Mustikkaan.fi-sivusto ennustaa mustikkasadon kypsymisen

Kuluva kevät on ollut muutamaan edellisvuoteen verrattuna selvästi viileämpi Suomessa, ja erityisesti huhtikuu oli suorastaan kylmä. Vaikuttaako myöhäinen kevät siihen, kuinka tarkasti voimme arvioida mustikan kukinnan ja marjojen kypsymisen?
Tässä kirjoituksessa esittelen alun perin Innofactorin Hackathon-tilaisuudessa keväällä 2018 kehitetyn mallin, jonka avulla voidaan ennustaa mustikan kukinnan ja sen marjojen kypsymisen ajankohta eri paikkakunnille. Malli on tietääksemme ensimmäinen laatuaan, jossa mustikkasadon ajoittumista ennustetaan säätietojen perusteella.
Monet kasvien vuosirytmin ilmiöt riippuvat lämpötilasta, minkä vuoksi myös mustikkasatoa ennustava mallimme perustuu lämpösumman laskentaan. Periaatteessa malli on yksinkertainen, sillä sen määrittelee vain kolme parametria: päivittäisiä keskilämpötiloja summataan paikkakunnittain alkaen tietystä päivästä keväällä, ja kun tuo lämpösumma ylittää ennalta arvioidun kynnysarvon, malli ennustaa kukinnan alkavaksi tai marjat kypsyviksi. Laskenta tehdään paikallisten säähavaintojen perusteella, jotta eri paikkakunnille saadaan eri arviot vuosirytmi-ilmiöiden ajoittumiselle.
Mallia tulkittaessa on syytä pitää mielessä, että se kuvastaa kasvin rakenteen monimutkaisia biokemiallisia ja kasvullisia mekanismeja, jotka eivät ole suoraan mitattavissa. Tässä mielessä mallia voisi kuvailla eräänlaiseksi mustaksi laatikoksi. Lisäksi mallin parametrit ovat korreloituneita, minkä vuoksi niiden arvioiminen on hankalaa. Useat erilaiset parametriyhdistelmät antavat suurin piirtein yhtä hyvän mallin.
Tämä parametrien korrelaatio tekee niiden arvojen määrittämisen hankalaksi. Kuvassa 1 havainnollistan parametrien suhdetta toisiinsa.
Kuva 1: Ennustemallin parametrien keskinäinen riippuvuus.
Kuvan 1 pystysuora akseli havainnollistaa mallin ennustevirhettä siten, että mitä korkeammalla taso on, sen pienempi on mallin ennustevirhe. Vaakasuorilla akseleilla on mallin aloituspäivä (päivien lukumäärä uudenvuoden päivästä asteikolla 80–130) ja mallin lämpösumman kynnysarvo kukinnalle (asteikolla 100–240). Optimipisteen ympäristössä malli on ”laakea”, ja optimipisteen (pinnan huippu) ympärillä on viisto ”harjanne”. Kun molempien parametrien arvoja muutetaan sopivasti suhteessa toisiinsa, mallin sovitus pysyy lähes yhtä hyvänä. Tällaisella aineistolla malli on herkkä poikkeuksellisille havaintopisteille: jos opetusaineistossa olisi edes muutama aikainen kevät mukana, mallin optimi siirtyisi harjannetta pitkin vasemmalle.
Mustikan kukinnan ennustaminen mallin avulla on marjan kypsymistä epäluotettavampaa, sillä lämpötilan lisäksi mahdollinen lumipeite ja sen paksuus vaikuttavat kevätrytmiin ja siten varpukasvien kukintaan merkittävästi. Lumipeitteen paksuus voi vaihdella pienelläkin alueella huomattavan paljon. Paikallinen vaihtelu aiheuttaakin omat haasteensa kukinnan ennustamiselle, sillä malli lasketaan 10x10 km:n hilassa. Näin isoille ruuduille malli antaa pikemminkin keskiarvon kuin aikaisemman tapahtuman.
