Darbības šajā tematiskajā jomā palīdzēs virzīties uz Mission Soil un ES augsnes stratēģijas 2030. gadam mērķu un uzdevumu sasniegšanu. Darbībām būtu arī jāveicina Augsnes monitoringa un noturības direktīvas īstenošana pēc tās pieņemšanas.

Paredzams, ka projektu rezultāti sniegs ieguldījumu visos turpmāk minētajos sagaidāmajos rezultātos:

• uzlabota ietekmīgu ilgtspējīgas augsnes apsaimniekošanas risinājumu un stratēģiju ieviešana, ko zemes apsaimniekotājiem nodrošina ar AI darbinātas lēmumu atbalsta sistēmas;
• ieviestas saskaņotas, standartizētas, stabilas, savietojamas un pieejamas metodes, protokoli un loģiskā arhitektūra ilgtermiņa lauka eksperimentu (LTEs) datu vākšanai un integrēšanai (tostarp ar citām datu kopām);
• zinātnieki, politikas veidotāji un zemes apsaimniekotāji iegūst uzlabotu piekļuvi visaptverošiem, augstas kvalitātes augsnes datiem, kas ļauj veikt labākus pētījumus, pieņemt pamatotus lēmumus un īstenot efektīvu zemes apsaimniekošanas praksi.

Ilgtermiņa lauka eksperimentus (LTEs) var definēt kā „lauksaimniecības eksperimentus augsnes un kultūraugu īpašību uzraudzībai mainīgos klimata apstākļos un dažādos apsaimniekošanas režīmos ar vismaz 20 gadu ilgumu”^[1],[2]. LTEs parasti pieder valsts pētniecības iestādēm vai arī tās tos pārvalda.

Ilgtermiņa lauka eksperimenti sniedz vērtīgu informāciju par augsnes veselību un ilgtspējīgas augsnes apsaimniekošanas praksēm, un tos var uzskatīt par kritisko infrastruktūru lauksaimniecības pētniecībai. Tomēr LTEs pastāv daži ierobežojumi vai vajadzības, lai maksimāli palielinātu to ietekmi.

• Ir nepieciešamas standartizētas metodes augsnes datu vākšanai un ziņošanai, lai nodrošinātu konsekvenci un salīdzināmību dažādos pētījumos un reģionos.
• Pastāv iespējas integrēt augsnes datus no ilgtermiņa lauka eksperimentiem ar citiem datu avotiem (tostarp Mission Soil projektu rezultātiem, bet ne tikai), lai sniegtu visaptverošāku izpratni par augsnes veselības dinamiku un tendencēm, kā arī reakciju uz politiku un apsaimniekošanas stratēģijām.
• Augsnes datu pieejamības un sadarbspējas uzlabošana dažādās platformās un avotos var veicināt sadarbības pētniecību un paātrināt sasniegumus augsnes veselības pārvaldībā.
• Ir nepieciešami vairāk augstas izšķirtspējas temporālo un telpisko datu, lai uztvertu īstermiņa augsnes dinamiku un specifiskas variācijas, kas var ietekmēt plašāku augsnes veselības tendenču interpretāciju.

No otras puses, neatkarīgi konsultāciju pakalpojumi par augsnes veselību zemes apsaimniekotājiem bieži saskaras ar tādiem izaicinājumiem kā ierobežota piekļuve visaptverošiem datiem, zināšanu mainīgums un nespēja sniegt pielāgotus ieteikumus, kas specifiski dažādiem vietējiem apstākļiem. Šiem pakalpojumiem var būt grūti integrēt sarežģītus un dinamiskus faktorus, kas ietekmē augsnes veselību, kā rezultātā tiek sniegti vispārīgi padomi, kas var efektīvi neatrisināt specifiskas vajadzības. Pastāv iespēja izmantot progresīvas tehnoloģijas, piemēram, mašīnmācīšanos un mākslīgo intelektu (AI), lai analizētu plašas, sarežģītas augsnes datu kopas, iegūtu nozīmīgus modeļus un izstrādātu prognozēšanas modeļus, kas var uzlabot sniegto padomu kvalitāti, uzlabot lēmumu pieņemšanu un veicināt efektīvākas, ilgtspējīgākas augsnes apsaimniekošanas prakses.

