Nulägesbeskrivning ver. 1.0 (rapport, pdf-fil) - FältForsk

advertisement
Utredning gällande databaser vid NL-fakulteten SLU;
Inst. f. markvetenskap, Inst. f. växtproduktionsekologi,
Inst. f. ekologi.
Delprojekt 1- Nulägesbeskrivning
Version 1.0
2008-03-30
Leif Hallbäcken, SLU Miljödata
Andreas Hägglund, Systemvaruhuset AB
2
Versionshistorik
Vers. nr
0.2
0.3
0.4-0.9
1.0
Beskrivning
Grundversion
Komplettering efter
synpunkter från Andreas
Hagglund.
Komplettering efter
synpunkter från Torgny
Wiederholm. Uppdatering
av intervjuresultat
(Bilagor),
slutsatser/sammanfattning,
tabeller och figurer.
Rapport till beställare
Datum
080313
080323
Namn
Leif Hallbäcken
LH
080328
LH
080330
LH
3
Innehåll
Förord ......................................................................................................................................... 4
Sammanfattning ......................................................................................................................... 5
1. Bakgrund ................................................................................................................................ 6
2. Syfte ....................................................................................................................................... 6
3. Genomförande........................................................................................................................ 7
4. Medverkande.......................................................................................................................... 8
5. Resultat................................................................................................................................... 9
5.1. Omfattning och innehåll.................................................................................................. 9
5.2. Beskrivning ..................................................................................................................... 9
5.2.1. När skapas information?........................................................................................... 9
5.2.2. Var och hur hanteras och lagras information? ....................................................... 11
5.2.3. Vad karaktäriserar informationens struktur?.......................................................... 15
5.3. Tillgänglighet och användning...................................................................................... 17
5.4. Förvaltning .................................................................................................................... 19
5.5. Säkerhet......................................................................................................................... 19
6. Slutsatser .............................................................................................................................. 21
7. Referenser............................................................................................................................. 22
8. Bilagor.................................................................................................................................. 23
4
Förord
De försöksverksamheter som denna genomgång avser genererar ett digert datamaterial. De
kommentarer och exempel på brister och problem i datahanteringen som lyfts fram i
rapporten ska inte tolkas som personlig kritik av de som svarar för den operativa
verksamheten där många olika roller axlas av ett fåtal personer. Tvärtom visar den
öppenhet som utredningen mött på en stark vilja att medverka till förbättringar för att
åstadkomma en effektiv och kvalitetssäker datahantering. Utan det aktiva och positiva
deltagande projektets medverkande uppvisat i arbetet hade framtagningen av denna
nulägesbeskrivning inte varit möjlig.
5
Sammanfattning
Utredningen ger en nulägesbeskrivning av databaser och datahantering för fyra
försöksverksamheter inom NL-fakulteten vid SLU. Resultatet baseras på genomförda
intervjuer och gemensam modellering med försöks- och dataansvariga för Fältforskningsdatabas, Växtnäringsdatabas, Utlakningsdatabas och Växtskyddsdatabas och kan
sammanfattas i följande punkter:
•
Ägarskapet för data upplevs som otydligt i en del fall.
•
Riktlinjer för datahantering och förvaltning saknas ofta.
•
Starkt personberoende karaktäriserar datahanteringen i samtliga
verksamheter.
•
Datahanteringen för de fyra försöksverksamheterna omfattar totalt ett 50-tal
datasamlingar i sex olika databastyper.
•
Val av databastyp styrs i stor utsträckning av ansvarigas erfarenhet samt av
tillgängliga program för presentation och/eller bearbetning av data och i
mindre utsträckning av gemensam förvaltningspolicy.
•
Spårbarhet av genomförda ändringar och uppdateringar av data samt hur
beräkningar utförts kan säkras om dokumentation och versionshantering
utförs i större omfattning. I motsvarande grad minskas då också visst
personberoende.
•
Användning av olika datasamlingar för en och samma datakedja innebär risk
för dubbellagring av information och därmed ökad svårighet att hålla samtlig
information uppdaterad.
•
Det förekommer betydande mångfald i stavning och syntax för identiska
variabler mellan och inom verksamheterna vilket gör det besvärligt att göra
en enhetlig sökning i de olika datalagren.
•
Unik information på CD-media säkras inte genomgående genom tillförlitlig
förvaltning t.ex. genom kopior eller förvaring i arkiv.
•
Säkerhetsuppdateringar görs efter olika rutiner beroende på om IT-enheten
eller institutionerna själva står för IT-stödet till verksamheterna. Spriding av
datasamlingar för en och samma verksamhet på olika lagringsplatser medför
risk för att datahantering görs i teknisk miljö som är uppdaterad i olika grad.
•
Servrar för fillagring och backup finns placerade i rum som ursprungligen ej
varit avsedda för detta och som också används för andra ändamål, t.ex.
förvaring av publikationer. Mindre åtgärder avseende tillgänglighetsskydd
och brand- och kraftskydd kan göras i vissa serverutrymmen.
6
1. Bakgrund
En bakgrund till projektet ges i uppdragsbeskrivningen av beställare Barbara Ekbom (NLfak):
En av rekommendationerna från utvärderingen av fakultetens långliggande försök (5.6) var
att man skulle se över databaserna som innehåller data från försöken. En möjlig integrering
med S-faks databas för långliggande försök skulle diskuteras.
Fältforsk diskuterar införandet av en ny databas, vilket gör att det brådskar med översynen.
Fältforsk undersöker möjligheter att köpa in ett system från Danmark. Dessutom finns det
växtskyddsprognos- och väderdatabaser vid Inst. f. ekologi.
Alla dessa databaser innehåller information som är av stort värde för forskning.
Informationen kan användas både i modeller som simulerar framtidsscenarios och i
statistiska analyser för att utforska faktorer som driver systemen.
För att kunna bättre utnyttja, utveckla och visa upp informationen i alla dessa databaser är
det nödvändigt att inleda en diskussion om form och innehåll.
Jag vill föreslå en kartläggning av databaserna som finns inom verksamheten gällande
långliggande försök, fältforskning och prognos vid Inst. f. markvetenskap, Inst. f.
växtproduktionsekologi, Inst. f. ekologi.
Jag är medveten om att det finns flera databaser inom NL fakulteten och SLU. Avsikten är att,
efter kartläggning inom ovan nämnda grupp, fortsätta med en genomgång av andra
databaser inom fakulteten. Vi behöver ett underlag om databaserna innan vi kan diskutera
samordningsvinster och framtidsanvändning.
2. Syfte
Utredningen kommer att genomföras i tre steg. Denna rapport behandlar resultat av delprojekt
1 nedan.
Delprojekt 1 - Ta fram en beskrivning av databaserna – en nulägesanalys.
Denna fas omfattar punkter enligt nedan i uppdragsbeskrivningen med syfte att ta fram
en grundläggande beskrivning av databaserna:
-
Beskriva de databaser som innehåller information om långliggande försök,
fältforskning och prognos vid Inst. f. markvetenskap (Växtnäringsdatabas,
Utlakningsdatabas), Inst. f. växtproduktionsekologi (FältForskningsdatabas), Inst.
f. ekologi (Växtskyddsdatabas).
-
Beskrivningen ska innehålla information om försöksupplägg, variabler som sparas
i databaserna samt den tekniska utformningen av databaserna.
7
Delprojekt 2 - Genomföra en värdering av databaserna.
Denna fas omfattar i princip följande punkter i uppdragsbeskrivningen:
-
att bedöma värdet av databaserna för att tillhandahålla information till 1)
utförare, 2) användare som a) deltar eller är intressent i försökens utförande, b)
vill ta del av de färdiga resultaten, 3) forskare som ansvarar för både planering
och bearbetning av resultaten,
-
att belysa möjligheterna till överföring av data till andra program (t.ex.
simuleringsmodeller, statistiska paket),
-
att beskriva begränsningar i nuvarande databasers användbarhet.
Delprojekt 3 - Definiera en handlingsplan.
En handlingsplan tas fram med förslag till åtgärder med utgångspunkt från resultaten
från steg 1 och 2.
3. Genomförande
Genomförandet beskrivs i projektplan enligt följande:
Delprojekt 1
Informationsinhämtning görs i huvudsak genom intervjuer med databas- och
serveransvariga samt viss annan teknisk personal och genom att läsa befintlig skriftlig
dokumentation. Ett underlag för intervjuerna tas fram inledningsvis där konkreta
frågor formuleras som belyser följande aspekter: innehåll och miljö, förvaltning,
tillänglighet och användning samt säkerhet. En översiktlig informationsmodell tas
fram som beskriver databasernas variabelinnehåll. Detta arbete görs bl.a. som en
gemensam aktivitet med alla datasansvariga och leds av konsult.
Resultat utgörs av skriftlig rapport inkl. informationsmodell. Utifrån detta underlag
ska det vara möjligt att bygga en metadatabas samt erhålla tillräckligt underlag för
analys i nästa fas.
De frågor som intervjuerna omfattat framgår av Bilaga 8.1. Utformningen av frågorna har
gjorts med beaktande av det arbete som för närvarande pågår inom SLU att identifiera och
etablera rutiner för säker och tillförlitlig hantering, förvaltning och arkivering av data. Hänsyn
har tagits också till krav på styrning och kvalitetssäkring i denna hantering från externa
intressenter som är beställare eller användare av undersökningar och datalagring hos SLU.
Underlaget till intervjuerna har sålunda bl.a. baserats på delar av rapporter, mallar och
riktlinjer för datahantering och säkerhet (Bellander, 2003), förvaltning (Bejard, 2006;
Åkesson, 2005a,b) och arkivering (Arovelius, 2005; Berkesand & Engelmann, 2007).
Genomförandet av intervjuer och informationsmodellering har genomförts planenligt. Under
arbetets gång har det framgått att data genereras och omarbetas och/eller kompletteras på
olika sätt under hanteringen. Var i denna kedja olika information skapas och lagras bedömdes
8
därför vara viktigt att belysa närmare. Detta särskilt med tanke på att det i följande delprojekt
ska göras en bedömning av hur informationen används och vilka begränsningar eller
möjligheter som följer av nuvarande lagring. En enkel processbeskrivning av
datahanteringens olika faser togs därför fram. En fördjupning har också gjorts genom att
teckna ner de olika roller de medverkande identifierar som viktiga under datahanteringen
(aktör/intressentmodell) samt de mål de själva ser med verksamheten (målmodell).
4. Medverkande
Namn
Institution el. motsv.
Roll
Helena Aronsson
Markvetenskap/
Vattenvårdslära
Växtproduktionsekologi
DB-ansvarig
Växtproduktionsekologi
DB-ansvarig
Markvetenskap/
Växtnäringslära
Inst för ekologi/entomologi
DB-ansvarig
Gunnar
Torstensson
Annhild
Andersson
Ragnar Persson
Markvetenskap/
Vattenvårdslära
Inst för ekologi/entomologi
DB-ansvarig
Markvetenskap
Lab-ass,
datahantering
Serveransvarig
Sven Småårs
Biometri
Serveransvarig
Leif Hallbäcken
SLU Miljödata
Projektledning,
utredare och
rapportör
Modelleringsledare,
metodstöd och
kvalitetsäkring
Göran Bergkvist
Torbjörn
Leuchovius
Lennart Mattson
Roland Sigvald
Andreas Hägglund Systemvaruhuset AB
DB-ansvarig
DB-ansvarig
Databas
(förkortning)
Utlakning (UTDB)
Fältforskning
(FFDB)
Fältforskning
(FFDB)
Växtnäring
(VNDB)
Växtskydd
(VTBD)
Utlakning
(UTDB)
Växtskydd
(VSBD)
Växtnäring
(VNDB),
Utlakning (UTDB)
Fältforskning
(FFDB)
9
5. Resultat
5.1. Omfattning och innehåll
I följande avsnitt ges en översikt och analys av de medverkandes svar i intervjuerna.
Sammanställningen är gjord med fokus att belysa likheter och olikheter mellan databaserna
eller datahanteringen. För detaljerade resultat hänvisas till Bilaga 8.1
Material från fyra verksamheter omfattas av databaserna: Fältforskningsdatabas (FFDB),
Växtnäringsdatabas (VNDB), Utlakningsdatabas (UTDB) och Växtskyddsdatabas (VTDB). I
praktiken innebär det att ett flertal datalager ingår i varje försöksverksamhet. Genomgången
visar att de olika databaserna omfattar ca 20 ämnesmässigt olika typer av data eller försök
(Tabell 1). Totalt omfattar materialet ca 30 000 försök. I FFDB finns ytterligare försök
avseende svamp och skadedjur, jordbearbetning och hydroteknik samt Norrländsk växtodling,
vilka inte ingått i denna utredning.
Inledningsvis ges nedan en beskrivning av de olika delar i försöksverksamheten där
information skapas eller används.
5.2. Beskrivning
5.2.1. När skapas information?
I försöksverksamheten finns ett antal olika faser där data samlas in eller transformeras och
bearbetas för olika behov. Detta kan schematiskt beskrivas i ett antal olika processer (Figur
1). I varje process läses data/information till eller ifrån ett informationslager. Detta lager kan
bestå av datafiler, databaser eller textinformation i pappersdokument. De viktigaste
processerna där data genereras eller används är i processerna ’Samla in data’ och ’Redovisa
och bearbeta data’. I Bilaga 8.2 redovisas närmare vilken typ av information som genereras
eller används i respektive process (exkl. processen ’Förvalta data’).
analysis Försöksverksamhet
Starta projekt
(8 objekt)
Samla in data
(35 objekt)
Dokumentera
data
Redovisa och
bearbeta data
(7 objekt)
Förvalta data
Kvalitetssäkra
data (11 objekt)
Figur 1. Processer i försöksverksamheten där informationsobjekt genereras eller används.
Modellen är inte fullständigt genomarbetad.
10
Tabell 1. Databasernas omfattning.
Databas/Verksamhet
Datasamling eller indelning av
databas
Fältforskningsdatabas
Växtföljder/odlingssystem,
Vall/Sortprovning (S. Sverige),
Öppna grödor (del S. Sverige)
Vall/Sortprovning (N. Sverige)
Ogräs
Öppna grödor (del S. Sverige)
Öppna grödor (N. Sverige)
Ekhaga/ Växtföljdsförsök?
Växtnäringsdatabas
Utlakningsdatabas
Växtskyddsdatabas
Antal unika
försöksregistreringar i
databasen*
14 000
Ingår ovan.
Se nedan.
Ingår ovan.
1 100
18 000
Ingår ovan
Antal
egentliga
fältförsök
4700**
Ingår ovan.
Se nedan.
Ingår ovan.
900
17 000
Ingår ovan
6?
Växtnäringsförsök
7- 9 000
N-försök (korn, höstvete)
Sortförsök (korn, havre)
-
5-7000***
(varav 35st
långliggande)
1755
1409
L:a Böslid
Mellby1
Mellby2
Mellby3
Fotegården
Lönnstorp
Lanna (LED, LAD)
Lanna (BLD)
Öllöv
Bornsjön
Klimatdata (Lanna;LAVA)
(rådata)
Klimatdata (Mellby, Lanna)
(bearbetad)
1
1
2
1
1
1
3
1
1
1
-
Bladlus/ Skåne
Bladlus/ Alnarp
Bladlus/ Kalmar
Bladlus/ Växjö
Bladlus/ Kolbäck
(Östgötaslätten)
Bladlus/ Lanna
Bladlus/ Ultuna
Bladlus/ Umeå
Bladlus/ Luleå
Bladlus/ Gotland
Bladlus/ St Petersburg
Fritfluga
Bomullsmögel
Stråknäckare
Rapsjordloppa
Potatisvirus
Väderdata
1
1
1
1
1
-
1
1
1
1
1
1
10-35
700
?
40-60/år
?
70 stn +120
gridpkt.
Ekhaga
6?
* I verksamheter som använder FältForskningens datasystem (med datalager i SuperBase) registreras varje
årsmätning som ett nytt försök (ADB-nummer), dvs. tidseriedata från ett och samma långliggande försök har
flera unika identiteter över tid. ** tillkommer ca 700 försök/år; VPE:s långliggande försök ingår i denna
databas; ***tillkommer ca 150 försök/år).
? information ej tillgänglig.
11
5.2.2. Var och hur hanteras och lagras information?
Uttryckt i termer av antal databaser eller datasamlingar omsluter verksamheterna ca 40
stycken datalager med grunddata. Från dessa skapas ett ytterligare antal under
datahanteringsprocesserna för olika syften t.ex. beräkning, sammanställning och presentation.
