Ohjelmistokehittäjä Roland Berger ja golfalan asiantuntija Erich Steiner luennoivat lennokki- ja drone-teknologian käytöstä helmikuussa Roomassa pidetyssä eurooppalaisten golfkentänhoitajien konferenssissa.

Haasteita riittää

Haasteet golfkentänhoidossa eivät lopu ihan heti. Paikallisten haasteiden lisäksi alaan vaikuttavat lukuisat maailmanlaajuiset haasteet, kuten ilmastonmuutos, lajien monimuotoisuuden pieneneminen, energian saatavuus ja sääntely, jälleen uusi digitaalinen vallankumous, kemikaalien käytön rajoittaminen, jätteiden vähentäminen ja niin edelleen.

Lennokkiteknologia on osa kehitystä ja voi tarjota ratkaisuja edellä lueteltuihin haasteisiin. Erilaiset lennokit, kuten siivekkäät ja nelikopterit, joita saa isoina ja pieninä, kalliina ja halpoina, painavina ja kevyinä – eli ihan millaisina vain – helpottavat kentänhoitajien arkea jo nyt monella tavalla. Ainakin joissain paikoissa.

Lennokkien avulla kerätään maantieteellisiä viitetietoja, joita prosessoimalla voidaan muodostaa 3D-malleja, ortokuvia, topografisia malleja ja erilaisia laskelmia. Digitaalisesti tehdyt tutkimukset ovat käsin tehtyjä nopeampia. Kun tutkimuksiin menee käsin tehtynä kahdesta kolmeen viikkoa, saadaan samat tulokset digitaalisilla menetelmillä parissa päivässä.

Drone-kuvauskopterit muistavat kuvata jokaisen kohdan alueelta, kun ihmiskuvaajalta voi unohtua jokin yksittäinen ja pieni mutta oleellinen kohta. Dronen avulla pystyy myös näkemään asioita, joita ei näe paljaalla silmällä.

Digitaalisesti luotujen kuvien, kuten 3D-mallien, avulla voidaan esimerkiksi visualisoida suunniteltuja muutostöitä paremmin. Osakkaan tai muun päättäjän on helpompi ymmärtää, mistä on kyse, jos pääsee tutustumaan master planiin kolmiulotteisesti vaikkapa ”seisomalla” ykköstiillä.

Monitasoisia PDF-ortokuvia voidaan käyttää suunnittelun taustatukena. Niiden avulla on helpompi kommunikoida ihmisten kanssa. Topografian avulla voidaan puolestaan vaikkapa kartoittaa kentän kuivatusjärjestelmä.

Tarkkuutta lennokeilla

Miksi lennokkeja ja drone-teknologiaa sitten käytetään golfkentillä – eivätkö satelliitit kelpaa? Maan ilmakehässä tosiaan pyörii lukuisia satelliitteja, joilla ihmiset tarkkailevat Maata. Esimerkiksi Euroopan avaruusjärjestön ESA:n RapidEye tekee RGB- ja infrapunamittausta.

Satelliitit ovat hieman liian järeitä golfkenttien tarkkuusvaatimuksille. Droneilla saadaan sen sijaan tarkempia ja yksityiskohtaisempia kuvia halutuilta alueilta. Erikoiskameroita hyödyntämällä voidaan kentästä ottaa muun muassa lämpökuvia ja suodattaa erimittaisia valoaaltoja. Esimerkiksi NIR-teknologialla (Near Infrared) voidaan havaita terveiden ja sairaiden lehtien pinnasta heijastuvat värierot, ja tunnistaa näin, mitkä kasvit ovat kunnossa ja mitkä kaipaavat ehkä ylimääräistä hoitoa. Myös eri kasvit heijastavat erilaisia infra-värejä, joten kasvin voi tunnistaa lehden heijastaman värin perusteella.

Kuulostaa hienolta, mutta entä sitten? Kuka tahansa pystyy tunnistamaan kuusen siitä heijastuvan valon perusteella: kaikki näkeminenhän on valon näkemistä. Dronen avulla tunnistetut erilaiset värit ovat kuitenkin vähän eri asia. Dronen avulla voidaan tunnistaa, missä kohdassa kenttää kasvaa poikkeuksellisen paljon haitallisia kasveja tai muita sellaisia kasveja, joita ei alueelle haluta. Ihmisen voi olla vaikeaa – tai ainakin hidasta – tunnistaa kasveja koko kentän alueelta riittävällä tarkkuudella, mutta dronen avulla nähdään, missä kasvusto on lähiympäristöönsä verrattuna poikkeavaa ja se voidaan käydä omin silmin ja muin aistielimin varmistamassa.

Datan kerääminen on toki kivaa, mutta sen käyttö voi olla haastavaa, samoin kommunikointi siitä – ja sen avulla. Viimeistään tässä kohdassa kentänhoitajan ammattitaito astuu kuvaan: jotain pitäisi tehdä dronejen raportoimien poikkeamien suhteen. Kentänhoitaja myös saa helpotusta hoidettavien alueiden määrittelyyn ja työreittien optimointiin. Tärkeää on kuitenkin myös tuntea ja muistaa oman alueen lainsäädäntö ennen kuin lähtee lentelemään naapuruston yhteisessä ilmatilassa.

