Satellitbilder och AI spårade höjning av kolhalten
Med hjälp av jordprover och en AI-modell som tränat på satellitbilder av de aktuella fälten går det att spåra förändringar av kolhalten i matjorden. Det konstaterar franska och italienska forskare. Och de visar samtidigt att kolhalten ökade där conservation agriculture tillämpas.
Behovet av att mäta kolhalt och kolmängd i jorden ökar i takt med att intresset för markhälsa ökar men även på grund av till exempel krav från EU med markdirektivet. Att ta jordprov och analysera på laboratorium har fördelar men tar tid och kostar pengar. Därför pågår ett utvecklingsarbete för att hitta nya metoder. Franska och italienska forskare provade att kombinera jordprover, satellitbilder och AI för att mäta förändring i kolhalt i matjorden. De jämförde fält som odlades konventionellt med sådana som odlades med så kallad conservation agriculture (CA).
Jordprover från 922 fält
Mellan 2020 och 2022 tog forskarna jordprover på 922 fält i Frankrike och norra Italien till 20 cm djup. Proverna på de enskilda fälten bestod av ett samlingsprov med fem delprov som de tog inom en radie på fem meter och det motsvarar en pixel från satelliten Sentinel 2. De analyserade kolhalten och därefter fick AI träna på sambandet mellan färgen och reflektansen i den. Det var bara jordytan som fångades i satellitbilden och kolhalten i jordprovet från respektive fält.
Kriterierna för att välja ut fälten som odlas med CA var att de ska ha en femårig växtföljd och inkludera minst tre olika grödor, varav en måste vara en baljväxt. En fyraårig växtföljd var istället aktuell om gröngödsel och fånggrödor odlas. Det ska också finnas permanenta eller tillfälliga gräsremsor som täcker minst tre procent av fältet och att även minimerad jordbearbetning ska användas. De konventionella fälten var i medeltal 8,9 hektar och CA-fälten 7,5 hektar.
Mer kol i matjorden med conservation agriculture
Forskarna beräknade förändringen i kolhalt över femårsperioden för 96 fält, 48 från vardera odlingsformen. Det visade att för 58 procent av CA-fälten ökade kolhalten, för 35 procent minskade den och för 6 procent visade den ingen säkerställd förändring. För de konventionella fälten visade kolhalten i medeltal ingen säkerställd förändring. Med den modell som forskarna utvecklat och tränat på faktiska jordprover var den genomsnittliga kolhaltsökningen 0,19 gram per kg jord och år. För att bedöma hur bra modellen är testades den också mot data från EU:s insamling av jordprover - LUCAS. Modellen visade god förmåga att uppskatta markens kolhalt, med ett prognosfel på ungefär 18–21 procent.
Felkällor
Forskarna menar att metoden med satellitbilder och att AI tränar mot faktiska jordprover fungerar för att spåra förändringar i kolhalt i matjorden. Men metoden har sina begränsningar och en av dem är vädret. Ju molnigare det är desto färre användbara bilder finns att träna mot. Det kan kanske vara ett ännu större problem i molniga länder som Sverige jämfört med Italien och Frankrike. För Frankrike noterar forskarna att skillnaden i förändring i kolhalt mellan de båda odlingsformerna var lägre än i Italien. Det kan bero på att allt fler franska lantbrukare odlar fånggröda eller bearbetar mindre men klassas ändå som konventionella.
Forskarna resonerar om realismen i en kolhaltsökning som den framtagna modellen beräknat för CA-fälten. Det går inte räkna om till kg kol per hektar eftersom de inte anger jordprovernas bulkdensitet. Omräknat till svenska förhållanden med en spännvidd på bulkdensitet på exempelvis 1,25 till 1,6 ton per m3 skulle kolhaltsökningen motsvara cirka 500 till 600 kg kol per hektar och år till 20 cm djup. Det är ganska högt i jämförelse med ofta använda svenska siffror på att en väletablerad fånggröda eller en flerårig slåttervall lagrar in 300 respektive 500 kg kol per hektar och år.
Text: Markus Hoffmann