Detta gör att totalt för de fyra verksamhetsområdena hanteras ett 50-tal datasamlingar. För
datalagring utnyttjas sex olika databastyper: Excel, Access, SuperBase, SAS, 4D och SQLServer. I Tabell 2 ges en översikt av hur data lagras under processerna från insamling av data
till det att databaserna/datalagren är etablerade och förvaltas för framtiden. Av tabellen
framgår också förekomsten av ej datalagt material.
Fältforskningens system (FFDB) för datahantering tillgodoser många krav som
försöksverksamheten ställer under de olika datahanteringsprocesserna vad gäller t.ex.
försökplanering, hantering och bearbetning av data. Systemet utnyttjas av flera olika
verksamheter dels inom enskilda institutioner dels av andra institutioner inom SLU samt av
användare utanför SLU. Användaren installerar systemet oftast lokalt, vilket förklarar att en
typ av datamaterial kan finnas i olika databaser om det är så att flera personer arbetar med
olika delar av materialet. FFDB-systemet utnyttjas för registrering av grunddata i VNDB.
Datamaterial i de lokala installationerna läses någon gång per år över till en gemensam
arkivserver.
Behov att göra beräkningar, sammanställningar av resultat, analyser och presentation löses
något olika för verksamheterna. Under datahanteringsprocessen genereras och används därför
ett antal olika datasamlingar och media (Tabell 2). Informationsobjekt/data som av
verksamheten anses finnas i en i databas kan således finnas i olika datasamlingar. FFDB (med
SuperBase databaser) används för hela kedjan utom för sökning och presentation av resultat
på internet. En särskild webbtjänst med egen databas (SQL Server 2005) och webbapplikation
(ColdFusion) utnyttjas för detta. Tabeller och diagram med resultat laddas upp separat som
pdf-filer. Samma presentationssystem utnyttjas också av VTDB för bladlusdata samt delvis av
VNDB för växtnäringsförsöken. För växtnäringsförsöken används parallella dataset/databaser.
Data extraheras ut ur grunddatabasen (SuperBase) för att lagras i SAS-format. Dessa dataset
används sedan för statistisk bearbetning, olika beräkningar och resultatsammanställningar.
Resultat kan sökas och visas dynamiskt t.ex. som diagram på institutionens webb-sida via
sök- och publiceringsverktyg i SAS.
UTDB-verksamheten har vid tidigare tillfällen använt FFDB-systemet för grundlagring av
data, men upplever inga fördelar med detta eftersom de programdelar i FFDB-systemet som
kan användas för omräkningar och kontroll av data inte tillgodoser behoven fullt ut. Man har
därför valt att använda Access för datalagring och gör bearbetning av data i SAS eller Excel
vid behov.
För samtliga verksamheter förekommer arkivering av insamlade prov (mark-, växt- eller
insektsprov). Arkivlistor förs digitalt för bladlusdata (VTDB) och UTDB. I övrigt samlas
förteckning i pärmar.
Sammantaget så gäller beträffande datalagring, att det finns dubbellagring av samma
information på olika platser (datasamling och servers), allt beroende på vilken process som
genererar eller använder data. I mycket stor utsträckning arbetar man också direkt mot olika
databaser , vilket innebär att det finns risk för att man kan skriva över data av misstag.
Räddningen blir då återställning via backuper eftersom ingen reglerad versionshantering av
12
databaserna tillämpas. I fall då detta inträffar i presentationsdatabaserna innebär det att
brukare av data tidvis har tillgång till fel information.
Kartläggning visar att det som av verksamheterna uppfattas som datamaterial av betydelse för
framtida användning idag hanteras på olika sätt. För delar av VTDB finns material endast i
pappersprotokoll och lokala CD-skivor. Bladlusdata däremot finns lagrade i SLU:s
gemensamma filserver. FFDB, VNDB och UTDB lagras på lokala servrar (fr o m 1 april 2008
kommer FFDB att utnyttja SLU:s gemensamma filserver för delar av databaserna).
Aggregerade och sammanställda data för presentation finns både på lokala servrar (VNDB)
och på centrala SLU-servrar (FFDB, VNDB, VTDB).
13
Tabell 2. Plats och format för lagrad information i olika arbetsmoment (processer).
Databas(er)
Huvudprocesser och delprocesser (enl. Fig. 1)
Starta projekt
Samla in data
Definiera
projekt
Planera projekt
FältFörsök-FFDB
Växtföljder/odlingssystem,
Vall/Sortprovning (S.
Sverige), Öppna grödor (del
S. Sverige)
Textdok
Lokalt+pärm
Textdok
SupBasInst3
Lokal DB
Vall/Sortprovning (N.
Sverige), Öppna grödor (N.
Sverige)
Textdok
Lokalt+pärm
Ogräs
Öppna grödor (del S.
Sverige)
Dokumentera
data
Samla in
prov och
mätningar
Text
Excel
Analysera
prov
Skapa arkiv
Kemi-Excel
på filserver
SupBasArkiv
TextProvförteck
LokalDB kopia
Textdok
SupBasInst5
Lokal DB
Text
Excel
Kemi-Excel
på filserver
Textdok
Lokalt+pärm
Textdok
SupBasInst4
Lokal DB
Text
Excel
Textdok
Lokalt+pärm
Textdok
SupBasInst3,6
Lokal DB
Text
Excel
Kvalitetssäkra data
Redovisa och bearbeta data
Förvalta
data
Kontrollera
data
Beräkna
data
Uppdater
a databas
Analysera data
Publicera
data
Avsluta
projekt
SupBasArkiv
TextProvförteck
SupBas
Excellokal
Access/filserver
SupBas
SAS
Excel
SupBas
ej spårbart
SupBaseInst3
eller sökning
SupBasArkiv
SASDb+
SQLServ
Textdok
SupBasInst3,
SupBasAr
kiv,
SASDb,
SQLServ
SupBasArkiv
TextProvförteck
LokalDB kopia
SupBasArkiv
TextProvförteck
SupBas
Excellokal
Access/filserver
SupBas
SAS
Excel
SupBas
ej spårbart
SupBaseInst5
eller sökning
SupBasArkiv
SASDb+
SQLServ
Textdok
SupBasInst5,
SupBasAr
kiv,
SASDb,
SQLServ
Kemi-Excel
på filserver
SupBasArkiv
TextProvförteck
LokalDB kopia
SupBasArkiv
TextProvförteck
SupBas
Excellokal
Access/filserver
SupBas
SAS
Excel
SupBas
ej spårbart
SupBaseInst4
eller sökning
SupBasArkiv
SASDb+
SQLServ
Textdok
SupBasInst4,
SupBasAr
kiv,
SASDb,
SQLServ
Kemi-Excel
på filserver
SupBasArkiv
TextProvförteck
LokalDB kopia
SupBasArkiv
TextProvförteck
SupBas
Excellokal
Access/filserver
SupBas
SAS
Excel
SupBas
ej spårbart
SupBaseInst3,6
eller sökning
SupBasArkiv
SASDb+
SQLServ
Textdok
SupBasInst3,6
SupBasAr
kiv,
SASDb,
SQLServ
Ekhaga -växtföljdsförsök
?
4D
Utlakning-UTDB (separata
filer för forsöken:BSD,
ME1, ME2, ME3, FTD,
LTD, LED, LAD, LAVA,
BLD, MVD, OLD, BOR).
Textdok
Excel+pärm
Textdok
Excel+pärm
Excel Serv.
Datalogger
Kemi-Excel
på filserver
Access Serv.
Excel+pärm
Access+Excel
TextProvlistor
Excel Lokalt
Access Serv.
Excel
Access
Serv.
Växtnäring-VNDB
Vn-försöken
Textdok
Lokalt+pärm
Excel, text
Excel, text
SupBas
SupBas
Textdok,
SupBas
N-data
Textdok
Försöksplan
som pdf på
försöksseriens
hamsida
Web-sida
SupBas,
SAS
SAS
SAS
Sortdata
Textdok
Web-sida
SupBas,
Excel
SAS
SAS
Excel
Access
Serv.
Excel
SOILNDB
Excel
Textdok
Webb
Textdok
Excel+Ac
cess på
filServer
SupBas,
SAS
SAS, SupBas
pdf-dok
Textdok,
SAS,
SupBas
SAS
SAS
SAS
SupBas
SupBas
SAS
dynamisk
web
(SAS)
dynamisk
web
(SAS)
SAS,
SupBas
SAS,
SupBas
14
Tabell 2. forts.
Databas(er)
Växtskydd-VTDB
Bladlusdata (Skåne, Alnarp,
Kalma,r Växjö, Kolbäck,
Lanna, Ultuna, Umeå,
Luleå, Gotland, St
Petersburg)
Bladlusdata; fil med
metadata, försöks,
provbeskriving.
Fritfluga
Huvudprocesser och delprocesser (enl. Fig. 1)
Starta projekt
Samla in data
Definiera
projekt
Planera projekt
Textdok
Lokalt+pärm
Textdok
Lokalt+pärm
Samla in
prov och
mätningar
Text
Excel
Text
Excel
Dokumentera
data
Analysera
prov
Skapa arkiv
Text
Excel
Text
Excel
Excel/CD
Pärm
Excel/CD
Stråknäckare
Pärm
Rapsjordloppa
Pärm
Excel/CD (ca
30%)
?
Väderdata
Ekhaga
Redovisa och bearbeta data
Beräkna
data
Uppdater
a databas
Analysera data
Publicera
data
Avsluta
projekt
Excel
Excel
Excel
Excel
SAS
SASDb+
SQLServ
Textdok
Excel på
filserver
Excel på
filserver
SQLServ(
delvis)
SQLServ(
delvis),
Excel/CD
Excel/CD
Excel/CD
SQLServ
?
Förvalta
data
Kontrollera
data
Text
Excel
Bomullsmögel
Potatisvirus
Excel
Kvalitetssäkra data
SQLServ
?
15
5.2.3. Vad karaktäriserar informationens struktur?
En översikt av den information som skapas totalt under datahanteringsprocesserna ges i
informationsmodellen (Figur 2). Av figuren framgår också om denna information finns
lagrad digitalt samt relationen mellan olika informationsobjekt. Gemensamt är främst
innehållet av data kopplat till mätvärden för insamlade och/eller analyserade prov på
provytor. Olikheter finns vad gäller digital metainformation om försök eller
data/provhantering. I den mån ’SuperBase’-systemet används tillgodoses detta i och med
registrering av försöksplan samt fasta rutiner i systemet för beräkning och statistikbehandling
av försökresultat.
Variabelinnehållet är omfattande för de olika provtyperna ’obj33 mark’, ’obj41 växt’, och
’obj39 vatten’. För FFDB, VNDB, UTDB och VTDB uppgår antalet variabler till 2218,
4100, ett 100-tal resp. ett 10-tal. För VNDB är antalet unika variabler ca 1300 st. Särskilt för
FFDB och VNDB finns betydande överlappning i variabelkoder, d.v.s. en och samma
mätvariabel kan ha en mängd olika variationer i syntax eller stavning. Olikheter i detta
avseende gäller generellt mellan databaserna. I FFDB förekommer ofta sammansatta
variabelkoder, d.v.s. koden identifierar samtidigt en mätning och ett tid/rumsligt begrepp för
ett särskilt provobjekt t.ex. skörd vid en särskild tidpunkt eller kemiskt innehåll i ett jordprov
taget från ett speciellt markdjup.
Data som lagras i UTDB är av samma karaktär som data i VNDB och FFDB vad gäller
mark- och grödovariabler. UTDB innehåller i mindre utsträckning än övriga databaser
kvantitativa data t.ex. kg näringsförråd i mark omräknat per ha (motsv obj. 9 Egenskaper;
Figur 1) relativt mätvärde på prov (motsv. obj. 13 Egenskaper; Figur 1). Vid behov tas dessa
data fram genom upprepad bearbetning av grunddata.
Både UTDB och VTDB håller klimatdata. Till vilken del dessa är överlappande har p.g.a.
tidskäl inte utretts närmare.
Information i ’obj7 Plats’ och/eller ’obj8 Experimentenhet/ruta’ sammanfaller i viss
utsträckning för verksamheterna. Omfattningen av gemensamma försök i de olika
databaserna har p.g.a. tidskäl inte utretts närmare.
Beskrivning av hur data bearbetas saknas i de flesta fall (’obj28 Beräkningsregler’).
Spårbarhet finns i FFDB vid användning av fasta program. Motsvarande spårbarhet vid
användning av SAS är i princip möjlig men avgörs av hur väl olika filer med SAS-procedurer
och skriptrutiner lagras (se Kap. 5.4.). Ingen koppling finns idag mellan sådana filer och
genererade data i databaserna.
16
class Information model
1 Program
2 Frågeställning
-
slut: int
start: int
ämnesområde: int
-
30 Seriesammanställning
formulering: int
VNDB
FFDB VTDB
35 Platskommentar
har
kan ingå i
15 Klimat
-
tidsperiod: int
UTDB
5 Försöksplan
-
3 Proj ekt
-
ansökan: int
budget: int
finansiär: int
projektplan: int
slut: int
start: int
definierar
över tiden
analyser: int
beskrivning: int
försöksdesign: int
försökskod: int
metodik: int
omfattning: int
provhantering: int
6 Försök
ingår i
-
ansvarig: int
id: int
skördeår/tidsperiod: int
14 Väder
VNDB UTDB
FFDB VTDB
-
har
nederbörd: int
sol: int
temperatur: int
tidpunkt: int
UT DB
VNDB
VNDB
FFDB
utförs på
har
16 Odlingsåtgärd
-
7 Plats
har
angränsar till -
4 Ansv arig
-
adress: int
anläggningsår: int
koordinater: int
län: int
region: int
ansvarig: int
mängd: int
tidpunkt: int
VNDB UTDB
FFDB VTDB
VNDB UTDB
FFDB VTDB
adress: int
namn: int
tillhörighet: int
bestäms av
kan utsättas för
17 Odlingsutrustning
kan delas
upp i
12 Block
kan delas
upp i
VNDB UTDB
FFDB
8 Experimentenhet/Ruta
-
rutnummer: int
storlek: int
18 Insamlingsutrustning
finns på/i
9 Egenskaper
kan utsättas för
-
24 Analysmetod
-
noggrannhet: int
variabelkod: int
11 Behandling
-
dos: int
tidpunkt: int
typ: int
kan påverka
art: int
fysik: int
gradient: int
hälsa: int
kemi: int
luft: int
mark: int
tidpunkt: int
typ: int
vatten: int
VNDB UTDB
FFDB VTDB
används enligt
ingår i
36 Prov kommentar
finns i
19 Mät-/Insamlinsgsmetod
VNDB UT DB
FFDB VT DB
-
variabelkod: int
VNDB
VNDB UTDB
FFDB VTDB
används av
13 Prov obj ekt
33 Mark
-
41 Växt
typ: int
del: int
lager: int
placering: int
art: char
28 Beräkningsregler
-
ex: fukthalt vid vägning: int
VNDB UT DB
FFDB VT DB
26 Laboratorium
-
FFDB VNDB
UTDB
ansvarig: int
FFDB VTDB
UTDB
representeras av
20 Prov
40 Luft
39 Vatten
UTDB
VT DB
kan utföra
-
utsätts för
(provtagare): int
ansvarig: int
datum/tidsperiod: int
mängd: int
yta: int
23 Prov förteckning
UTDB
VTDB
VNDB UTDB
FFDB VTDB
beskriver egenskaper i
22 Arkiv plats
27 Analys
31 Mätv ärde
-
analysparametrar: int
tidpunkt: int
ger
VNDB UTDB
FFDB VTDB
-
avrinning: int
enhet/art: int
grödans hälsa: int
insektskoncentration: int
koncentration: int
massa: int
skörd: int
volym: int
värde: int
25 Observ ation
VNDB UTDB
FFDB VTDB
VNDB UT DB
FFDB VT DB
21 Destruktiv mätning/fysiskt prov
VNDB UTDB
FFDB VTDB
transformeras till
29 Resultat
34 Mätv ärdeskommentar
ägs av
VNDB UT DB
FFDB VT DB
37 Slutsats/Prognos
underlag för
38 Rättighetsinnehav are
Begreppskatalog
Figur 2. Modell för informationsinnehåll i försöksverksamheten. Information som lagras
digitalt i olika verksamheter är markerad med VNDB (Växtnäringsdatabas), FFDB
(Fätforskningsdatabas), UTDB (Utlakningsdatabas) samt VTDB (Växtskyddsdatabas).