Kukinnan osalta ennustetarkkuutta voisi yrittää parantaa lisäämällä säämalliin lumipeitteen paksuutta ennustavan elementin. Nykyisen mallin ensisijaisena tavoitteena on kuitenkin ennustaa marjasadon kypsymistä, mikä onnistuu mainiosti pelkän lämpötilankin avulla.
Nähtäväksi jää, minkälaisen mustikkasadon saamme tänä vuonna. Käy kuitenkin ihmeessä tarkistamassa omien mustikka-apajiesi ennuste sivustoltamme mustikkaan.fi.
Verkkosivuillamme voit tutustua analytiikkaosaamiseemme tarkemmin sekä katsoa, kuinka asiakkaamme ovat hyötyneet kehittyneen analytiikan ja BI:n ratkaisuistamme.

Lisätietoja
Tagit
Liiketoimintaprosessi
![]() |
BI ja raportointi |
Erikoisosaaminen
![]() |
Analytiikka |
Teknologia
![]() |
Microsoft |
Omat tagit
Innofactor - Asiantuntijat ja yhteyshenkilöt
Innofactor - Muita referenssejä
Innofactor - Muita bloggauksia
It- ja ohjelmistoalan työpaikat
- Rekrytointi.com - M-Files pääkäyttäjä
- Rekrytointi.com - ICT-järjestelmänasiantuntija, Lahti
- Epec Oy - Ostaja
- Rekrytointi.com - Kehityspäällikkö, Partner Customer Platforms
- Exove - Oletko sinä uusi Node.js Developer Exoven tiimiin?
- Digia Oyj - Junior konsultti – Career Compass 2024
- Digia Oyj - Junior ohjelmistokehittäjä – Career Compass 2024
Premium-asiakkaiden viimeisimmät referenssit
- Verkkovaraani Oy - Graafinen ilme ja WordPress-sivut Väylän Kaihtimelle
- Maxtech - Helppo työajanseuranta laittaa laskutussavotan halki, poikki ja pinoon
- Druid Oy - Veikkauksen sisällönhallintajärjestelmän uudistusprojekti
- TaxDome - Tilitoimisto Smart Office valitisi TaxDomen Toiminnanohjausohjelmiston
- Aveso Oy - Case Vantaan Energia – Modernit työkalut ja menetelmät tehostamaan master datan hallintaa
- Innofactor Oyj - Auditointi toi Digitan HR-ratkaisun kehityskohteet päivänvaloon
- Codemate - Cost-effective and high-quality wireless condition monitoring
Tapahtumat & webinaarit
- 12.12.2023 - NetSuite for Dummies – Understanding the Basics
- 18.12.2023 - TaxDome Demo: Toiminnanohjausohjelmisto Tilitoimistoille
- 21.12.2023 - TaxDome Demo: Toiminnanohjausohjelmisto Tilitoimistoille
- 27.12.2023 - TaxDome Demo: Toiminnanohjausohjelmisto Tilitoimistoille
Premium-asiakkaiden viimeisimmät bloggaukset
- Staria Oyj - Matkalla pörssiin: liiketoimintadata ja raportointi kuntoon ASAP
- IsoSkills Oy - The Pros and Cons of Combining External Software Development with Internal QA Teams
- Innofactor Oyj - Innofactor GPT Agents: turvallinen alusta räätälöidyille GPT-apureille
- Vaimo Finland Oy - CDP ja asiakaspolun analytiikka
- Innofactor Oyj - Onko generatiivinen AI ehtinyt vielä rantautua suomalaisyrityksiin?
- Staria Oyj - NetSuite on kokonaisvaltainen liiketoiminta-alusta valmistaville yrityksille
- Mepco Total - Accountor HR Solutions Oy - Palkka-avoimuus tulee – oletko valmis?
![]() |
Digitalisaatio & innovaatiot blogimediaBlogimediamme käsittelee tulevaisuuden liiketoimintaa, digitaalisia innovaatioita ja internet-ajan ilmiöitä |