Varslingstjenester og værdata i landbruket. Berit Nordskog NIBIO

Transkript

1 Varslingstjenester og værdata i landbruket Berit Nordskog NIBIO Oslo Geofysikeres Forening, 7. februar 2017

2 Varslingstjenester og værdata i landbruket Landbruksmeteorologisk Tjeneste LMT lmt.nibio.no Varsling Innen Planteskadegjørere VIPS

3 LandbruksMeteorologisk Tjeneste (LMT) LMT er et prosjekt i regi av NIBIO, og har som hovedoppgave å skaffe meteorologiske data for varslingstjenester og forskning fra de viktigste jord- og hagebruksdistrikt i landet Tor-Einar Skog, Halvard Hole Berit Nordskog, Håvard Eikemo

4 Nettverk av målestasjoner Over 80 målestasjoner i vekstsesongen (april-okt) 52 stasjoner i helårs drift Lokalisert på Forskningsstasjoner Gårdsbruk Frukthager Eiere LMT (NIBIO) Norsk Landbruksrådgiving Div prosjekter, produsentsammenslutninger etc. lmt.bioforsk.no lmt.nibio.no

5 Målestasjoner i LMT-nettverket Værdata fra LMT siden 1987 Temperatur Nedbør Luftfuktighet Vind Bladfuktighet Jordtemperatur Stråling Snødybde, mm Utvalg av sensorer varierer med bruksområder og plassering av den enkelte målestasjon lmt.bioforsk.no

6 Datainnsamling Automatisk oppdatering hver time Hver 4. time for enkelte stasjoner av eldre årgang Data lagres i LMT-databasen Fritt tilgjengelig for nedlasting Datakvaliteter Rådata (uredigert fra målestasjonene) Kontrollerte data (åpenbare feil er luket ut) Disse dataene leveres ut ved nedlasting. Kalkulerte data (til bruk i modeller som ikke tåler hull i dataene)

7 Datakontroll Daglig datakontroll for å sikre stabile dataleveranser AgroMetBase Sprangtest, manglende data, instrumentfeil KVALOBS 52 stasjoner i helårs drift leverer data til MET og Kvalobs Daglige avviksrapporter fra Kvalobs lmt.nibio.no

8 Service og vedlikehold på NIBIO-stasjoner Serviceavtale med ITAS Eierdrift Årlige service og vedlikehold på 68 stasjoner Test og kalibrering på stedet Sensorer byttes ved behov Stasjonsvert står for plenklipping og ukentlig ettersyn lmt.nibio.no Foto: A. Tjomsland

9 Datakvalitet fra frukthager til WMO Foto: E.Fløistad Foto: T. Tromsnes Foto: E. Fløistad lmt.nibio.no

10 Trådløse muligheter Stasjoner oppgradert etter 2012 har mulighet for tilkobling av trådløse sensorer. De fleste typer sensorer kan kobles til målestasjoner i LMT-nettverket Foto: Marianne Mork, Bioforsk Oppgraderte stasjoner med mulighet for trådløse sensorer: Apelsvoll, Etne, Frosta, Fureneset, Holt, Hønefoss, Kise, Kvithamar, Landvik, Lyngdal, Løken, Mære, Njøs, Pasvik, Rissa, Rygge, Sande, Sortland, Særheim, Tingvoll, Tjølling, Tjøtta, Tomb, Ullensvang og Årnes. lmt.bioforsk.no

11 Tilgang til værdata fra LMT lmt.nibio.no

12 Bruk av værdata i landbruket VIPS - Varsling innen PlanteSkadegjørere Vanningsinformasjon Nitrogenprognose Grovfórmodellen Jord og vannovervåking i landbruket (JOVA) Rådgivere Bønder Plantevekst Avrenning, erosjon Næringstap, pesticidtap i jord Nedbrytingshastigheter Hydrologiske analyser Foto: L. Øygarden, NIBIO Epidemiologi risikoberegninger for sjukdommer og skadedyr Langtidsplanlegging: Vekstsesong

13 Varslingstjenester i landbruket Varsling Innen Planteskadegjørere VIPS Verktøy for integrert plantevern

14 Integrert plantevern Integrert plantevern (IPV) er kort sagt å ta i bruk alle teknikker og metoder som lar seg forene for å holde mengden skadegjørere under det nivået som gir økonomisk skade Foto: J. Razzaghian, NIBIO Ny forskrift om plantevernmidler, som trådte i kraft 1. juni 2015, pålegger alle yrkesbrukere av plantevernmidler å sette seg inn i og anvende prinsippene for integrert plantevern

15 Nettbasert tjeneste for varsling av angrep, utvikling og overvåking av viktige planteskadegjørere Utviklet av NIBIO og Norsk Landbruksrådgiving NLR registrerer angrep av skadegjørere i felt, ansvar for kulturgruppene NIBIO leverer værdata og tar seg av utvikling, drift og vedlikehold av systemet. NLR kursuka

16 VIPS historie Varsler om risiko for potet-tørråte var del av værmeldingen på radio Ny teknologi plattform Open Source License