-
antaganden: int
modell: int
tillförlitlighet: int
variation: int
VNDB UTDB
FFDB VTDB
17
5.3. Tillgänglighet och användning
Data från FFDB och VNDB är sammantaget mest tillgängliga via Internet jämfört med övriga
databaser. Detta gäller då innehållet i den presentationsdatas som används, vilket inte innebär
att samtligt grundata är tillgängliga. För FFDB är ungefär 75 % av grunddata tillgängliga via
nätet. Vissa grunddata (mindre del) för bladlus (VTDB) görs tillgängliga på Fältforskningens
webbplats på så sätt att dataansvarig genom ett särskilt webbgränssnitt kan mata in data
(postvis) i Fältforskningens presentationsdatabas. För UTDB görs utdrag från databasen efter
begäran och levereras som text- eller Excelfil.
Användningen av data styrs i mycket stor utsträckning av det primära syftet med de olika
försöken. I den del försöken utförs som uppdragsverksamhet redovisas data oftast i en rapport
som också publiceras på institutionens webbplats. Uppdragsgivaren har därefter vanligen
inga synpunkter på hur data får användas utan data finns kvar i SLU:s databaser. I fall då
försöken avser GMO-grödor kan data beläggas med sekretess.
Efterfrågan på data upplevs ha ökat under åren, särskilt vad gäller UTDB. För VTDB däremot
har en rad organisationsförändringar och resursförsämringar lett till en minskad aktivitet inom
växtskyddsområdet och därmed också minskad möjlighet att verka för en ökad användning av
data.
En sammanställning av deltagarnas syn på användningen av data inom SLU framgår av
målmodellen som presenteras i Figur 3.
18
class Strategies
«goal»
Gener era nya
frågeställningar
«goal»
Rekomme ndation
-
anvisning: int
odlingsråd: int
«goal»
Följ a upp
åtgärdernas effekt
«goal»
Följ a upp
mil j öm ål
«goal»
Meritering
«goal»
Nya
odlingsmetoder
«goal»
Utform a
åtgärdsprogram
«goal»
Metastudier
«goal»
Besv ar a spec ifik
fråga
«goal»
Milj öpåv er kan
lantbruk/samhälle
«goal»
Öka effek tiv iteten
«goal»
Effe kt av
klimatförändring
«goal»
Öv ers ikt och
statistik
«goal»
Input till modeller
«goal»
Höj a
kunskapsniv ån
-
mekanistiska modeller: int
prognosmodeller: int
«goal»
Förbättra
utbildningen
Forskni ngsdata
Figur 3. Beskrivande målmodell för användning av forskningsdata.
«goal»
Öka insatse rnas
precision
19
5.4. Förvaltning
Samtliga databaser lever på så sätt att nya försök planeras årligen eller uppföljning sker av
långliggande försök. Detta generar data som fortlöpande läggs in i datasamlingarna. Däremot
upplevs ägarskapet av data och ansvaret för att systemen ska finnas och fungera på ett visst
sätt (systemägaransvaret) som otydligt i många fall. Särskilt för VTDB och i viss mån också
för VNDB är de främsta intressenterna externa (potatisodlare, plantföretag, kemikalieföretag
och Jordbruksverket) med små eller inga krav på att data ska förvaltas på ett visst sätt. Den
optimala situationen att verksamheten regleras i en årlig förvaltningsplan saknas i samtliga
fall. Finansiering av verksamheter sker både via korta forskningsmedel och mer långsiktiga
anslag i varierande grad.
Gemensamt för samtliga verksamheter är ett uttalat personberoende. En eller ibland två
personer axlar ett antal olika roller. I flera fall kan detta bli kritiskt då nyckelpersoner närmar
sig pensionsålder inom 1–5 år. I Figur 4 redovisas en modell över deltagarnas syn på
uppgifter/roller i verksamheterna samt vilka styrdokument eller riktlinjer som skulle behövas i
verksamheten (ingen metodisk inventering är gjord i detta avseende men dessa upplevs saknas
av deltagarna i stor utsträckning).
Dokumention av hur datahanteringen sköts och vilka beräkningar som utförts är mest
utvecklad för FFDB-systemet. För att utförda operationer ska vara spårbara ställer användning
av SAS eller andra program för kvalitetsäkring och/eller behandling av data särskilda krav på
att bokföring och dokumentation av arbetsrutiner och beräkningsprocedurer görs vid sidan av
databasen. Denna saknas i stor utsträckning.
5.5. Säkerhet
För drift och hantering av servrar för grunddata gäller gemensamt för FFDB resp. VNDB och
UTDB att detta sköts centralt på institutionsnivå. Tillgänglighet och säkerhet fungerar bra på
så sätt att verksamheterna sällan eller aldrig har haft problem vad gäller avbrott eller förlust av
data. Vid genomgång av kontrollpunkter för säkerhet (Bellander, 2003) noterades några
avvikelser. Främst saknas dokumentation av driftsavbrott och åtgärder samt återkommande
rutiner för återläsning av data. Begränsning i allmän tillgänglighet till serverrum befanns god,
men olikheter vad gäller förebyggande åtgärder för brandskydd (främst förekomst av
brandfarligt material) fanns mellan institutionerna. Brandvarnare och sprinkler saknas
genomgående. Ingen intervju har genomförts med någon representant för ansvariga för SLUgemensamma servrar. Förfrågan hos IT-ansvariga om att få ta del av dokumentation rörande
serverrutiner har inte tillmötesgåtts.
20
analysis Stakeholders
«resource»
IT-policy
«resource»
Försökshandbok
«resource»
Teknisk
dokumentation
«resource»
Manualer
«resource»
SLU's ri ktlinj er
«resource»
GE P
«resource»
Krav spe c,
önsk emål
Informations-/kv alitetsansv arig
Databasadm inistratör
Tekniskt ansv arig
Krav ställare
Support
«resource»
uppdrag, kontrakt
«resource»
IT-policy
«resource»
databas
Finansiär
«resource»
Riktl inj er
«resource»
Driftsdok
Säkerhets ansv arig
Anv ändare
Styrgrupp för
fältforskning
Dataä gare
Styrgrupp för
långliggande fältförsök
«resource»
Rätti ghets av tal
«resource»
budget
System ägare
IT-samordnare
«resource»
Riktl inj er
«resource»
Förv altningsplan
Samordningsansv arig
Figur 4. Roller i försöksverksamheten samt viktiga dokument kopplade till dessa.
21
6. Slutsatser
I det följande ges de viktigaste slutsatserna från utredningen:
•
Ägarskapet för data upplevs som otydligt i en del fall.
•
Riktlinjer för datahantering och förvaltning saknas ofta.
•
Starkt personberoende karaktäriserar datahanteringen i samtliga
verksamheter.
•
Datahanteringen för de fyra försöksverksamheterna omfattar totalt ett 50-tal
datasamlingar i sex olika databastyper.
•
Val av databastyp styrs i stor utsträckning av ansvarigas erfarenhet samt av
tillgängliga program för presentation och/eller bearbetning av data och i
mindre utsträckning av gemensam förvaltningspolicy.
•
Spårbarhet av genomförda ändringar och uppdateringar av data samt hur
beräkningar utförts kan säkras om dokumentation och versionshantering
utförs i större omfattning. I motsvarande grad minskas då också visst
personberoende.
•
Användning av olika datasamlingar för en och samma datakedja innebär risk
för dubbellagring av information och därmed ökad svårighet att hålla samtlig
information uppdaterad.
•
Det förekommer betydande mångfald i stavning och syntax för identiska
variabler mellan och inom verksamheterna vilket gör det besvärligt att göra
en enhetlig sökning i de olika datalagren.
•
Unik information på CD-media säkras inte genomgående genom tillförlitlig
förvaltning t.ex. genom kopior eller förvaring i arkiv.
•
Säkerhetsuppdateringar görs efter olika rutiner beroende på om IT-enheten
eller institutionerna själva står för IT-stödet till verksamheterna. Spriding av
datasamlingar för en och samma verksamhet på olika lagringsplatser medför
risk för att datahantering görs i teknisk miljö som är uppdaterad i olika grad.
•
Servrar för fillagring och backup finns placerade i rum som ursprungligen ej
varit avsedda för detta och som också används för andra ändamål, t.ex.
förvaring av publikationer. Mindre åtgärder avseende tillgänglighetsskydd
och brand- och kraftskydd kan göras i vissa serverutrymmen.
22
7. Referenser
Arovelius, R., 2005. Metadata för långtidsbevarande: OASIS-ISAAD(G)ARKIVSCHEMA_FORKSINGSMATERIAL_DSPACE. PM, Enheten för Enheten för
juridik och dokumentation, SLU.
Bejard, M., 2006. Mall till förvaltningsplan. Del av ramverk ’IT-arbetsätt för
Naturvårdsverket’.
Bellander, D., 2003. Självbedömning av säkerhet i datasystem inom SLU:s verksamhetsgren
fortlöpande miljöanalys. Mind AB. PM, SLU Miljödata.
Berkesand, P. & Engelmann, A., 2007. Elektronisk arkivering av databaser –
Rekommendationer vid val och konstruktion av databaser. Rapport AGDA-projektet, SLU.
Åkesson, L., 2005a. Förvaltningsfasen - En handledning. Ver. 1.3. Arete AB. PM, SLU
Miljödata.
Åkesson, L. 2005b.Leveransprocessen – En handledning. Ver. 1.5. Arete AB. PM, SLU
Miljödata.
23
8. Bilagor
Bilaga 8.1a. Fältforskningsdatabasen. Resultat från intervjuer med Torbjörn
Leuchovius/Göran Bergkvist/Sven Småårs.............................................................................. 24
Bilaga 8.1b. Växtnäringsdatabasen. Resultat från intervjuer med Lennart Matsson/Ragnar
Persson. .................................................................................................................................... 35
Bilaga 8.1c. Utlakningsdatabasen. Resultat från intervjuer med Gunnar Torstensson/Helena
Aronsson/Ragnar Persson. ....................................................................................................... 52
Bilaga 8.1d. Växtskyddatabasen/Prognos Resultat från intervjuer med Roland Sigvald och
Annhild Andersson................................................................................................................... 67
Bilaga 8.2a-d. Processer och koppling till informationslager. ................................................. 86
24
Bilaga 8.1a. Fältforskningsdatabasen. Resultat från intervjuer med Torbjörn Leuchovius/Göran Bergkvist/Sven Småårs.
Beskrivning
Miljö och innehåll
1.
Namn på databasen:
Kolumn för svar och kommentarer.
Databas/system för fältförsök - PC. Ca 20 installationer inom SLU, ca 30 vid
hushållningssällskapen samt ca 5-10 övriga installationer (dessa mest använda för sökning).
2.
Databastyp: Produktnamn och version
3.
Övriga nödvändiga resurser
(miljöer/programvaror mm.) som krävs
för arbete med databasen?
Antal filer totalt – filförteckning
Inst. f. Växtproduktionsekologi (VPE) ansvarar ämnesmässigt för följande datasamlingar:
(a) Växtföljder/odlingssystem, (b) Ogräs, (c) Vall/Sortprovning och (d) Öppna grödor, vilka
alla hanteras i olika lokala installationer. Därutöver finns helt eller delvis dessa
datasamlingar inlagda i en gemensam databas för webbpresentation. VPE:s långliggande
försök (7 st) ingår i DB (a) ovan.
Superbase 3.5 för Windows för lokala installationer. SQL 2005 för webbpresentation.
Dessa databaser är uppbyggda på samma sätt förutom att några ytterligare tabeller finns i
presentationsDB för koppling till kartor och väderdata.
Windows 3.1 och nyare (16 bitars). En utvecklar-licens med fria runtime-moduler till
användarna. Körs i 1-användarmiljö i alla nyare system, kan köras i fleranvändarmiljö i
Windows 2000 eller äldre.
Ca 10 systemfiler samt 54 databasfiler/språk (finns för fyra språk).
5.
Antal tabeller och fält, antal poster per
tabell:
2 systemtabeller (användarprofiler och hjälp) samt 16 datatabeller. Antal poster varierar
från 100 till 5 miljoner (parcellvärden) beroende på mängden data i resp. installation.
6.
Storlek (MB):
7.
Språk för namnsättning av filer och fält:
8.
Finns avkodat innehåll?
9.
Finns tillhörande bild-, ljud- och
videofiler eller GIS-filer (namn och/eller
10 MB + ca 5 MB per 100 inlagrade fältförsök. Största databasen (VPE Sortprovning)
innehåller 25000 fältförsök och behöver 1-1.5 GB disk.
Engelska och även nationella alfabet (finns på svenska, engelska, ryska, litauiska beroende
på ett tidigare intresse i Baltikum för databasen).
Normalt inte eftersom systemet ofta ligger lokalt på PC eller på nätverk där användarnas
åtkomst är låst till nätverksnamnen och även kan begränsas med lösenord.
Som regel inte men användarna kan spara vissa logotyp- och bildfiler som kan inkluderas i
vissa utskrifter. På FFE:s webbplats finns PDF-dokument, bilder och kartor där koppling till
4.
25
antal):
10.
12.
Finns textfiler och i så fall vilket
fältavgränsningstecken används?
Finns beräkningsprocedurer inlagt i
databasen?
Finns sekretess helt eller i delar?
13.
Typ av variabler och antal:
14.
15.
Tidsomfattning och tidsupplösning av
data:
Geografisk täckning:
16.
Ange språk för informationsinnehåll:
11.
Kontext
17.
Vad står informationsinnehållet för?
(Kortfattad beskrivning av de
forskningsuppgifter materialet omfattar,
procedurer för datainsamling, användning
FältForskDB görs med unik identifierarare till försöken (ADB-nummer; nytt ADBnr sätts
varje år vilket innebär att långliggande försök identifieras med flera ADB-nummer).
Textfiler används normalt bara vid dataimport, dataexport och statistiska bearbetningar av
försöksserier. Typer: tab / blank / semikolon-separerade.
Ja, de är en viktig del. Används främst för bearbetning/analys av de enskilda fältförsöken.
-Nej, men användarna kan använda lösenord för att hindra obehörig tillgång till databasen.
-Vad gäller presentation av data så läggs vissa försök inte ut på webben, speciellt
uppdragsförsök där beställare har vissa villkor för tillgängliggörande av information.
Det finns ca 40 fördefinierade uppgifter. I övrigt ges alla data en kodidentifikation. Data
kan lagras in per försök (basdata), per försöksled (ledmedeltal) samt per parcell (rutvisa
data). För varje försöksled kan även kort text lagras (vid behov). På FFE:s webbplats finns
redovisat nuvarande gemensamt variabelinnehåll i SLU:s installationer (2218 st ;
www.ffe.slu.se/_db/dbvc.cfm); vilka avser t.ex. skörd, grödor, sjukdomar, växtarter/ogräs,
sort nr (ej std), preparatförsök, platsvariabler, försöksvariabler. Det är fritt för resp.
användare att skapa nya variabler, vilket gör att det i systemet finns flera olika
variabelnamn (koder) för samma typ av mätning. Variabelnamn kan vara sammansatta dvs.
kod för variabel bär information sammantaget om typ av mätning och vad som mätts.
Data lagras med årtalet som tidsperiod. Vid behov av kortare tidsperioder kodas detta som
tillägg till grundvariabeln (ex. Y står för skörd, Y3 stå för tredje skörden under året).
Databasen/systemet används för försök över större delen av Sverige. F.n. anges bara
kartkoordinater på försöksnivån och anges i RT90-systemet. Från 2008 skall kartsystemet
bytas till SweRef99.
Svenska, men det finns möjlighet att parallellt lägga in försöket på engelska (man byter
snabbt språk i databasen). Man kan använda olika mallar på t.ex. engelska och svenska som
bas för att skriva ut t.ex. försöksplan och försöksresultat.
Avkastning, skördeproduktkvalitet, kemiskt innehåll jord. Data från alla försök som
genomförts på Avdelningen för växtföljder vid Institutionen för växtodlingslära ca 19561992 och på odlingssystemavdelningen vid Institutionerna för växtodlingslära, Ekologi och
växtproduktion och Växtproduktionsekologi 1993-framåt. Speciellt är att många av
26
av standarder)
18.
Beskriv kortfattat bakgrunden till
databasens tillkomst, dess historia och
systemets plats i verksamheten.
försöken varar eller har varat under många år. Försöksvolymen har varit allt från ett fåtal
försök per år till att under 20-årsperiod på 70- och 80-talet varit ca 150 per år. Numera finns
sju aktiva långliggande försök och ca tio kortvariga som ska hanteras varje år. Ett typiskt
försök har mellan 20 och 100 objekt där variabler och bakgrundsdata finns registrerade.