Drone-teknologian ja kameroiden hyödyntämisen tärkein tavoite on analysoida kasvien terveellisyyttä. Sensoreiden ja taulukoiden yhdistelmällä pystyy tunnistamaan taudit ja puutteet ajoissa. Tällöin voidaan reagoida ajoissa ja vahvistaa kasvia sen sijaan, että reagoitaisiin jälkikäteen erilaisilla kasvinsuojelu- ja torjunta-aineilla.

Erilaisia mittaustapoja

NDVI (Normalized Difference Vegetation Index) mittaa kasvin voimaa, eroavaisuuksia pintaveden saatavuudessa, lehtien ravinnesisältöä, kasvun potentiaalia ja kasviston kattavuutta. NDVI erottaa tehokkaasti kasvillisuuden kasvittomasta maaperästä ja mittaa alueiden kasvillisuuden kattavuutta ajan myötä.

NDRE (Normalized Difference Red Edge) mittaa klorofyllin eli lehtivihreän määrää lehdessä, kasvin voimaa, lannoitteen tarvetta ja typen käsittelykykyä sekä tunnistaa kasvin stressin. Kuva voi näyttää esimerkiksi hyvin tarkasti kentän eri alueiden lannoitteen tarpeen, jolloin lannoitetta ei tarvitse levittää muualle, kuin missä sitä oikeasti tarvitaan.

OSAVI:a (Optimized Soil-Adjusted Vegetation Index) käytetään muun muassa lehtivihreän rakenteelliseen tunnistamiseen ja se toimii parhaiten harvaan kasvavilla alueilla. OSAVI tarjoaa tarkempaa dataa joillain sellaisilla kasvien peittävyyttä mittaavilla alueilla, joissa NDVI saturoituu.

Klorofyllikartan avulla voidaan havaita kasvien stressi, tunnistaa voimakkaat ja terveet kasvit ja arvioida lehtivihreän määrä. Sen avulla voidaan myös arvioida typen määrä, jos tiedetään, että typpeä on rajallisesti.

CIR-yhdistelmä (Color Infrared) arvioi kasvin terveellisyyttä ja maaperän koostumusta, tunnistaa vesistöalueet sekä vaihtelut maaperän kosteudessa ja saattaa jopa tunnistaa kasvilajin. CIR-yhdistelmä hyödyntää NIR:iä (Near Infrared) ja vihreitä väriaaltoja.

Mitä voidaan mitata?

Erilaisten lennokkien ja kameroiden avulla voidaan mitata ja arvioida kasvin elinvoimaa ja terveellisyyttä. Tällä tarkoitetaan muun muassa kasvin stressiä ja ongelmien varhaista havaitsemista.

Kameroiden ja muiden laitteiden ja ohjelmistojen avulla voidaan mitata lehtivihreätasoja sekä typen ja fosforin määrää lehdissä. Näin voidaan selvittää ravinteiden tarve. Myös lehtien kosteustason selvittämisessä voidaan hyödyntää drone-teknologiaa, samoin kasvien saatavilla olevien vesistöjen ja kosteiden alueiden tunnistamisessa. Apua saadaan myös maaperän rakenteen määrittelemiseen.

On muistettava, että kaikkea pitää hallita maan tasalla. Mittaukset kertovat, onko kaikki kunnossa vai onko kasveilla joitain ongelmia. Ne eivät kuitenkaan vielä pysty kertomaan, mikä kasveissa on vikana.

Esimerkkejä mittausten hyödyntämisestä

NDVI:n avulla voidaan tarkastaa kastelujärjestelmän tehokkuus ja siten päästä kestävämpään veden käyttöön, kun tunnistetaan tarkemmin kastelua tarvitsevat alueet. Samalla päästään myös pienentämään kastelusta aiheutuvia kuluja. NDVI:n avulla pystytään tarkkailemaan sadettimien suorituskykyä ja säätää mittausten perusteella niiden asetuksia. Näin pystytään tunnistamaan aikaisessa vaiheessa esimerkiksi kuivumassa olevat alueet ja säätää sadettimet uudelleen tarkemmin. NDVI-kuva voi näyttää esimerkiksi kastelun riittämättömyyden tai sadettimien epäsäännöllisen päällekkäisyyden.

NDVI:iä voidaan hyödyntää myös kasvin terveydentilan ja stressin tunnistamisessa. Monispektriset sensorit analysoivat ilmakuvia ja tunnistavat ongelma-alueet ennen kuin ihmissilmä pystyy tunnistamaan ne.

Drone- ja moni muu teknologia on jo nyt suurena apuna monen kenttämestarin työtä. Emme vielä varmasti edes pysty kuvittelemaan, mihin kaikkeen vaikkapa erilaisilla kameroihin perustuvilla mittareilla päästään. Kun mittaukset a analysointi automatisoidaan ja yhdistetään automatiikkaa hyödyntäviin leikkureihin, ruiskuihin ja muihin laitteisiin, ollaan aika erilaisessa maailmassa kuin nyt. ”Duunari”-kentänhoitaja voi jäädä aika nopeasti jalkoihin, jos ei päivitä omaa osaamistaan vastaamaan nykyisen ja tulevan teknologian vaatimuksia.

Hoidetaanko golfkenttiä jatkossa vain toimistosta käsin? Tuskin sentään kokonaan, mutta varmasti enemmän kuin on totuttu.

Kuvat kuvituskuvia. Lähde: Pixabay