The NERC and CEH trade marks and logos ('the Trademarks') are registered trademarks of NERC in the UK and other countries, and may not be used without the prior written consent of the Trademark owner.

Sensor networks are increasingly being implemented for environmental monitoring and agriculture to provide spatially accurate and continuous environmental information and (near) real-time applications. These networks provide a large amount of data which poses challenges for ensuring data quality and extracting relevant information. In the present paper we describe a river basin scale wireless sensor network for agriculture and water monitoring. The network, called SoilWeather, is unique and the first of this type in Finland. The performance of the network is assessed from the user and maintainer perspectives, concentrating on data quality, network maintenance and applications. The results showed that the SoilWeather network has been functioning in a relatively reliable way, but also that the maintenance and data quality assurance by automatic algorithms and calibration samples requires a lot of effort, especially in continuous water monitoring over large areas. We see great benefits on sensor networks enabling continuous, real-time monitoring, while data quality control and maintenance efforts highlight the need for tight collaboration between sensor and sensor network owners to decrease costs and increase the quality of the sensor data in large scale applications.

No abstract

Sensor technology, which benefits from high temporal measuring resolution, real-time data transfer and high spatial resolution of sensor data that shows in-field variations, has the potential to provide added value for crop production. The present paper explores how sensors and sensor networks have been utilised in the crop production process and what their added-value and the main bottlenecks are from the perspective of users. The focus is on sensor based applications and on requirements that users pose for them. Literature and two use cases were reviewed and applications were classified according to the crop production process: sensing of growth conditions, fertilising, irrigation, plant protection, harvesting and fleet control. The potential of sensor technology was widely acknowledged along the crop production chain. Users of the sensors require easy-to-use and reliable applications that are actionable in crop production at reasonable costs. The challenges are to develop sensor technology, data interoperability and management tools as well as data and measurement services in a way that requirements can be met, and potential benefits and added value can be realized in the farms in terms of higher yields, improved quality of yields, decreased input costs and production risks, and less work time and load.

Monikasvi-hankkeen osahankkeessa MonikasviGIS kehitettiin paikkatietopohjaista menetelmää tilan ympäristövaihtelun spatiaaliseen mallintamiseen ja tähän perustuvien lohkottaisten viljelysuosituskarttojen tuottamiseen, kun eri viljelykasvien ympäristövaikutukset ja –vaatimukset tunnetaan. Osaprojektin pilottiluonteen vuoksi ongelmaa rajattiin niin, että mallinnettiin vain lohkojen fosforikuormituspotentiaali ja biodiversiteettitaso, joihin annetut viljelysuositukset perustettiin. Tämä malli ei luonnollisestikaan sisällä kaikkia todellisessa viljelykasvin valintatilanteessa relevantteja tekijöitä. Ongelman yksinkertaistus oli kuitenkin perusteltu ratkaisu menetelmän kehittämisen alkuvaiheessa. Jatkossa malliin voidaan liittää lisämoduuleina myös kasvien kasvupaikkavaatimuksiin ja kasvuedellytysten spatiaaliseen vaihteluun perustuvat kasvien lohkokohtaiset sato- ja tuottoennusteet viljelysuositusten perusteeksi.Menetelmällä on mahdollista luoda erilaisia viljelysuosituksia riippuen siitä, millaiset painokertoimet annetaan fosforikuormituksen vähentämiselle ja monimuotoisuuden kehittämiselle. Esimerkkinä luotiin 3 viljelysuositusta pilottialueeksi valitun Lintupajun tilan lohkoille. Strategiassa A pyrittiin kasvilajien sijoittelulla pelkästään minimoimaan pelloilta tulevaa fosforikuormitusta. Strategiassa B kasvit sijoitettiin yksinomaan biodiversiteetin näkökulmasta siten, että diversiteettiin suotuisimmin vaikuttavia kasvilajeja suositeltiin lohkoille, joiden nykyinen diversiteettitaso ennustettiin viljelyhistoriaan perustuen alhaisimmaksi. Yhdistelmästrategiassa C sekä fosforikuormituksen minimoinnille että biodiversiteetin kehittämiselle kummallekin annettiin 50 % painoarvo. Viljelysuosituskartat odotetusti erosivat hyvin paljon vaihtoehtoisissa strategioissa.MonikasviGIS –menetelmän kannalta keskeinen paikkatietotekniikka on pisteaineistojen yleistäminen koko tilan alueen kattavaksi 3-ulotteiseksi rasteripinnaksi, jonka pikselien kolmas eli z-koordinaatti kuvaa tarkasteltavan muuttujan arvoa kullekin pikselille. Yleistämällä luotuja 3D-rasteripintoja voidaan edelleen asettaa päällekkäin, jonka jälkeen kuva-alueen jokaiselle pikselille voidaan rasterilaskennassa sopivalla funktiolla määrittää tasojen yhdistelmänä saatava arvo. Näitä yhdistelmärasteripintoja voidaan edelleen leikata peltolohkojen vektorimuotoisilla rajoilla ja laskea lohkokohtaisesti esimerkiksi pikseleiden z-koordinaatin keskiarvo, joka voidaan antaa vektorimuotoiseen lohkoraja-aineistoon lohkopolygonien attribuutti- eli ominaisuustiedoksi. Tämän attribuutin perusteella voidaan yksinkertaisilla loogismatemaattisilla säännöillä määrätä suositeltavin viljelykasvi kullekin peltolohkolle, kun kasvilajien biologiset ominaisuudet tunnetaan.MonikasviGIS –menetelmän kehittämiseen todelliseksi tilatason työvälineeksi on hyvät edellytykset, sillä tilan ympäristövaihtelun spatiaalisen mallinnuksen vaatimat syöttötiedot pääosin jo nykyiselläänkin löytyvät tiloilta tai ovat kohtuullisilla panostuksilla hankittavissa. Tilatasolla menetelmä käytännössä edellyttää maalaji- ja viljavuusanalyysituloksia GPS-paikannetuista pisteistä lohkoilla sekä viljelyhistoriatietoja kulmistaan GPS-paikannetuilta kasvulohkoilta. Peltojen kaltevuus voidaan tulevaisuudessa mallintaa tekeillä olevan tarkan kansallisen korkeusrasteriaineiston pohjalta. Toisaalta MonikasviGIS – menetelmän jatkokehittely edellyttäisi nykyistä tarkempaa, vertailevaa aineistoa varsinkin eri kasvilajien vaikutuksista peltoympäristön kokonaisbiodiversiteettiin.