Varje år i ett försök identifieras av ett ADB-nummer. Varje försöksserie har ett
plannummer och varje försök ett försöksnummer. Objekten kan identifieras från
rutnummer, men också från behandling och upprepning. Försöken är jämförande och
typiska behandlingar är förfrukter till en testgröda, odlingssystem, näringsnivåer. Samma
försöksplan finns ofta upprepad på olika platser och olika år. Datainsamlandet sker genom
att försökspatruller utför mätningar och provtagningar. En del patruller för in data i ett
digitalt format och skickar in datafiler till Freweini Abraha (FA) vid Institutionen för
växtproduktionsekologi, som importerar data till FältForsks databas. En del patruller
noterar data i speciella protokoll och skickar dessa till FA som sedan manuellt matar in dem
i FältForsks databas. Skördeprover och andra prover skickas till olika lab. för analys.
Resultaten skickas digitalt till FA som för in dem i databasen. FA gör statistiska analyser
direkt i databasprogrammet. FA gör sedan utskrifter som Göran Bergkvist kontrollerar och
godkänner.
Databassystemet håller information om följande:
Försöksplan: Studerade faktorer, statistisk modell, försöksbehandlingar, fältplan
(utläggning på försöksrutor), anvisningar för försökets utförandet.
Försöksresultat: Rådata och beräknade data (basdata, ledmedeltal, rutvärden), statistiskresultat, andra uppgifter och kommentarer om genomförda försök.
Bibliotek: Mallar/procedurer för försöksdesigner, skriftliga underlag,
sort/gödselmedel/grödor/jordarter, beräkningar, resultatpresentation.
Ang. datasamling för Växtföljder/Odlingsystem inkl. SLU:s långliggande försök: De
stora försöksvolymerna gjorde det nödvändigt att samla data i ett rationellt system. UDAC
användes fram till 1993. Från 1993 till 2002 användes en Accessdatabas, upplagd av Lars
Dahlstedt. År 2004 tog Göran Bergkvist över ansvaret för verksamheten och ansvarade,
med hjälp av Torbjörn L och FA, för att data från och med 2003 fördes in i FältForsks
databas. Senare fördes alla data över i FältForsks databas.
27
19.
Vilka är de nuvarande målen för att DB
ska finnas?
Finns koppling eller samband till andra
system eller objekt? Ange vilka i så fall.
Generellt för databasen/systemet så ersätter detta de gamla terminal och kortstanssystemen som utvecklades vid SLU på 1960-talet. Nuvarande databas/system började
användas och utvecklas 1990. Övergången var genomförd år 1998 då UDAC stängde Gutssystemet och därmed i praktiken gjorde det gamla systemet omöjligt att använda.
Efterhand som nya frågeställningar dyker upp ska gamla data kunna analyseras igen,
kanske med nya metoder. Hypoteser ska kunna testas mot gammalt material. En del försök
har pågått i snart 50 år och de långsiktiga effekterna av testade behandlingar behöver kunna
studeras. Data behövs bland annat som indata i modeller som t.ex. kan användas för att
förutsäga klimat-, förfrukts- eller odlingssystemeffekter.
Det viktigaste skälet till databasen/systemet är att man behöver kunna använda ett enhetligt
arbetsverktyg för alla typer av fältförsök. Betydande delar av de PC-databasernas innehåll
görs tillgängligt på Internet (MS SQL på SQL1.slu.se med ODBC-länk till FältForsk webb
på picea.slu.se – allt placerat vid SLU i Umeå). Kopplingar sker där till kartdata, väderdata,
växtskyddsinventeringar m.m.
28
Förvaltning
20.
Vem äger databasen dvs. bestämmer vilka
resurser som avsättas för att databasen ska
finnas (systemägare)?
21.
Hur är förvaltningen organiserad? (driftsoch/eller förvaltningsavtal,
förvaltningsplan, finansiering, roller för
systemansvar och teknisk drift; plats och
personer).
22.
Vilka övriga intressenter finns och vilka
roller spelar de i och kring systemet (kan
vara både funktioner, enskilda personer
och organisationer)?
23.
Vem/ vilka är ansvariga för
informationsinnehållet – nu och
historiskt?
SLU är systemägare. NL-fakulteten avsätter årligen 3 milj kr för samordning av
försöksverksamheten vid FältForsk. Databaser / datahantering tar f.n. 40-50% av dessa
resurser.
NL-fakulteten beslutar om bidrag till de långliggande försöken år från år. Göran Bergkvist
ansvarar för att data från de långliggande försöken samlas in, bearbetas och arkiveras. För
kortvariga försök finns framförallt ansvar gentemot anslagsgivare. Alla data måste dock
arkiveras i pappersformat, men jag känner inte till någon skyldighet att arkivera i digitalt
format och inga speciella resurser är avsatta för detta, förutom de som går direkt till
FältForsk. Torbjörn L ansvarar för underhåll och utveckling. FA ansvarar för inmatning av
data.
Styrgruppen för FältForsk bestämmer resurstilldelning och prioriteringar inom resursramen.
FältForsk personal (främst systemansvarig) ansvarar för systemet och rapporterar till
styrgruppen. SLU:s IT-byrå ansvarar för den tekniska driften av webbsystem och SQL
server och fakturerar FältForsk för detta. För de lokala databaserna ansvarar FältForsk för
utvecklingen medan resp. användare ansvarar för säkerhetskopiering etc.
SLU:s olika institutioner som lägger ut försök eller utnyttjar försöksresultat (NL- och LTJfakulteterna), Hushållningssällskapen som utför försök både åt SLU och på eget initiativ.
Samordning sker regionalt i 6 områden. Ämnesvis sker samordning i 8 ämnesgrupper via
FältForsk. Andra intressenter är t.ex. Jordbruksverket samt olika privata beställare av
försök.
Forskare som vill använda historiska data för forskning.
Näringen som vill veta resultat av olika behandlingar.
Från 2004 är Göran Bergkvist ansvarig. 2003 fanns ingen ansvarig, 1993-2002 Lars
Dahlstedt. Från ? till 1993 skötte Jan Helgesson databasen. Högst ansvarig för databasen
har kanske ändå statsagronomen i växtföljder och från 1993 professorn i alternativ odling,
Sten Ebbersten varit.
Historiskt sett finansierade staten de flesta försöken och SLU har där ett naturligt ansvar för
29
24.
25.
26.
Lever databasen (vem lägger in nya data
och på vilket sätt görs detta)?
informationsinnehållet. SLU:s olika institutioner har i regel ansvaret för försök som helt
eller delvis bekostas av offentliga medel. Försöken är alltid offentliga och rådata skall
arkiveras. Deltagande intressenter skall vara informerade om detta. När det gäller försök
som utförs i egen regi av hushållningssällskapen samt rena uppdragsförsök är det
beställaren/hushållningssällskapet som har informationsansvaret.
Ja. Den årliga tillväxten i samtliga ca 50 databaser torde röra sig om 1500 försök / år varav
kanske 10% finansieras med statliga medel. Sammantaget finns ca 40.000 fältförsök (dvs.
årsobservationer från försöksplatser) lagrade i detta databas-system (PC-systemet). Det
finns nyckeldata, och ibland även datavärden, publicerat för ca ¾ av dessa försök på
FältForsk http://www.ffe.slu.se (SQL-presentationsdatabas).
Freweini Abraha ansvarar för inlägging av data för de långliggande försöken som handhas
av VPE (Inst. för markvetenskap har också många långliggande försök).
Finns uttalade personberoenden i samband Ja, eftersom som en systemansvarig i princip gör allt utvecklingsarbete från datainsamling
med förvaltningen av databasen?
till presentation på webben. Denna situation är inte hållbar både enligt systemansvarig och
FältForsk:s styrgrupp uppfattning. En övergång till ett nordiskt system (Nordic Field Trial
System) övervägs och FältForsk deltar aktivt, även med finansiering). Planen är att
ytterligare en person skall arbeta med utveckling i Sverige (totalt finns medel för 1 ½
tjänst). Inriktningen på utvecklingsarbetet bestäms av bl.a. denna utredning samt hur
utvecklingen av NFTS fortgår.
Om databasen ej uppdateras – har
Inaktiva databaser är ej större än att de kan lagras på aktiva lagringsmedia. Ansvaret (utom
databasen arkiverats och i så fall hur har
webbsystemet) är de enskilda institutionernas eller organisationernas. Man kan med fördel
det gjorts (procedur, format) och var finns exportera (dumpa) hela databasens tabellinnehåll på s.k. överföringsfiler, som vanligen är
arkivversionen?
av typen semikolon-separerade textfiler (alt. xml-format). Överföringsfilerna har ett
standardiserat utseende och används också för att transportera data mellan olika databaser
av denna typ. Överföringsfilerna används också för import av försök från PC-databaserna
till webbsystemets SQL-server databas.
Tillgänglighet och användning
27.
Hur görs databasens innehåll åtkomligt för De enskilda PC-databaserna är bara tillgängliga inom resp. organisations/institutions
olika användare/intressenter (webb,
Intranet till de som berörs och i den utsträckning de bestämmer. De data som skall
datautdrag, kopia på DB mm.)?
offentligöras exporteras ut och importeras till FältForsk:s webb och SQL-server-databas.
30
28.
Vilka användningsområden finns för data
(historiskt och i dagsläget)?
Där sker också kopplingen till kartdata, väderdata m.m. Mellan 15 och 20 olika aktörer
(SLU via en server katalog eller via webbsida, Hushållningssällskapen endast via webbsida
med inloggning) har möjlighet att ladda upp försöksdata till FältForsk. Krav finns spec. för
sortförsöken att publicering sak göras på webben. Försök med GMO-grödor publiceras inte.
Underlag för rådgivare och lantbrukare för att välja sorter, preparat, odlingsmetoder,
växtodlingsinriktning o.s.v. Försöksresultaten ingår ofta i olika rapporter och
projektredovisningar. Webbsystemets kopplingar till kartdata och väderdata ger ytterligare
information om försökens förutsättningar samt hjälp för att hitta till försöken.
Försöksförteckningarna är sökbara och man kan på webben leta efter vad som gjorts genom
åren. Däremot missar man information om försök och studier som ej förts in i detta system.
Säkerhet
29.
Hur säkerställs att obehöriga inte kan
ändra i databasen? Finns särskild
behörighetsadministration?
30.
-För lokala installationer begränsas åtkomst till inlagda nätanvändarnamn. En
systemansvarig lägger in tillåtna användare i en systemtabell och ger dem rättigheter som 1systemansvarig, 2-skrivrättigheter, 3-läsrättigheter. Varje användare kan också aktivera ett
lösenordsskydd (t.ex. om olika personer/inloggningar/användare finns på den lokala
databasen).
-Innehåll i lokal installation hos FFE läses över till arkivserver (affe) återkommande (ingen
rutin är fastställd, men görs åtminstone 1 ggr/skördeår). Innehåll i SQL-presentationsDB
speglas till arkivserver varje dygn. Denna server har särskild brandvägg installerad och
åtkomst hanteras m. särskild behörighet från serveransvarig.
Finns spårbarhet på genomförda ändringar -Nej. Databasen har ingen automatisk logg som bokför ändringar. Användarna kan göra
eller tillägg i databasen?
noteringar men gör det sällan (i vart fall inte i databasen). Det man brukar lägga in i
databasen är kommentarer om fel/problem i försöket samt varför man ev. uteslutit/ändrat
vissa data (originaldata före ändringen kan sparas även i databasen men som regel sparas
detta endast i mottagna rådata-filer och dokument). OBS! Det nordiska systemet NFTS har
denna funktion inbyggd för alla viktiga data (vem som ändrat vad, när och varför).
31.
Noteras och publiceras alla förändringar i
systemet?
Se fråga 30.
32.
Görs och underhållsförteckning över
-Databasansvarig sparar själv utskick om gjorda ändringar i programmet (åtgärder och
31
driftstörningar och åtgärder?
problem). Jag har inte dokumenterat driftsstörningar centralt (enskilda användare kan ha
sådan information).
- Backup/arkivserver: Automatisk loggning sker av bandbackup.
-För affe (arkivserver) och bt-kepler (backupserver m. bandstation) hålls ingen incident el.
åtgärdslogg.
33.
Backuprutiner och lagring (hur ofta och
var sker lagring, görs verifiering av
backup, görs regelbunden test att återställa
data, görs byte av backupmedium)
34.
Fysiskt säkerhet (låst utrymme – används
kodlås, finns brandlarm/sprinkler, fritt
från brännbart mtrl mm.).
35.
Katastrofhantering – Återstart/återläsning
och personberoenden
-I princip får de enskilda databasanvändarna ordna med detta. De flesta installerar
databasen på en nätverksserver med goda backup-rutiner eller har någon form av
automatisk backup av viktiga mappar på PC:n (egna rutiner eller, oftast, nätverks/serverrutiner). Resp. nätverksansvarig har detta ansvar. FältForsk webb säkerhetskopieras främst
med samma rutin som SLU:s administrativa system. Vissa data arkiveras på en äldre server
affe.ffe.slu.se med daglig bandbackup och schema för bandbyte (veckoband , årsband
mm.).
- Innehåll i lokal installation hos FFE läses över till arkiv-server bt-affe återkommande
(ingen rutin är fastställd). Tre personer har behörighet att göra detta. Bandbackup (btkeppler) görs inkrementellt (differentiellt) varje dygn. En gång/vecka görs totalbackup,
varav 1:a veckobackup/mån sparas i 6 mån. En ggr/år i januari görs en årsbackup som
sparas i arkiv (ingen gallringstid är bestämd). Bandbyte görs 1 ggr/månad. Band sparas i
brandskåp på annan plats på institutionen. Återställning av data har gjorts för enstaka filer,
men ej för hela innehållet samtidigt. Arkiv och backupserver är belägna i annan fysisk
byggnad (Inst. f. biometri) än FältForsk/VPE.
- För lokala installationer: Varierar från installation till installation. Bristerna är säkert stora
i många fall.
- Backup/arkivserver: Servrar (affe, bt-kepler) förvaras i särskilt serverrum; betongrum utan
fönster med ståldörr samt kylning (2 aggregat, ej fast installerade). Ingen brandgivare eller
sprinkler finns. Dörr är larmad med kodlås, nyckel krävs för tillträde till serverrum. Inget
ovidkommande brännbart mtrl. finns i serverrum, förutom liten trätrall för kylaggregaten.
Elförsöjning är larmad och ansvarig får sms vid elavbrott. Huvudströmbrytare finns utanför
serverrum i publikt rum.
-Användarna rekommenderas att spara filer på server samt att göra datadumpar av
databasens innehåll till textfiler med jämna mellanrum och arkivera på annan dator/server.
Om detta sköts installerar man om databasen på en ny hårddisk och importerar datadumpen.
32
36.
Säkerhetsuppdateringar
37.
Görs någon form av arkivkering i
plattforms- och programoberoende
format?
39.
Förebyggande åtgärder
Dokumentation
Databasprogrammet har även inbyggda rutiner för att reorganisera resp. tabell om data eller
index blivit skadade vid t.ex. ett plötsligt strömavbrott. Det finns en rutin för att ta bort
låsningsfiler (fleranvändarmiljö).
-Backup/arkivserver: För totalhaveri, finns ingen särskild planering annat än att modern
utrustning används som går att nyinskaffa (ca 1-2v leveranstid). Detta förutsätter att
bandbackuper går att använda för återställning, vilket bara testats för enstaka filer.
Serveradministration sköts av IT-samordnare (50%) med möjlighet till support vid behov
från IT-enheten SLU, vilka har god kännedom om servermiljön. F ö finns möjlighet till
konsultstöd som har mkt. god kännedom om denna servermiljö.
-Inga speciella för PC-databaserna. Webbsystemets underhålls av SLU IT-byrån, Umeå.
-Backup/arkivserver: Görs manuellt vid behov eller när tid finns. Arbete att etablera
automatisk rutin m. Vesus-server pågår. Önskemål finns att säkerhetsuppdateringar borde
göras genom SLU-gemensam lösning.
-Dumpar till överföringsfiler görs av de flesta användare. Dessa innehåller en totaldump av
alla poster i de 16 datatabellerna (systemtabell och hjälptabell får återskapas av
installationsprogrammet) vanligen på textfil med semikolonseparerade fält.
Överföringsfilen innehåller datavärden i exponentiellt format och datum som dagnummer
från år 0. Värdena är inte beroende av olika decimal och datumformat.
-Backup/arkivserver: Nej. Arkivexempal utgörs av årsbackup (se pkt. 33).
