor potential i så kallad precisionsodling. Forskaren Mikael Gilbertsson på
Mikael Gilbertsson.
forskningsinstitutet Rise pekar på beräkningar som visar att det skulle gå att öka avkastningen från befintlig åkermark med mellan 10 och 20 procent om man kombinerar det med växtförädling.
– Eller kanske mer, finns även de som pratar om 40 procent, säger han.
Positionering är en viktig del för att lyckas och gps är en av de tekniker som redan i dag används flitigt i jordbruket. Nästan alla nya traktorer är försedda med gps-positionering.
Såmaskiner kan exempelvis med hjälp av gps placera frö extremt exakt så att rensningen underlättas och det därmed blir lättare att hålla bort ogräs.
Genom postionsbestämda data kan man också skapa tidsserier för att se hur skördar utvecklas över tid. Men där är det fortfarande mycket potential kvar.
– I de mest sofistikerade programmen för geografiska informationssystem finns möjligheten att samordna data så man utifrån de indata man har kan styra vilka insatser man ska göra, säger Mikael Gilbertsson, på forskningsinstitutet Rise som forskat om precisionsodling i över 20 år.
Tagga jordprover
Gps används också för att tagga jordprover som man tar för att få en bättre bild av jordförhållanden i olika delar av sina åkrar och på så sätt kunna anpassa gödsling och bevattning efter det.
Samtidigt finns problem med hur jordprover tas i dag. Proverna behöver tas tätt för att ge en rättvisande bild och det är dyrt. Det är vanligt att bara ta ett jordprov per hektar och då kan det bli olika resultat beroende på var provpunkterna ligger.
– Även om man interpolerar fram data mellan provpunkterna och har jättefina statistiska modeller så måste man ha täta data för att få bra data in, säger Mikael Gilbertsson.
Med mer automatiserade metoder att ta jordprover eller sensorer skulle det gå att få in mer täta data men där finns inte så mycket ute i praktiken i dag konstaterar han.
Men det finns ett användningsområde där sensorer är vanligt. Nästan alla nya skördetröskor är försedda med sensorer för att få en bild av skörd per ytenhet och på så vis se om man fått det utfall man beräknat.
Använder satellitbilder
Många använder sig också av satellitbilder och digitala jordartskartor som markdata.se. Det är en gratistjänst med en upplösning på 50×50 meter där det går att få en bild av jordarterna i åkrarna – från sandjord till lerjord. Den informationen kan sedan användas för att förbättra strukturen på jorden.
En tredje metod är att med kameror bedöma grönheten i grödan och därmed kvävehalten. På så sätt kan man se kvaliteten på grödan och styra vilka insatser som ska göras.
– Det här är en teknik som funnits i 20 år och där kameran kan sitta på en drönare eller monteras på traktortaket, säger Mikael Gilbertsson.
Med hjälp av de här metoderna som redan används har jordbruket redan kommit en bit på väg konstaterar han. Exempelvis låg medelskörden av höstvete på 6 300 kilo per hektar och i dag rör det sig mot 7 000 kilo.
– Det stora dilemmat med precisionsodling är att det är svårt att visa effekten av det eftersom det är svårt att skilja ut effekterna från precisionsodling och den växtförädling som ständigt pågår.
Bra bit kvar för AI
Men på sikt ser Mikael Gilbertsson AI som den teknik som verkligen kan revolutionera jordbruket – även om det är en bra bit kvar.
– Det man ska komma ihåg är att det är ett stort steg att ta ut AI-modeller från en industriell miljö till en dynamisk biologisk miljö, säger Mikael Gilbertsson.
Det är skillnad på att sortera muttrar och skruvar som är definierade och olika sorters ogräs konstaterar han.
– Det går heller inte att skärma av väder och vind – säd som vajar in i bilden stör bildigenkänning. Jord kan också se väldigt olika ut om den är blöt eller torr – alltifrån svart till vit. Och det finns tusentals olika ogräs som ska identifieras samtidigt som de delvis täcker varandra eller grödan.
Krävs stora dataunderlag
Det finns också lösningar där man med hjälp av drönare och maskininlärning kan beräkna storleken på en skörd. Och maskininlärning används för beslutsstöd redan idag men fortfarande är vi långt ifrån den potential som finns enligt Mikael Gilbertsson.
– Just nu behöver vi stora dataunderlag för träning av algoritmerna för att öka deras exakthet.
Innan AI verkligen tar fart finns det också ett antal hinder. Tekniken kan vara dyr i början och kunskapen om AI och vilken nytta den kan ha måste också spridas.
– AI börjar komma – men revolutionen kommer inte imorgon utan om 25 år kanske, säger Mikael Gilbertsson.
Läs också: Uppgraderade butiker och Chat GPT-verktyg när Lindex storsatsar digitalt