17

18 Varsling Innen PlanteSkadegjørere Modeller for sjukdommer og skadedyr i korn, potet, grønnsaker og frukt 16 modeller 4 skadeterskler Meldingstjeneste for observasjoner av viktige sjukdommer og skadedyr VIPS Ugras Beslutningsstøtte for behandlingsbehov mot ugras i korn IOBC Greece

19 Eksterne ressurser i VIPS 19

20 Modeller og skadeterskler i VIPS Korn og oljevekster Potet og grønnsaker Frukt og bær Bladflekksjukdommer i hvete Potettørråte Epleskurv Byggbrunflekk Stor og liten kålflue Eplevikler Grå øyeflekk i bygg Kålfly Rognebærmøll Blomstringsmodell i havre (tidspunkt for behandling mot Fusarium) Storknolla råtesopp i oljevekster Kornbladlus (skadeterskel) Havrebladlus (skadeterskel) Rapsglansbille (skadeterskel) VIPS ugras Gulrotflue Salatbladskimmel Løkbladskimmel Selleribladflekk Håra engtege Potetsikade (skadeterskel)

21 Varslingsmodeller for plantesjukdommer Viktig verktøy ved integrert plantevern Gode resultater krever at modellene gir så korrekte varsler som mulig Klimabaserte modeller: Forutsetter at smitte finnes i området Forutsetter at mottakelige vertplanter finnes i området Feltobservasjoner kreves for å oppdage tidlige angrep Finne riktig tidspunkt for tiltak mot skadegjører

22 Forutsetninger for modellene i VIPS «Tenke sjøl» prinsippet Patogenet Plantevernstrategi Smittekilder jordsmitte ville vertplanter spredning i luft Tilgjengelige plantevernmidler Resistens? Sprøyteintervall Tilvekst i plantene Påvist angrep? hvor og når Nedbør/avvasking Vertplanten Klima Avstand til nærmeste værstasjon Resistens Lokal variasjon i klima Dyrkingsteknikk

23 Grunnlaget for en god varslingsmodell Detaljert kunnskap om patogen og vertplante Utprøving og validering under relevante klimaforhold En varslingsmodell kan ikke bli bedre enn produktet av modellens treffsikkerhet og kvalitet på inndata Foto: Erling Fløistad

24 Foto: Vinh Hong Le Validering av varslingsmodell for selleribladflekk (Septoria apiicola)

25 Hvordan integrere og kommunisere usikkerheter? Forskning Utvikle robuste modeller med høy treffsikkerhet hvor modellenes sensitivitet til ulike inndata kan identifiseres Systemutvikling Kan vi lage et system som viser usikkerhet som del av modellresultater? Rådgiving Oppfordre brukere til å kontrollere detaljer og kombinere modellresultater med lokalkunnskap

26 Usikkerhet i inndata reflekteres i modellresultatene Lokalnedbør kan gi store utslag i modeller der nedbør spiller en viktig rolle IOBC Greece 2016 Foto: met.no

27 Beslektede skadegjørere - ulik respons på nedbør Salatbladskimmel Bremia lactucae Løkbladskimmel Peronospora destructor Foto: E. Fløistad, NIBIO Foto: A. Hermansen, NIBIO User manual NIBIOs power point template

28 VIPS - mer enn bare varsler Overvåking av skadegjørere Informasjon om modeller og skadeterskler Inngangsport til Plantevernleksikonet Plantevernguiden Vanningsinformasjon Nitrogenkalkulator Grovfôrmodellen Værdata (LMT, lmt.bioforsk.no) Varmesum og nedbørsmengde

29 Rapportering av observasjoner og tidlige funn Observasjonsrapporter lenket til geografisk lokalitet Meldinger online, via E-post eller SMS Direkte input i database med georeferanse 29

30 Fleksibilitet og potensiale for internasjonal bruk av VIPS Lett å legge til modeller og tjenester Multi language support Fleksibilitet i input data fra online værdata-kilder Nyutvikling deles gjennom open source license Åpner for internasjonalt samarbeid og utvikling på tvers av grenser og språkbarrierer Forskningsresultater kan gjøres tilgjengelige for sluttbrukere uten reimplementeringer 30

31 VIPS internasjonalt Sverige brukeravtale inngått i 2016 Latvia test av modeller 2016 Bosnia og Herzegovina HERD prosjekt Kina bilateralt prosjekt Danmark, Finland, Sverige, Litauen, Norge SpotIT. Treårig prosjekt ( ) finansiert gjennom C-IPM, ERA-Net USA ICCP, Oregon State University Gjensidig vurdering av modeller og erfaringsutveksling. 31

32 SpotIT IT-solutions for user friendly IPM-tools in management of leaf spot diseases in cereals SpotIT aims to combine the benefits of a trans-national technology platform with locally adapted IT-tools to facilitate better implementation of IPM-practices in cereal production. SpotIT

33 Brukerbehov modeller VIPS SpotIT

34 Prosjektpartnere i SpotIT Samarbeidspartnere innen landbruksrådgiving SpotIT

35 VIPS skal være et lett tilgjengelig verktøy med lav brukerterskel som bønder og rådgivere har tillit til for gjennomføring av integrert plantevern i landbruket Foto: Arne Hermansen Foto: Tonje Aspeslåen, NLR Oppland

36 Takk for oppmerksomheten!