-I nyare system (XP, Vista) fungerar inte databasen i fleranvändarversion. Där får man
problem med flera samtidiga användare i en och samma tabell. Användarna har information
om detta och har anpassat sina rutiner till dess vi kan använda ett nyare runtime-system.
Superbase SIMPOL är ett nyare system som finns i betaversioner men databasen har ännu
inte konverterats till detta system.
-Backup/arkivserver: Administratör går regelbundet igenom institutionens datorer för
sanering av skadliga program, virus mm. som släpps igenom av F-secure. Särskild policy
gäller för studenter och gästforskare. I princip får inga egna maskiner användas i
institutionens nätverk, bara institutionens egna om inte prefekt ger särskilt skriftligt tillstånd
(spec. gästforskare). Tillgång ges inte standardmässigt till filkataolger utan bara till Internet.
33
40.
Finns dokumentation av databasens
struktur och tabellinnehåll, relationer,
formler och skript för beräkningar mm.?
41.
Finns dokumentation av arkiverade
databaser?
42.
Vilken dokumentation finns för övrigt?
(Relevanta systemutredningar,
specifikationer och krav från tillkomsten
av DB, användarhandledningar,
systembeskrivingar,
systemdokumentation, ev. källkod till
program, rutiner för underhåll mm.).
Manual finns med dokumentation av programmets olika delar samt bilagor med teknisk
information om tabeller, datahantering och systemunderhåll. Skript och profiler för
beräkningar och utskrifter lagras i två bibliotek (2 av de 16 tabellerna) men det är upp till
användaren att notera gjorda ändringar och dokumentera vilka beräkningar och profiler man
tillämpat vid bearbetningen av enskilda försök. Man kan koppla formler och profiler till
resp. försöksplan (och då används dessa automatiskt) men vanligen köra man
standardrutiner på samtliga försök i en viss gröda eller av viss typ. Dessa rutiner
dokumenteras vanligen separat från databasen.
Detta beror på den enskilda användaren/avdelningen. Generellt finns ingen rutin hålla
separat beskrivning av databasernas omfattning (dvs. annan omfattning än vad som framgår
av de försöksvariabler som finns lagrade i själva databasen).
Till databasen finns, förutom manualen, t.ex. olika kortfattade handledningar, beskrivning
av dataformatet för överföringsfilerna, beskrivning av innebörden av olika statistisk design
(inkl. hur man kan generera SAS statistik-program från databasens) m.m. Källkod arkiveras
regelbundet av systemansvarig (som har utvecklingsmiljön) till server men är inte
tillgänglig för användarna (som endast utnyttjar runtime-modulen av Superbase 3.5). Till
utvecklingsystemet hör ett antal handböcker/manualer. Dokumentation finns delvis på nätet
på Superbase hemsida www.superbase.com
Övrigt
Inom VPE finns även datamaterial från Ekhaga försöksgård från växtföljdsförsöken där.
Undersökningar på dessa försök gjordes också avseende förekomst av olika skadeinsekter
(se Växtskyddsdatabasen; (Roland Sigvald). Detta är ej datalagt. Omfattning? (Göran
återkommer).
Från VPE:s långliggande försök finns jordprov som sparas i Inst. f. Markvetenskap
provarkiv. Provförteckning finns ej digitalt.
Specifikation ang. variabler (TL 080310)
Gruppering av variabler - min lista för försöksdatabasen kan tjäna som grund
Huvudvariabel (egenskap):
Vanliga bedömningar/räkningar: Uppkomst, planttäthet, stråstyrka, axgång, blomning, grönskott,
mognad etc.
34
Vanliga analyser på växtmaterial: vattenhalt, renhet, volymvikt, kornvikt, kväve/protein-halt, oljehalt,
storleksfraktioner, fiber, stärkelse, klorofyll etc.
Bedömingar av ogräs: % förekomst, antal eller vikt på experimentenhet eller delyta inom exp.enh.
Flera hundra ogräs enlig Eppo/Bayer internationell kodstandard
Bedömningar av sjukdomar: förekomst/angreppsnivå, inventering vid flera tidpunkter. Flera hundra
skadegörare (svamp, insekter, nematoder) enligt Eppo/Bayer int. standard
Analayser av markdata: jordart/textur/storleksfraktioner, mullhalt, lerhalt, pH-värde, innehåll av
P,K,Mg,Cu,B etc. bundet/lättlösligt (olika analysmetoder)
Specifikationer av huvudvariabel - exempel från försöksdatabasens kodningsstandard (kopplas till
huvudegenskapen):
a) Skördeomgång och andra tidsbestämningar (t.ex. att man skördar och analyser en vallgröda flera
gånger under sommaren)
b) Specifikation av material (ofta mark/växt-typer, gröda eller del av gröda
c) Utvecklingsstadium för gröda, ogräs, sjuddomar etc.
d) Måttenheter och precisering av experimentenhet eller delyta
e) Sorteringsklasser, intervall m.m. t.ex. potatisknölars storlek
f) Referens för olika bestämningar/analyser, % av yta, % angripna växtdelar, % av rå vikt, % av
torrsubstans, % av volym o.s.v.
g) Detaljerade tidsbestämningar och geografiska bestämningar (utöver datum för mätvärde och
försökets koordinater)
Punkten g) är speciellt viktig när arbetsmetoden är något annat än traditionella fältförsök, t.ex.
inventeringar, prognos/varning, avrinningsdata m.m.
35
Bilaga 8.1b. Växtnäringsdatabasen. Resultat från intervjuer med Lennart
Beskrivning
Miljö och innehåll
Matsson/Ragnar Persson.
Kolumn för svar och kommentarer.
1.
Namn på databasen:
Tre stycken
1. Växtnäringsförsöken (2 DB: (a)Fältförsöksdatabas och
(b)Växtnäringsdatabas.)
2. N-data
3. Sortdata
SAS-databaser. 1b (SAS-ds) är utdrag ur Fältförsöksdatabasen
(Superbase 1a)
2 och 3 bearbetade som SAS-ds
SAS (Base, Stat och Graph)
För 2 och 3 SAS/Intrnet
2.
Databastyp: Produktnamn
och version
3.
Övriga nödvändiga
resurser
(miljöer/programvaror
mm.) som krävs för arbete
med databasen?
4.
Antal filer totalt filförteckning
1 omfattar ca 500 SAS-dataset strukturerade på enhetligt sätt och kan
konkateneras fullt ut.
2 och 3 är ett SAS-ds vardera.
5.
Antal tabeller och fält,
antal poster per tabell:
1. Varje ds ca 30 "effektiva" fält. Antal poster variabelt, 1000-50000
6.
Storlek (MB):
1. 330 MB
2. 30 MB
3. 16 MB
7.
Språk för namnsättning av
filer och fält:
36
8.
Finns avkodat innehåll?
Nej
9.
Finns tillhörande bild-,
ljud- och videofiler eller
GIS-filer (namn och/eller
antal):
Nej
(finns pdf-filer med bearbetat resultat i markvetenskaps webbdatabas 1
fil/försök;)
10.
Finns textfiler och i så fall
vilket
fältavgränsningstecken
används?
37
11.
Finns beräkningsprocedurer inlagt i databasen?
1. Ja, dels generella (för alla försöksserier), dels specifika för varje
försöksserie.
2 och 3. Beräkningar genereras vid varje anrop till DB
Nej
12.
Finns sekretess helt eller i delar?
13.
Typ av variabler och antal:
Alfanum och num. Antal ca 900 totalt, effektivt används kanske hälften,
beror på försökstyp (näringsämne, gröda, behandlingar etc).
I 2 och 3 ett 10-tal variabler
14.
Tidsomfattning och tidsupplösning av data:
15.
Geografisk täckning:
1. 19402. 19663. 1995Tidsupplösningen är år för samtliga
Rikstäckande spriding av fältförsöken. Försöksområden är samma som
används av FältForsk.
Kontext
17.
Vad står informationsinnehållet för? (Kortfattad
beskrivning av de forskningsuppgifter materialet
omfattar, procedurer för datainsamling, användning av
standarder)
18.
Beskriv kortfattat bakgrunden till databasens tillkomst,
dess historia och systemets plats i verksamheten.
1. Fältförsöksdata för växtnäringsförsök. Effekter av växtnäringsämnen på
gröda och biomassa, kvalitetsparametrar, markkemi. Minsta enhet i
sammanhanget är den enskilda försöksrutan, som sammanförs i enheter om
försök, som sammanförs i enheter om försöksserier. I ett försök, eller
experiment, jämförs olika behandlingar. Gäller generellt och alla resultat är
hänförbara till detta. Resultat och erfarenheter ger grund för rådgivning, val
av strategi och åtgärder osv. Många gånger men inte alltid är resultaten nära
praktisk tillämpning. Datainsamling genom vägning, mätning, gradering,
provtagning och kemiska analyser. (se syfte i bilaga f. långliggande försök).
1. Växtnäringsförsöken. I samband med fältförsöksverksamhetens
omorganisation 1962 påbörjades också utvecklingen av datoriseringen. Den
omfattade dels administrativa verktyg för försöksverksamheten, dels
38
bearbetnings- och utskriftsfunktioner samt uppbyggnad av dataregister.
Fram till dess samlades data in, registrerades och sparades i listor och
protokoll. För växtnäringsförsöken kan 1907 ses som en startår. Data finns i
organiserad form från 30-talet och framåt på registerkort. I nuvarande
elektroniska databas ingår försök som påbörjades omkring 1940, men
huvuddelen och framför allt kortvariga försöksserier finns med från 1965 och
framåt. Alla försök med växnäring, som bearbetats vid avdelningen ingår.
Data från 1930-40 finns bara på registerkort, ej i databas. Totalt ca 15 000
registerkort som ej är datalagda.
* Kvalitetssäkring av mätdata görs i SuperBase (FältförsökDB/systemet), där
man också kan få fram viss statistik om försksresultat gn. LSMeans.
2 och 3. N-data och Sortdata är från 2007. De omfattar försöksresultat,
bearbetade och "tvättade" från 1966 (kväve) och 1995 (kornsorter) och
framåt.
19.
Vilka är de nuvarande målen för att DB ska finnas?
Finns koppling eller samband till andra system eller
objekt? Ange vilka i så fall.
Alla tre databaserna lever, byggs kontinuerligt på med aktuella data.
1. Säker och enhetlig dokumentation av primärdata, grund för strukturerad
och åtkomlig information. En trygg start för ETL-kedjan. Bas för
uppföljande analyser och bearbetningar. Generell koppling till
Fältförsöksdatabasen (Superbase). (se dataflöde i bilaga)
2 och 3 Att ge möjlighet till användarstyrd åtkomst av bearbetade
försöksresultat
39
Förvaltning
20.
Vem äger databasen dvs.
bestämmer vilka resurser
som avsättas för att
databsen ska finnas
(systemägare)?
SLU – avd. för växtnäringslära
21.
Hur är förvaltningen
organiserad? (driftsoch/eller förvaltningsavtal,
förvaltningsplan,
finansiering, roller för
systemansvar och teknisk
drift; plats och personer).
1. Personligt engagemang. Formella avtal och planer saknas, mera typ "de facto" det har
blivit så.
Datasamordnare på inst. svarar för serverdrift och backupsystem, men användaren är själv
ansvarig för att säkerheten upprätthålls.
22.
Vilka övriga intressenter
finns och vilka roller
spelar de i och kring
systemet (kan vara både
funktioner, enskilda
personer och
organisationer)?
En stor del av verksamheten hänförs till SLUs långliggande försök finansierad av SLU, som
därmed gör SLU till en övergripande intressent. Den andra stora delen är uppdragsförsök,
med hushållningssällskap och företag som beställare JBV, JARA.
23.
Vem/ vilka är ansvariga
för informationsinnehållet
– nu och historiskt?
24.
Lever databasen (vem
lägger in nya data och på
vilket sätt görs detta)?
Ja. I fältförsöksdatabasen en datatekniker (Laima). I Växtnäringsförsöken, som ju är en del
av FältförsöksDB en forskningsledare (Lennart M). Behov av nyrekrytering finns.
40
25.
Finns uttalade
personberoenden i
samband med
förvaltningen av
databasen?
26.
Om databasen ej
uppdateras – har
databasen arkiverats och i
så fall hur har det gjorts
(procedur, format) och var
finns arkivversionen?
Ja. Verksamheten upplevs kunna få organisationsproblem framgent, då 2 nyckelpersoner
endast har 4-5 år till pensionering.
Tillgänglighet och användning
27. Hur görs databasens
innehåll åtkomligt för olika
användare/intressenter
(webb, datautdrag, kopia på
DB mm.)?
1. Växtnäringsförsöken. Genom bearbetning på begäran, ibland genom utdrag.
I fältförsöksDB görs alla bearbetade resultat tillgängliga via web-tjänst och som dokument.
28. Vilka användningsområden
finns för data (historiskt
och i dagsläget)?
Forskning, rådgivning, undervisning
2 och 3 enbart web-baserad tillgänglighet
(http://www-mv.slu.se/vaxtnaring/forsok/webapplikation/formram.htm)
Säkerhet
29. Hur säkerställs att
1. Formell behörighetsadministration utöver vad som behövs för ad-inloggning finns inte
41
obehöriga inte kan ändra i
databasen? Finns särskild
behörighetsadministration?
30. Finns spårbarhet på
genomförda ändringar eller
tillägg i databasen?
31. Noteras och publiceras alla
förändringar i systemet?
(innebär att bara katalogägare kan skriva till fil).
2 och 3. Öppna för alla (att läsa, men ej att skriva). Inga speciella säkerhetsåtgärder.
- Krävs inloggning på AD + personlig access till enhetsmapp på databas-servern (mvhumus). Tilldelas av IT-ansvarig på MV.
1. Ja, hittills genom att alla ändringar markeras på vågprotokoll, analysrapporter, pm etc
som arkiveras systematiskt.
2 och 3. Nej
Nej, inte på ”organiserat” sätt
32. Görs och underhålls
förteckning över
driftstörningar och
åtgärder?
Nej, inte annat än för åtgärd av säkerhetupdateringar gn. windowslogg för uppdateringar.
33. Backuprutiner och lagring
(hur ofta och var sker
lagring, görs verifiering av
backup, görs regelbunden
test att återställa data, görs
byte av backupmedium)
Lokala filer speglas till server mv-Humus efter att användaren loggar ut på egen PC.
Inkrementell backup av ändrade filer görs varje natt med bandstation mv-Snix. Stor backup
en gång var 14:e dag. Banden lagras i Hydrotekniks ”kassaskåp”. Verifiering och test görs
regelbundet. Återläsning görs ibland, men ej regelbundet pga. resursbrist. Byte av band görs
varannan månad, när bandet är fullt. Önskemål finns att kunna utnyttja filserver på ITenheten (men ännu för dyrt).
34. Fysiskt säkerhet (låst
utrymme – används kodlås,
finns brandlarm/sprinkler,
fritt från brännbart mtrl
mm.).
Tre servers används: (1) Server med diskstation, (2) server med bandstation samt (3)
webbserver för SASpresentationer; finns i två olika rum (1) samt (2)+(3). Utrymmena är
från böjran ej byggda som serverrum utan har anpassats efterhand. Kylning och finns i båda
serverrummen, men ej sprinkler och brandlarm. Båda utrymmena kan låsas med nyckel. I
båda utrymmena finns bokhyllor (trä) med diverse publikationer. Huvudströmbrytare till
serverrummet med diskstation är belägen i publikt utrymme.
Ingen särskild planering för katastrofhantering. Verksamheten har historiskt sett varit i mkt
stor utsträckning beroende av 1 person (institutionens IT-samordare), men på senare tid
35. Katastrofhantering –
Återstart/återläsning och
42
personberoenden
36. Säkerhetsuppdateringar
Görs någon form av
arkivering i plattforms- och
programoberoende format?
39. Förebyggande åtgärder
utnyttjas ytterligare 1 pers. deltid (30%) från IT-enheten. UtlakningsDB (Access) ligger i
filmappar med även andra typer av filer. I kombination med avsaknad av skriftlig
dokumentation av gör att det är inte alldeles enkelt att lokalisera var DB finns lagrad i
filstrukturen och kräver viss analys innan återläsning är möjlig. Återstart på mv-Humus går
ej att göra automatiskt efter säkerhetsuppdatering.
Automatiskt på lokala PC. På servers erhålls månatlig uppdatering från MicroSoft, men
initieras manuellt. Planering krävs då en server ej startar up automatiskt efter uppdatering,
måste göras fysiskt.
Nej, inte annat än att Kemidata arkiveras på papperslista.
-Särskild brandvägg har installerats (SLU bedöms centralt ej behöva och saknar gemensamt
skalskydd).