Ierosinātajām darbībām jāveic šādi uzdevumi:

• izstrādāt un ieviest standartizētus protokolus un procedūras saskaņotai augsnes datu vākšanai, nodrošinot konsekvenci un salīdzināmību no dažādiem LTEs un reģioniem visā ES un Horizon Europe asociētajās valstīs;
• izstrādāt stabilas sistēmas LTE datu integrēšanai ar citiem attiecīgiem augsnes veselības datu kopumiem, tostarp rezultātiem no Mission Soil projektiem, lai izveidotu visaptverošas augsnes veselības datubāzes;
• izstrādāt brīvpieejas un lietotājam draudzīgas sadarbspējīgas sistēmas un platformas, lai uzlabotu datu apmaiņu un pieejamību, ļaujot pētniekiem, konsultantiem, zemes apsaimniekotājiem un citām ieinteresētajām personām viegli piekļūt un izmantot visaptverošu informāciju par augsnes veselību;
• izveidot vismaz 50 LTEs tīklu, kas aptver vispārstāvētākos pedoklimatiskos reģionus ES un asociētajās valstīs, iesaistot vismaz 7 īpašnieces iestādes, lai pārbaudītu un validētu izstrādāto infrastruktūru;
• veicināt izstrādātās infrastruktūras izmantošanu plašai pēc iespējas vairāk augsnes veselībai nozīmīgu datubāžu (LTEs un citu) vākšanai un integrēšanai, piemēram, izstrādājot intuitīvas saskarnes un lietotājam draudzīgas platformas, sadarbojoties ar attiecīgām organizācijām, kas pārvalda LTEs un/vai ģenerē datu kopas, demonstrējumu projektus, atgriezeniskās saites un uzlabošanas ciklus vai apmācību un atbalsta pakalpojumus;
• izstrādāt AI vadītus rīkus integrēto datu kopu analīzei (tostarp publiski pieejamiem, piemēram, CORDIS, SoilWise repozitorijs vai repozitoriji, piemēram, Zenodo), iegūstot nozīmīgus modeļus un ģenerējot prognozēšanas modeļus, kas informē par augsnes veselības dinamiku un apsaimniekošanas stratēģijām;
• izpētīt potenciāli korelētus skaidrojošos kovariātus un to relatīvo ieguldījumu rezultātā, lai veicinātu telpisko mērogošanu un prognozēšanu datu trūcīgos reģionos un teritorijās, izmantojot iepriekš apmācītus dziļās mācīšanās modeļus;
• izstrādāt un apmācīt atvērtā pirmkoda un/vai modulārus AI komponentus, nodrošinot visaptverošu dokumentāciju un apmācības, kā arī izveidot un kopt atvērtā pirmkoda kopienas, piemēram, rīkojot hakatonus, seminārus vai tiešsaistes platformas, lai veicinātu izstrādāto modulāro AI komponentu izstrādi, kopīgošanu un integrēšanu komerciālās lietojumprogrammās zemes apsaimniekotājiem un konsultantiem, īpašu uzmanību pievēršot mazajiem ražotājiem;
• iegūt lielus datus no publiski pieejamām datubāzēm (piemēram, CORDIS, SoilWise repozitorijs vai repozitoriji, piemēram, Zenodo), lai iepriekš apmācītu dziļās mācīšanās modeļus un mākslīgā intelekta mobilās lietotnes, kas atvieglos augsnes stāvokļa novērtēšanu reāllaikā.

Projektam(-iem) ir jāīsteno daudzpusēja pieeja (multi-actor approach) un jānodrošina atbilstoša primārās ražošanas sektora un visu attiecīgo dalībnieku (zemes īpašnieku, lauksaimnieku, zinātnieku, konsultantu, vietējo/reģionālo/valsts publisko iestāžu) iesaiste visos projekta izstrādes un īstenošanas posmos. Labuma guvēji var sniegt finansiālu atbalstu trešām personām (FSTP), lai stimulētu un atbalstītu trešo pušu izstrādātājus inovatīvu AI darbinātu lietojumprogrammu izveidē vai uzlabošanā, kas sniedz pielāgotus padomus lauksaimniekiem un konsultantiem, uzlabojot augsnes apsaimniekošanas prakses un sniedzot labumu mazajiem ražotājiem.

Priekšlikumiem jābalstās uz SoilWise projekta paveikto darbu un jāsadarbojas ar EU Soil Observatory.

Priekšlikumos jāiekļauj īpašs uzdevums un atbilstoši resursi sadarbībai ar citiem Mission Soil nozīmīgiem projektiem, kas izstrādā augsnes informācijas sistēmas, jo īpaši projektu African Union Soil Observatory (AUSO), un citiem projektiem, kurus finansē citas struktūras ES, Horizon Europe asociētajās valstīs un Āfrikā, tostarp filantropiskas organizācijas. Tiek veicināta Āfrikas organizāciju dalība.

[1] Bonares_Series_2023_1_7ss0-zm41_V1.1.pdf

[2] ^{SOIL - Long-term field experiments in Germany: classification and spatial representation}