-Inga icke godkända datorer kan kopplas in i inst. nätverk. Predist. IP-adresser till varje
hårdvara.
-Nya datorer anmäls till IT-samordare som gör säkerhetskontroll. Personal som rest i Afrika
och Asien måste lämna bärbara datorer till IT-samordnare för säkerhetkontroll innan dess
får anslutas till institutionens nätverk.
-Övrigt: Inst. har övervägt att utnyttja SLU:s gemensamma filserver och IT-enhetens övriga
tjänster för underhåll och lagring, men hittills har detta bedömts vara ett dyrare alternativ än
nuvarande lösning i egen regi.
Dokumentation
40. Finns dokumentation av
databasens struktur och
tabellinnehåll, relationer,
formler och skript för
beräkningar mm.?
Samlad dokumentation saknas. Formler och anpassningar framgår av befintlig källkod.
Finns i textformat.
43
41. Finns dokumentation av
arkiverade databaser?
42. Vilken dokumentation finns Samlat nej.
för övrigt? (Relevanta
Källkoden finns i programlistorna (SAS-skript).
systemutredningar,
specifikationer och krav
från tillkomsten av DB,
användarhandledningar,
systembeskrivingar,
systemdokumentation, ev.
källkod till program, rutiner
för underhåll mm.).
Övrigt
*Kvalitetssäkring av mätdata görs i SuperBAse, där man också kan få fram viss statistik om försöksresultat gn. LSMeans.
*Saknas strategi för lagring av prov avseende t.ex. tid och format/form.
*Problem i SuperBase med behörighetshantering till data. Data kan ändras ofrivilligt. Viss metadatadokumentation av
försök finns ej i DB, spec. info om/från försöksplats. Förbättring efterfrågas vad gäller ’statushantering’ : veta var prover
finns, har vi fått ett provsvar, översikt om händelser i hela kedjan försöksledning->fält->lab->mottagning?
Jord- och växtprov finns fr.o.m. 1963, totalt ca 15 000 prov. Provförteckning/liggare finns i pärmar, ej datalagt.
*Omr. Jordbearbetning (omfattas hittills inte av datagenomgången). Har haft liknande försöksverksamhet/arbetssätt som
Lennart med växtnäringsförsöken. Har idag ingen ansvarig för datakedjan. Sixten Gunnarsson jobbar idag ideellt med
detta efter pensionering. Jordbearbetningsdata används mkt, men saknas idag kompetens om vad data står för. Lite
44
tvärtom i Lennarts fall där data upplevs kunna användas mer än det gör, däremot finns kunskap om
försök/resultat/översikt mm. gn. Lennarts roll/funktion.
45
Dataflöden vid avdelningen för växtnäringslära
Några begrepp
Försöksplan
Försöksserie
Försök
Identifieras med plan-nummer, t.ex. R3-0020-1
En försöksplan består av 2 eller flera behandlingar
Identifieras med de 4 siffrorna i mitten av plan-numret.
En försöksserie utgörs av 2 eller flera försök med samma
försöksplan
Identifieras dubbelt
1. Med försöksnummer, t.ex. C-12-2007 dvs. länsbokstav,
löpnummer och anläggningsår. Följer försöket även om
det är flerårigt
2. Med adb-nr, ett unikt nr för varje försök. Nytt för varje
år.
I Försöksdatabasen, Superbase, vid avd. för växtnäringslära finns
7300 försök (=adb-nummer)
608 försöksplaner
272 försöksserier
Dataflödet grafiskt på nästa sida.
Kommentarer:
Från fält och laboratorier samlas data in, som kontrolleras och registreras. Alla data samlas och sparas i Försöksdatabasen. Från denna
genereras metadata i form av försöksbenämningar grödor, lokalisering etc. samt dokument (pdf) med bearbetade försöksvisa data, allt
tillgängligt på webben.
46
Från försöksdatabasen görs också export med SAS-programkod av alla data till Växtnäringsdatabasen, som är strukturerad
försöksserievis men kan konkateneras till större enheter.
Växtnäringsdatabasen är grunden för ETL-principen (SAS) för att generera bearbetningar för olika typer av presentationer och webtjänster.
Antal försök per år från 1985 och framåt på sidan 3.
47
Dataflöden, avd. för växtnäringslära
Fält
-protokoll
-filer
Bearbetning
-kodning
-Kontroll
-Registrering
Försöksdatabas
(Suberbase; lokal inst.)
-Metadata
-Primärdata
(på parcellnivå)
-Bearbetade data
Bearbetningar och
presentation
-Webtjänster
-Rapporter
-Sammanställningar
-Uppsatser
Växtnäringsdatabas
(SAS)
Försöksserievis
-Metadata
-Bearbetade data
ETL
(SAS)
Dataexport
(SAS prog.kod)
- - - - - - - - - - - - - - - - - - Webben- - - - - - - - - - - - - - - - - -
Web-databas (FältForsk
presentation DB SQL Server)
-Metadata för enskilda försök
-Dokumentdatabas med pdffiler,
N-data
SAS-databas
Web-baserad
användarstyrd information
via SAS/intrnet
48
49
Försökstyper, långliggande försök (från http://vn.mv.slu.se)
Syfte
Humusbalans i olika växtföljder
Jämförelse mellan odlingssystem
Kalk och fosfor
Permanenta kalkningsförsök
Beskrivning
Mullhalten utvecklas olika i
stråsädesväxtföljder respektive i
växtföljder med långvariga vallar, i detta
fall 3 år vall sedan nyanläggning följt av
3 år vall osv. I försöken med stråsäd
jämförs utvecklingen när halmen
bortförs och när den återförs.
Jämförelserna i både stråsädesförsöken
och vallförsöken görs vid olika
kvävenivåer.
Fem olika odlingssystem, som skiljer sig
åt beträffande växtnäringsanvändning
jämförs. Skiljelinjerna mellan systemen
går mellan organisk gödsling och
mineralisk, mellan djurhållande och icke
djurhållande, mellan extensiv och
intensiv produktion och mellan ensidiga
och blandade växtföljder. Varje
odlingssystem är dränerat separat så att
läckage av växtnäring kan följas.
Markfosforns växttillgänglighet beror i
stor utsträckning på de markkemiska
förhållandena. Olika fosforformer
reagerar också olika. Här undersöks
olika fosforgödslingsstrategier i moment
som aldrig kalkats sedan 40-talet och i
moment med varierande grad av
uppkalkning. Försöken är de äldsta
fältförsöken alla kategorier i landet.
Den långsiktiga mark- och
skördeutvecklingen vid olika
markkemiska tillstånd jämförs.
Nedbrytning och omsättning av
skörderester är pH-beroende och därför
studeras två olika skörderestnivåer i
Plats
Fyra platser med två försök på varje
plats.
Ett försök på Lanna försöksgård i
Västergötland.
Två försök på Lanna.
Två försök på två olika platser.
Försöksnr
50
Markkemi vid olika kalktillstånd
Kalkprodukters verkan
Exploatering av fosfor
Markbördighetsförsök
kombination med tre växtnäringsnivåer.
En enklare variant av kalkningsförsök,
som startades i stort antal 1983.
Inriktningen är densamma som i nr 4
men den markkemiska utvecklingen över
tiden och i samspel med bl.a.
mikronäringsämnen är starkare betonat
här.
Olika kalkprodukters verkan är
svårbedömd. Råvarans geologiska
ursprung och finmalningsgrad spelar stor
roll. I ett omfattande samarbete mellan
SLU, Kalkindustrin och de regionala och
lokala försöksutförarna genomförs en
landsomfattande jämförelse mellan olika
kalkprodukter. Effekter på både mark
och gröda ska följas under en period av 8
år. Försöken startades 1999.
Efterkrigstidens jordbruk har generellt
ökat odlingsjordarnas fosfortillstånd. I
denna försöksserie undersöks
möjligheterna att dra nytta av det ökade
fosfortillståndet. Effekter av
fosforgödsling på grödan och på marken
följs.
När det kreaturslösa jordbruket blev allt
vanligare på 50-talet fanns farhågor om
uthålligheten i sådana odlingssystem. I
denna omfattande och rikstäckande
försöksserie jämförs två odlingssystem,
med respektive utan kreatur, vid ett antal
olika växtnäringsnivåer. Dessutom visar
försöken uthålligheten hos olika jordar
med avseende på deras
näringslevererande förmåga. De belyser
och dokumenterar också kontinuerligt
förändringar i markegenskaper från
1950-talets mitt och framåt.
Nu återstår tre försöke på tre olika
platser.
Femton försök på lika många platser.
Fem försök på fem olika platser ingår i
serien.
Tolv olika platser från Umeå till
Trelleborg ingår i serien.
51
Markbiologiska tillstånd
Tillförsel av organisk substans t.ex.
stallgödsel, slam, kompost osv. skapar
olika förutsättningar för mikroblivet i
marken. Ett ramförsök, dvs 2x2 m stora
försöksrutor i fält omgivna av träramar,
startades 1956 för att under mer
kontrollerade betingelser än i
konventionella fältförsök följa
utvecklingen i mark och gröda när
organisk substans tillförs. Då
jordvolymen i så små rutor trots allt är
begränsad medför intensiv
jordprovtagning att volymen minskar.
För att bygga vidare och ha beredskap då
läget blir prekärt startades ett liknande
försök fast i konventionell försöksskala
1996.
52
Bilaga 8.1c. Utlakningsdatabasen. Resultat från intervjuer med Gunnar Torstensson/Helena Aronsson/Ragnar Persson.
Beskrivning
Miljö och innehåll
Kolumn för svar och kommentarer.
1.
Namn på databasen:
Utlakning
2.
Databastyp: Produktnamn och version
Microsoft Access 2003
3.
Övriga nödvändiga resurser (miljöer/programvaror mm.)
som krävs för arbete med databasen?
4.
Antal filer totalt - filförteckning
Data från dataloggrar förprepareas med Excel-makro före inläggning.
Bearbetning, t.ex. transportberäkning görs likaså med Excel-makro efter
utplock.
Antal ”.mbd”-filer med vattenflöde/kemi/Min-N = 12 st. Varje databasfil
representerar ett försöksfält (försöksprojekt).
Just nu finns 3 excel-filer för gröd/skörde-resultat som kommer att inkluderas
i ”mdb”-filerna som nya tabeller. Datum, parcell, flöde, kemivariabler.
Primärdata används alltid för beräkningar dvs. ingen aggregerad info lagras i
DB. Korrigerade vattenflöden finns alltid dokumenterade i tabellen.
5.
Antal tabeller och fält, antal poster per tabell:
6.
Storlek (MB):
2-14 tabeller/fil. Varierande postantal, från ca 100 till ca 130.000 beroende
på datatyp och tidsupplösning.
Ca 120 MB
7.
Språk för namnsättning av filer och fält:
Svenska
8.
Finns avkodat innehåll?
Nej
9.
Finns tillhörande bild-, ljud- och videofiler eller GISfiler (namn och/eller antal):
Nej
10.
Finns textfiler och i så fall vilket fältavgränsningstecken
Nej
53
används?
11.
Finns beräkningsprocedurer inlagt i databasen?
Ja. T.ex Avrinning samt Skörde- och grödprovsresultat
12.
Finns sekretess helt eller i delar?
Nej
13.
Typ av variabler och antal:
14.
Tidsomfattning och tidsupplösning av data:
15.
Geografisk täckning:
16.
Ange språk för informationsinnehåll:
Numeriska, (oftast flyttal), Antal varierar med t.ex. antal försöksrutor/fält etc.
Vattenkemi, dräneringsvatten: Momentan (14 dagar) eller flödesproportionell
provtagn. Avrinning, rutvis i ”mm”: Vippkärl (eller V-överfall (vattenstånd)).
Mineralkväve (Min-N): provtagning 0-30, 30-60, 60-90 cm; NO3-N, NH4-N,
volymsvattenhalt. Skörd: kg ts/ha, NPK-halt mm. Grödprover: kg ts/ha,
N+C-halt. Väderdata: TA, RH, nederb., WS, Solinstrålning.
Detaljer i bilaga.
Varierar med fältens ålder, 4 - >20 år.
Exempel: Avrinning: dygns- eller tim-upplösning.
Koncentration i Skåne-Halland samt Västergötland (Lanna). Försöksfält: L:a
Böslid (1-2), Mellby (1-3), Fotegården, Lönnstorp, Lanna (2;LAD, LAVA,
BLD, MVD) Öllöv, Bornsjön, (Wiad, Hedemora – har utgått men gamla data
finns som bör säkras)
Svenska
Kontext
17.
Vad står informationsinnehållet för? (Kortfattad
beskrivning av de forskningsuppgifter materialet
omfattar, procedurer för datainsamling, användning av
standarder)
Databaserna innehåller information från fältanläggningar som är särskilt
konstruerade för utlakningsstudier. Försöksplatserna är fasta försöksfält med
olika försöksupplägg över tid. Behandlingar: Jordbearbetning, Gödsling,
Odling/Utveckling, Bevattning, Växtskyddsåtgärder. Försöksrutorna har
individuella dräneringssystem som är kopplade till en mätstation där
avrinning mäts med datalogger och vatten provtas i proportion till
flödesintensiteten. De sex försöksfälten är belägna i södra delen av landet
och sammanlagt finns idag ca 130 försöksrutor. Under 2008 sker en
54
nyanläggning av totalt ett 50-tal rutor på två av platserna.
Försöksverksamheten är huvudsakligen inriktad mot studier av
växtnäringsläckage från olika typer av odlingssystem med målet att finna
vägar för effektivt utnyttjande och minimerat läckage av växtnäring. En
mindre del av verksamheten finansieras av SLU för långliggande studier.
Den viktigaste finansiären har under de senaste 10-15 åren varit
Jordbruksverket, som efterfrågar kunskap för underlag i rådgivningsarbete
och för utformande av miljöstöds- och regelsystem för jordbruket. SLF
(Stiftelsen Lantbruksforskning) bidrar också med medel till verksamhet på
fälten. Utlakningsförsöken innehåller ett stort och växande datamaterial med
information om hur utlakningen av växtnäring varierar i olika
odlingssituationer. Det gäller olika jordar, platser, grödor, skörde- och
gödslingsnivåer m.m. Försöksresultaten används frekvent för att öka
förståelsen över hur utlakningen ser ut från Sveriges jordbruk. Bland annat
har vi utvecklat ett rådgivningsverktyg för beräkning av kväveutlakningen på
gårdsnivå (Stank in Mind). Försöksdatan har också varit värdefull i arbetet
med de nationella beräkningarna av utlakningen från Sveriges åkermarker
och för utveckling av simuleringsmodellen SOILNDB.
-En vidareutveckling och utbyggnad av försöksdatabaserna kommer att
innebära än större möjlighet att snabbt ta fram information för olika typer av
analyser och utvärderingar. Behov tillgodoses gn. egen sys.
utvecklingsverksamhet – syftar till att lättare få samlad information om
försöken och struktur för att göra sammanställningar.
Det viktigaste just nu är att få till en databasstruktur vad gäller skörde- och
odlingsdata för hela tidsperioden för att försöksfält.
- Vattenföring loggas och samlas in på dataloggrar. Data överförs till PC med
GSMmodem. Transporter beräknas månadsvis och data finns på excelblad.
Data genereras från DB, men resultat läggs normalt inte in i ny tabell.
55
18.
Beskriv kortfattat bakgrunden till databasens tillkomst,
dess historia och systemets plats i verksamheten.
Egentlig databashantering efter att loggrarna infördes, (1987 -) Äldre data i
huvudsak inlagd.
19.
Vilka är de nuvarande målen för att DB ska finnas?
Finns koppling eller samband till andra system eller
objekt? Ange vilka i så fall.
Flertalet försöksfält är fortgående ”Långliggande försök”.
Inga ”kopplingar” till andra system.
Förvaltning
20.
Vem äger databasen dvs. bestämmer vilka resurser som
avsättas för att databsen ska finnas (systemägare)?
(SLU/Fakulteten) Avdelningen för vattenvårdslära, Markvetenskap.
JBV beställer och betalar ofta för undersökningarna, men har inga krav på att
själva äga data.
Projektledaren ansvarar för skötsel och drift. Finansiering: Blandad av korta
externa medel och en mindre del statsanslag (långliggande).
Vattenvårdslära (Ultuna), Gunnar och Helena.
I förvaltning av data är ägarskapet diffust. Forskningsgruppen bestämmer
vilken basnivå som behövs för att försöken ska hållas vid liv. Långsiktig
strategi och finansiering saknas.
21.
Hur är förvaltningen organiserad? (drifts- och/eller
förvaltningsavtal, förvaltningsplan, finansiering, roller
för systemansvar och teknisk drift; plats och personer).
22.
Vilka övriga intressenter finns och vilka roller spelar de i FOMA: Behöver underlags- och verifieringsdata för beräkningsmodeller.
och kring systemet (kan vara både funktioner, enskilda
SJV: Underlag för, eller uppföljning av, åtgärder/regelverk mot
personer och organisationer)?
växtnäringsläckage.
23.
Vem/ vilka är ansvariga för informationsinnehållet – nu
och historiskt?
Gunnar Torstensson, Helena Aronsson (Arne Gustafson, historiskt)
24.
Lever databasen (vem lägger in nya data och på vilket
sätt görs detta)?
JA! Projektledarna (se ovan). Loggerdata omformas med till Excel-blad för
import till tabeller. Kemidata, Min-N och skörde/grödunderlag mm
importeras från sammanställda Excel-blad. (Ingen hand-inmatning).
-Prov som det görs kemiska anlyser på har särskild hantering av ackrediterat
lab (Swedac). Kemdata levereraras i excelformat till server (Humus). Dessa
56
hämtas med behörighet.
25.
Finns uttalade personberoenden i samband med
förvaltningen av databasen?
26.
Om databasen ej uppdateras – har databasen arkiverats
och i så fall hur har det gjorts (procedur, format) och var
finns arkivversionen?
Ja (Kanske mer förknippat med för- och efterbehandling). Finns ingen direkt
dokumentation av de arbetsrutiner som krävs för hantering av DB och
beräkningar?
- Gunnar är nyckelperson från planering till insamlade av data, dataläggning
och datahantering, beräkningar, uttag.
Tillgänglighet och användning
27.
Hur görs databasens innehåll åtkomligt för olika
användare/intressenter (webb, datautdrag, kopia på DB
mm.)?
Utdrag på Excel- eller text-fil
28.
Vilka användningsområden finns för data (historiskt och
i dagsläget)?
Forskning, modellutveckling/verifikation, har utgjort underlag för t.ex.
utlakningsmodul i STANK (SJV), SoilNDB 2 och 3, mm. Även underlag för
regelverk och miljöersättningar (SJV).
Användning upplevs öka under åren för omr: övergödningproblematik,
regelsystem och åtgärder, rapporter till JBV. DB är ett verktyg för att kunna
göra sammanställningar.
- Dataleveranser inom SLU gn. specialuttag från DB. Detta finns inte
budgeterat/finasierat. Frekvens några gånger per år.
- Projekt finansierade från JBV (oftast 3-åriga), finns krav på att lämna
rapport. Görs i institutionens rapportserie. Rapporten läggs sedan ut
på JBV-webb. JBV har inga krav på hur insamlat data ska hanteras
efter att rapporten redovisats. GT och HA upplever att det är mycket
informella kontakter i projekten. Ofta är det otydligt om rollerna de
axlar som expert, datatolkare, kunskapssammanställare är reglerat i
57
-
ngt avtal. I så fall finns avtal högre upp i organisationen som de själva
inte är medvetna om.
Komprimerad slutrapport läggs på SLU:s webb.
Data används för rådgivning och miljömålsarbete.
Rådgivningsverktyg finns framtaget som separat programvara som
ägs av JBV, installeras lokalt. Vattenvård har bidragit i detta arbete
med kunskap från försöksverksamheten.
Säkerhet
29.
Hur säkerställs att obehöriga inte kan ändra i databasen?
Finns särskild behörighetsadministration?
30.
Finns spårbarhet på genomförda ändringar eller tillägg i
databasen?
31.
Noteras och publiceras alla förändringar i systemet?
Krävs inloggning på AD + personlig access till enhetsmapp på databasservern (mv-humus). Tilldelas av IT-ansvarig på MV. Idag har 2 pers tillgång
till databaserna.
Både ja och nej. Avrinning lagras som 2 variabler, Primär-variabeln är alltid
inkomna mätvärdet, Korr-variabeln ger justering för kalibrering och/eller
ersättning av saknade/felaktiga värden. Avr. tas ut som summan av dessa.
Kommentarfält finns i vissa tabeller.
Nej, inte på ”organiserat” sätt
32.
Görs och underhålls förteckning över driftstörningar och
åtgärder?
Nej, inte annat än för åtgärd av säkerhetsuppdateringar gn. windowslogg för
uppdateringar.
33.
Backuprutiner och lagring (hur ofta och var sker lagring,
görs verifiering av backup, görs regelbunden test att
återställa data, görs byte av backupmedium)
Lokala filer speglas till server mv-Humus efter att användaren loggar ut på
egen PC. Inkrementell backup av ändrade filer görs varje natt med
bandstation mv-Snix. Stor backup en gång var 14:e dag. Banden lagras i
Hydrotekniks ”kassaskåp”. Verifiering och test görs regelbundet. Återläsning
görs ibland, men ej regelbundet pga. resursbrist. Byte av band görs varannan
58
34.
Fysiskt säkerhet (låst utrymme – används kodlås, finns
brandlarm/sprinkler, fritt från brännbart mtrl mm.).
35.
Katastrofhantering – Återstart/återläsning och
personberoenden
36.
Säkerhetsuppdateringar
37.
Görs någon form av arkivering i plattforms- och
programoberoende format?
39.
Förebyggande åtgärder
månad, när bandet är fullt.
Tre servers används: (1) Server med diskstation, (2) server med bandstation
samt (3) webbserver för SAS-presentationer; finns i två olika rum (1) samt
(2)+(3). Utrymmena är från början ej byggda som serverrum utan har
anpassats efterhand. Kylning och finns i båda serverrummen, men ej
sprinkler och brandlarm. Båda utrymmena kan låsas med nyckel. I båda
utrymmena finns bokhyllor (trä) med diverse publikationer.
Huvudströmbrytare till serverrummet med diskstation är belägen utanför
rummet i publikt utrymme.
Ingen särskild planering för katastrofhantering. Verksamheten har historiskt
sett varit i mkt stor utsträckning beroende av 1 person (institutionens ITsamordare), men på senare tid utnyttjas ytterligare 1 pers. deltid (30%) från
IT-enheten. UtlakningsDB (Access) ligger i filmappar med även andra typer
av filer. I kombination med avsaknad av skriftlig dokumentation av gör att
det är inte alldeles enkelt att lokalisera var DB finns lagrad i filstrukturen och
kräver viss analys innan återläsning är möjlig. Ändrad filorganisation är
under planering.
Automatiskt på lokala PC. På servers erhålls månatlig uppdatering från
MicroSoft, men initieras manuellt. Planering krävs då en server ej startar up
automatiskt efter uppdatering, måste göras fysiskt.
-Loggerdata sparas i form av originalfiler (textfiler, ”komma”-separerade) på
CD.
-Kemidata på papperslista, gäller även det mesta av skördedata och Min-N.
-Särskild brandvägg har installerats (SLU bedöms centralt ej behöva och
saknar gemensamt skalskydd).
-Inga icke godkända datorer kan kopplas in i inst. nätverk. Predist. IPadresser till varje hårdvara.
-Nya datorer anmäls till IT-samordare som gör säkerhetskontroll. Personal
som rest i Afrika och Asien måste lämna bärbara datorer till IT-samordnare
för säkerhetskontroll innan dess får anslutas till institutionens nätverk.
-Övrigt: Inst. har övervägt att utnyttja SLU:s gemensamma filserver och ITenhetens övriga tjänster för underhåll och lagring, men hittills har detta
59
bedömts vara ett dyrare alternativ än nuvarande lösning i egen regi.
Dokumentation
40.
Finns dokumentation av databasens struktur och
tabellinnehåll, relationer, formler och skript för
beräkningar mm.?
Nej, ingen systematisk dokumentation.
41.
Finns dokumentation av arkiverade databaser?
-
42.
Vilken dokumentation finns för övrigt? (Relevanta
systemutredningar, specifikationer och krav från
tillkomsten av DB, användarhandledningar,
systembeskrivningar, systemdokumentation, ev. källkod
till program, rutiner för underhåll mm.).
-
Övrigt
*Det finns gamla data i pärmar som skulle kunna användas i forskningen om dessa vara enklare att komma åt. Det handlar nästan
uteslutande om skörde- och odlingsdata, men i några fall även vattenkemi/avrinning från perioden före datorns inträde.
*Data ang. odlingsåtgärder. Olika typer av odlingsdata redovisas på olika excelblad. Information om försöken och dess skötsel finns
framför allt i försöksplan. Oplanerade händelser, åtgärder el. incidenter under pågående försök noteras i protokoll (excelfil och papper)
(hamnar ej i databasen för närvarande).
*Klimatdatabas finns med justerade värden från Mellby och delvis från Lanna. Mätningar på resp. försöksplats framgår av bilaga. Dessa
mätningar har för dagen ingen koppling till Fältforsk’s klimatdata. Vore värdefullt att vid behov kunna komplettera/kontrollera med data
från Fältforsk.
*Interna SLU krav finns från fakulteten att det ska finnas en DB, men osäkert om detta omfattar långsiktiga data eller hantering av äldre
data.
60
*NOT: Skara, Lanna – avser särskilt datalager. Access, Ingår i tidigare nämda pkt 4.
*Arkiv finns med grödprov och jordprov. Finns på markvetenskap. Arkivlistor förs. Arkivansvarig är Allan Lundkvist. Datalagt i Excelfiler.
61
Bilaga. Datalagt material.
Variabelnamn
Variabel
Enhet
Tidsupplösning
Ingår nu i
"databas":
L:a Böslid
Mellby
Mellby
BSD
ME1
ME2
ME3
Ekolog.+N
yteknik
Ekolog.
*)Antal
rutor/mätpunkter
x
x
(Kryss inom parentes indikerar att variabeln ej
mätts hela tiden)
Mellby
FoteLönnsLanna
gården
torp
Avrinning
(exempel)
Datum
Datum, klockslag
x
x
MED1_Prim
Avrinning rutvis, prim.
mm
Dygn/Tim
36*
14
23
13
MED1_Korr
Avrinning rutvis, korrig.
mm
Dygn/Tim
36
14
23
13
H_Prim
Vattenstånd (ö.V-spets)
mm
Timme
FTD
x
LTD
Lanna
Lanna
Lanna
Lanna
Öllöv
LED
LAD
LAVA
BLD
MVD
OLD
Ekolog.
"Gamla"
1-7
Väder
x
"Gamla Länsförs.
" 11-14,
17
x
x
x
x
x
10
14
7
5
10
10
14
7
5
10
1
H_Korr
Vattenstånd (ö.V-spets)
mm
Timme
H-Just
Vattenstånd, justerat
mm
Timme
1
Prel_Avr
Preliminär avr. (från log.)
mm
Dygn
1
Bornsjö
n
"OBS (Nytt
-fält"
fält)
friland
sodl.
x
x
28
28
1
1
1
Vattenkemi
Datum
Datum, klockslag
10-20/år
x
x
x
x
x
x
Ruta
Rutnummer
10-20/år
x
x
x
x
x
x
x
x
PO4P
Fosfat-P, filtrerad
mg/l
10-20/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
TotP
Total-P
mg/l
10-20/år
x
x
x
x
x
x
x
x
x
(x)
(x)
(x)
x
x
x
x
x
x
x
x
x
x
(x)
(x)
x
x
x
NH4N
Amminium-N
mg/l
10-20/år
NO3N
Nitrat-+nitrit-N
mg/l
10-20/år
x
x
x
x
x
x
x
x
x
x
x
TotN
Total-N
mg/l
10-20/år
x
x
x
x
x
x
x
x
x
x
x
K
Kalium
mg/l
10-20/år
(x)
x
x
x
x
x
x
x
x
x
x
x
x
x
x
Väderdata
Datum
Datum, klockslag
Temp_ME1
Luft-temperatur, 1,5 m
C
Dygn/Tim
VapPress_ME1
Ångtryck
Pa
Dygn/Tim
WindSpeed
Vindhastighet
m/s
Dygn/Tim
WindDir
Vindriktning
gr.360
Dygn/Tim
Prec_ME1
Nederbörd
mm
Dygn/Tim
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
(x)
x
x
x
x
x
62
SolRad
Solinstrålning
MJ
Dygn/Tim
RelHum_ME1
Relativ luftfuktighet
%
Dygn/Tim
AirPress
Lufttryck
Pa
Dygn/Tim
x
x
x
x
x
x
x
x
x
x
Mineralkväve
Datum
Datum
NH4N_30
Ammonium-N 0-30 cm
kg/ha
2-7/år
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
NO3N_30
Nitrat-N 0-30 cm
kg/ha
2-7/år
x
x
x
x
x
x
x
x
NH4N_60
Ammonium-N 30-60 cm
kg/ha
2-7/år
x
x
x
x
x
x
x
x
NO3N_60
Nitrat-N 30-60 cm
kg/ha
2-7/år
x
x
x
x
x
x
x
x
NH4N_90
Ammonium-N 60-90 cm
kg/ha
2-7/år
x
x
x
x
x
x
x
x
NO3N_90
Nitrat-N 60-90 cm
kg/ha
2-7/år
x
x
x
x
x
x
x
x
VolVh_30
Vol.-vattenhalt 0-30 cm
%
2-7/år
x
x
x
x
x
x
x
x
VolVh_60
Vol.-vattenhalt 30-60 cm
%
2-7/år
x
x
x
x
x
x
x
x
VolVh_90
Vol.-vattenhalt 60-90 cm
%
2-7/år
x
x
x
x
x
x
x
x
MinN_30
Mineral-N 0-30 cm
kg/ha
2-7/år
x
x
x
x
x
x
x
x
MinN_60
Mineral-N 30-60 cm
kg/ha
2-7/år
x
x
x
x
x
x
x
x
MinN_90
Mineral-N 60-90 cm
kg/ha
2-7/år
x
x
x
x
x
x
x
x
MinN_Prof
Mineral-N 0-90 cm
kg/ha
2-7/år
x
x
x
x
x
x
x
x
Kärn/frö-skörd
Ej i DB-format 2007-11-07
x
x
x
x
Datum
Datum
1/år
x
x
x
x
x
x
x
ADB
ADB-nummer
1/år
x
x
x
x
x
x
x
x
Skörd_nr
Skörd nr
1/år
x
x
x
x
x
x
x
x
Löpnr
Löpnummer
1/år
x
x
x
x
x
x
x
x
Led
Led-Gröda
1/år
x
x
x
x
x
x
x
x
Ruta
Rutnummer
1/år
x
x
x
x
x
x
x
x
x
x
Delprov
Delprov inom Ruta (1-3)
1/år
x
x
x
x
x
x
x
x
Provslag
Sädesslag etc
1/år
x
x
x
x
x
x
x
x
Växtf-Led
Gröd+Led-kod
1/år
x
x
x
x
x
x
x
x
Rutskörd_kg
Provskörd
kg
1/år
x
x
x
x
x
x
x
x
Yta_m2
Yta för Provskörd
m
2
1/år
x
x
x
x
x
x
x
x
(x)
Stråstyrka
%
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Vikt_fält_g
Fältvikt, analysprov
g
1/år
x
x
x
x
x
x
x
x
Före_Rens_g
Analysprov
g
1/år
x
x
x
x
x
x
x
x
x
x
Annan
huvud
man
x
x
x
63
Efter_rens_g
Analysprov
g
1/år
x
x
x
x
x
x
x
x
vh-NIT_%
Vattenhalt (NIT/annan)
%
1/år
x
x
x
x
x
x
x
x
Prot-NIT_%
Proteinhalt
Vikt-200st_g
TS-Renvfak
Renviktsfaktor - Ts
Renvfak_15%
Renviktsfaktor - VH-STD
Vh-fält_%
Vattenhalt vid skörd
% av ts
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
g
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
1/år
x
x
x
x
x
x
x
x
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
1/år
x
x
x
x
x
x
x
x
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
%
Avrens_%
Litervikt_g
Volymvikt
%
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Tk-vikt_vh15%_g
Tusenkornvikt
g
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Olja_%
Oljehalt
% av ts
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
N-faktor
Protein-halt/N-halt
1/år
x
x
x
x
x
x
x
x
N-NIT_%
N-halt NIT-analys
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Kemnr
Kemprovsnummer
1/år
x
x
x
x
x
x
x
x
N_%
Total-N, labanalys
% av ts
1/år
x
x
x
x
x
x
x
x
P_%
Total-P, labanalys
% av ts
1/år
x
x
x
x
x
x
x
x
K_%
Total-K, labanalys
% av ts
1/år
x
x
x
x
x
x
x
x
VH-STD%
Standardvattenhalt
%
1/år
x
x
x
x
x
x
x
x
Halm-skörd
Ej i DB-format 2007-11-07
x
x
x
x
Datum
Datum
1/år
x
x
x
x
x
x
x
ADB
ADB-nummer
1/år
x
x
x
x
x
x
x
x
Skörd_nr
Skörd nr
1/år
x
x
x
x
x
x
x
x
Löpnr
Löpnummer
1/år
x
x
x
x
x
x
x
x
Led
Led-Gröda
1/år
x
x
x
x
x
x
x
x
Ruta
Rutnummer
1/år
x
x
x
x
x
x
x
x
% av ts
x
x
Delprov
Delprov inom Ruta (1-3)
1/år
x
x
x
x
x
x
x
x
Provslag
Sädesslag etc
1/år
x
x
x
x
x
x
x
x
Växtf-Led
Gröd+Led-kod
1/år
x
x
x
x
x
x
x
x
Rutskörd_kg
Provskörd
1/år
x
x
x
x
x
x
x
x
kg
2
Yta_m2
Yta för Provskörd
m
1/år
x
x
x
x
x
x
x
x
Hövikt_g
Inkommen provvikt
g
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Efter_Tork_g
Ts-vikt, analysprov
g
1/år
x
x
x
x
x
x
x
x
Grönvikt_g
Fältvikt, analysprov
g
1/år
x
x
x
x
x
x
x
x
TS-Skörd_%
Ts-halt vid skörd
%
1/år
x
x
x
x
x
x
x
x
Annan
huvud
man
64
TS-Höprov_%
Ts-halt på Höprov
%
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
ts-våt_g
Ev separat ts-bestämn.
g
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
ts-torr_g
Ev separat ts-bestämn.
g
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Kemnr
Kemiprovsnummer
1/år
x
x
x
x
x
x
x
x
N_%
Total-N, labanalys
1/år
x
x
x
x
x
x
x
x
% av ts
C_%
Total-C, labanalys
% av ts
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
P_%
Total-P, labanalys
% av ts
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
K_%
Total-K, labanalys
% av ts
1/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Potatis-skörd
Ej i DB-format 2007-11-07
x
x
Datum
Datum
1/år
x
x
x
x
ADB
ADB-nummer
1/år
x
x
x
x
x
Skörd_nr
Skörd nr
1/år
x
x
x
x
x
Löpnr
Löpnummer
1/år
x
x
x
x
x
Led
Led-Gröda
1/år
x
x
x
x
x
Ruta
Rutnummer
1/år
x
x
x
x
x
Delprov
Delprov inom Ruta (1-3)
1/år
x
x
x
x
x
1/år
x
x
x
x
x
Växtf-Led
Gröd+Led-kod
1/år
x
x
x
x
x
Rutskörd_kg
Provskörd
kg
1/år
x
x
x
x
x
Yta_m2
Yta för Provskörd
m
2
1/år
x
x
x
x
x
PlantCC_m
Plantavstånd
m
1/år
(x)
(x)
(x)
(x)
(x)
RadCC_m
Radavstånd
m
1/år
(x)
(x)
(x)
(x)
(x)
st
1/år
(x)
(x)
(x)
(x)
(x)
Provslag
Plantantal
x
x
Sort_<40_%
Storleks-sortering
%
1/år
x
x
x
x
x
Sort_40-55_%
Storleks-sortering
%
1/år
x
x
x
x
x
Sort_55-75_%
Storleks-sortering
%
1/år
x
x
x
x
x
Sort_>75_%
Storleks-sortering
%
1/år
x
x
x
x
x
Hövikt_g
Inkommen provvikt
g
1/år
x
x
x
x
x
Efter_Tork_g
Ts-vikt, analysprov
g
1/år
x
x
x
x
x
Grönvikt_g
Fältvikt, analysprov
g
1/år
x
x
x
x
x
TS-Skörd_%
Ts-halt vid skörd
%
1/år
x
x
x
x
x
TS-Höprov_%
Ts-halt på Höprov
%
1/år
x
x
x
x
x
ts-våt_g
Ev separat ts-bestämn.
g
1/år
x
x
x
x
x
ts-torr_g
Ev separat ts-bestämn.
g
1/år
x
x
x
x
x
Kemnr
Kemiprovsnummer
1/år
x
x
x
x
x
65
N_%
Total-N, labanalys
% av ts
1/år
x
x
x
x
x
C_%
Total-C, labanalys
% av ts
1/år
(x)
(x)
(x)
(x)
(x)
P_%
Total-P, labanalys
% av ts
1/år
x
x
x
x
x
K_%
Total-K, labanalys
% av ts
1/år
x
x
x
x
x
Vall-skörd (Egentlig, bortförd vallskörd)
Datum
Datum
1-3/år
x
ADB
ADB-nummer
1-3/år
x
x
x
Skörd_nr
Skörd nr
1-3/år
x
x
Löpnr
Löpnummer
1-3/år
x
x
LED
Led-Gröda
1-3/år
x
x
Ruta
Rutnummer
1-3/år
x
x
Delprov
Delprov inom Ruta (1-3)
1-3/år
x
x
Provslag
Vallålder etc
1-3/år
x
x
Växtf-Led
Gröd+Led-kod
1-3/år
x
x
Rutskörd_kg
Provskörd
kg
1-3/år
x
x
Yta_m2
Yta för Provskörd
m
2
1-3/år
x
x
Stadie_baljv
Utvecklingsstadie baljv.
1-3/år
(x)
(x)
Stadie_gräs
Utvecklingsstadie gräs.
1-3/år
(x)
(x)
Baljv_%
Bot. sammans., ts-bas
%
1-3/år
x
x
Gräs_%
Bot. sammans., ts-bas
%
1-3/år
x
x
Övr_%
Bot. sammans., ts-bas
%
1-3/år
x
x
Hövikt_g
Inkommen provvikt
g
1-3/år
x
x
Efter_Tork_g
Ts-vikt, analysprov
g
1-3/år
x
x
Grönvikt_g
Fältvikt, analysprov
g
1-3/år
x
x
TS-Skörd_%
Ts-halt vid skörd
%
1-3/år
x
x
TS-Höprov_%
Ts-halt på Höprov
%
1-3/år
(x)
(x)
ts-våt_g
Ev separat ts-bestämn.
g
1-3/år
(x)
(x)
ts-torr_g
Ev separat ts-bestämn.
g
1-3/år
(x)
(x)
Kemnr
Kemiprovsnummer
1-3/år
x
x
N_%
Total-N, labanalys
% av ts
1-3/år
x
x
C_%
Total-C, labanalys
% av ts
1-3/år
(x)
(x)
P_%
Total-P, labanalys
% av ts
1-3/år
x
x
K_%
Total-K, labanalys
% av ts
1-3/år
x
x
Gröd-prover
Ej i DB-format 2007-11-07
x
x
x
x
x
Annan
huvud
x
66
man
(Antingen klippta från små, kända ytor, eller tagna med vallskördemaskin)
Datum
Datum
1-5/år
x
x
x
x
x
x
x
ADB
ADB-nummer
1-5/år
x
x
x
x
x
x
x
x
Skörd_nr
"Skörd" -kod
1-5/år
x
x
x
x
x
x
x
x
Löpnr
Löpnummer
1-5/år
x
x
x
x
x
x
x
x
Led
Led-Gröda
1-5/år
x
x
x
x
x
x
x
x
Ruta
Rutnummer
1-5/år
x
x
x
x
x
x
x
x
Delprov
Delprov inom Ruta (1-3)
1-5/år
x
x
x
x
x
x
x
x
Provtyp
Grovsorterings-kod
1-5/år
x
x
x
x
x
x
x
x
Provslag
Grödslag
1-5/år
x
x
x
x
x
x
x
x
Växtf-Led
Gröd+Led-kod
1-5/år
x
x
x
x
x
x
x
x
Rutskörd_kg
Provskörd
kg
1-5/år
x
x
x
x
x
x
x
x
Yta_m2
Yta för Provskörd
m
2
1-5/år
x
x
x
x
x
x
x
x
PlantCC_m
Plantavstånd
m
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
RadCC_m
Radavstånd
m
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
st
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Plantantal
x
Stadie_baljv
Utvecklingsstadie baljv.
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Stadie_gräs
Utvecklingsstadie gräs.
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Baljv_%
Bot. sammans., ts-bas
%
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Gräs_%
Bot. sammans., ts-bas
%
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Övr_%
Bot. sammans., ts-bas
%
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Hövikt_g
Inkommen provvikt
g
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Efter_Tork_g
Ts-vikt, analysprov
g
1-5/år
x
x
x
x
x
x
x
x
(x)
Grönvikt_g
Fältvikt, analysprov
g
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
TS-Skörd_%
Ts-halt vid skörd
%
1-5/år
x
x
x
x
x
x
x
x
TS-Höprov_%
Ts-halt på Höprov
%
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
ts-våt_g
Ev separat ts-bestämn.
g
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
ts-torr_g
Ev separat ts-bestämn.
g
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
Kemnr
Kemiprovsnummer
1-5/år
x
x
x
x
x
x
x
x
N_%
Total-N, labanalys
% av ts
1-5/år
x
x
x
x
x
x
x
x
C_%
Total-C, labanalys
% av ts
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
P_%
Total-P, labanalys
% av ts
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
K_%
Total-K, labanalys
% av ts
1-5/år
(x)
(x)
(x)
(x)
(x)
(x)
(x)
(x)
67
Bilaga 8.1d. Växtskyddatabasen/Prognos. Resultat från intervjuer med Roland Sigvald och Annhild Andersson.
Beskrivning
Miljö och innehåll
1.
Namn på databasen:
2.
Databastyp: Produktnamn och version
3.
Övriga nödvändiga resurser (miljöer/programvaror mm.)
som krävs för arbete med databasen?
4.
Antal filer totalt - filförteckning
Kolumn för svar och kommentarer.
Växtskyddsdatabasen/Prognosverksamhet.
Materialet finns i olika databaser/datasamlingar och omfattar observationer
för: (a) Bladlus, (b) Fritfluga, (c) Bomullsmögel, (d) Stråknäckare, (e)
Rapsjordloppa, (f) Potatisbladmögel, (g) PotatisvirusY samt (h)
Väderdatabas
a. Bladlus: Excel 2003? samt SQL Server 2005 (presentationsDB för
fältförsöken; se FFE:s webbplats).
b. Fritfluga: (1) Excel 2003? samt (2) fältforskningsDB SQL Server
2005
c. Bomullsmögel: Excelfiler på CD
d. Stråknäckare (fältdata huvudsakligen i pärmar, data från inventering
av höstvetefält från c:a 1975-1995)
e. Rapsjordloppor (data huvudsakligen i pärmar från 1975-1995)
f. Potatisbladmögel (data på institutionen för skogsmykologi och
patologi, Björn Andersson)
g. Potatisvirus (avslutat projekt redovisat i doktorsavhandling, därefter
vissa fältdata insamlade från c:a 700 potatisfält, data på CD)
h. Väderdatabas: SQL Server 2005 (FFE:s presentationsDB)
Windows 2000, XP, Vista för excelfiler. För presentationsDB
webbläsare…..(kolla m. Torbjörn).
a. Bladlus: Orginaldata för bladlus finns i 1 excelfil (arbetsbok) per
lokal. Totalt 10 filer med försöksdata. Därutöver finns en metadatafil
(excelarbetsbok) med blad för varje försök (insamlingsplats) som
beskriver vilka datainsamlingar som gjorts, avvikelser, uppehåll,
68
b.
c.
d.
e.
f.
g.
5.
Antal tabeller och fält, antal poster per tabell:
kommentarer ang. provhantering mm. Insamlade prov är betecknade
med plats och datum- finns ej särskild numrering eller annan
identifikation.
Fritfluga: (1) Data finns på 1 st CD-skiva hos Roland. Data främst
beträffande antal fångade fritflugor i blå fångstskålar. Från 1999-2007
finns data på Internet beträffande fångst av fritflugor i blå
fångsskålar.(i FFE:s presentationsSQLDB).
Bomullsmögel: Data från c:a 700 våroljeväxtfält från 1984-1995.
Data finns i pärmar samt på CD.
Stråknäckare. Data främst i pärmar beträffande inventering av
stråknäckarsvampen i höstvete.
Rapsjordloppor: Fältdata från höstraps i Skåne främst 1975-1995,
Vissa data från slutet av 1960-talet. Från 1996 finns data på
Växtskyddscentralen ,SJV, Alnarp. Data till c:a 30% i datafiler i
Alnarp.
Potatisbladmögel: Data på institutionen för skogsmykologi och
patologi, SLU.
Potatisvirus Y: Data från c:a 700 potatisfält finns i pärmar samt på
CD.
a. Bladlus: Excelblad innehåller ca 2000 rader/försök.
h. Väderdatabas. Data från 1980-2007 från 50 stn + 70 gridpunkter, dagliga
värden, ca 25 parametrar/dag.
6.
Storlek (MB):
a. Bladlus: ?
7.
Språk för namnsättning av filer och fält:
Svenska f. Excelfiler
8.
Finns avkodat innehåll?
Nej
9.
Finns tillhörande bild-, ljud- och videofiler eller GIS-
Nej
69
filer (namn och/eller antal):
10.
Finns textfiler och i så fall vilket fältavgränsningstecken
används?
Nej
11.
Finns beräkningsprocedurer inlagt i databasen?
12.
Finns sekretess helt eller i delar?
a. Bladlus: Nej
b. Fritfluga: Nej
h. Väderdatabas: Ja på SMHI
a. Bladlus: Ja ?
b. Fritfluga:?
h. Väderdatabas: Ja
13.
Typ av variabler och antal:
14.
Tidsomfattning och tidsupplösning av data:
a. Bladlus. Plats/försöksvariabler, tidpunkt, antal bladlöss per prov (20 arter
identifieras).
b. Fritfluga: antal flugor per vecka under vår och försommar
c. Bomullsmögel. Andel angripna stjälkar (100 undersökta plantor per fält i
obserbvationsrutan)
d. angripna plantor enligt ett index (andel samt hänsyn taget till graden av
angrepp)
e. Rapsjordloppa: antal larver per planta (25 undersökta plantor per fält),
antal döda och levande larver samt ett antal fältdata, totalt c:a 15 variabler
per fält. Totalt 40-70 höstrapsfält undersökta årligen.
a. Bladlus. Data insamlat 1984-> ca 1995 angivit som veckovärden. Därefter
insamlat var 3:e dag. Insamling pågår.
b. Fritfluga: (2) Data finns från 1994->. Fritfluga: (1) Data finns på 1 st CDskiva hos Roland. Data främst beträffande antal fångade fritflugor i blå
fångstskålar. Från 1999-2007 finns data på Internet beträffande fångst av
fritflugor i blå fångsskålar.(i FFE:s presentations SQLDB).
c. Bomullsmögel: Data från c:a 700 våroljeväxtfält från 1984-1995. Data
finns i pärmar samt på CD. Angrepp av bomullsmögel graderat en gång per
70
säsong. Fältdata insamlat en gång per säsong
d. Angrepp av stråknäckarsvampen i höstvete graderat två gånger per säsong,
dels vid stråskjutning och dels vid mjölkmognad (efter axgång). Provtagning
och gradering har skett efter enligt ett visst protokoll.
15.
Geografisk täckning:
16.
Ange språk för informationsinnehåll:
e. Rapsjordloppa: Data från undersökningar från slutet av 1960-talet i viss
omfattning. Från 1975-1995 har inventeringar utförts i 40-70 höstrapsfält
årligen i Skåne. Månadsvis provtagning i vissa fält. I merparten fält ett prov
per vinter.
f. se ovan
g. Potatisvirys Y: Data från c:a 1976-1986. Andel angripna plantor enligt
fältbesiktning samt andel angripna potatisknölar enligt vintertest (två värden
per fält beträffande potatisvirus Y samt c:a 10 fältdata per fält.
h. Väderdatabas: Dagliga värden 1980-2007. Från vissa lokaler 1950-2007.
a. Bladlus. 9 försökslokaler: Alnarp, Kalmar, Växjö, Kölbäck
(Östgötaslätten), Lanna, Ultuna, Umeå, Luleå, Gotland. Därutöver finns
motsvarande fällor uppsatta i St Petersburg, Lettland och Litauen. Data från
St Petersburg levereras till Roland.
b. Fritfluga: (2) Fångsdata beträffande fritfluga i blå fångstskålar från
flertalet län i Götaland och Svealand
e. Rapsjordloppor: Skåne.
h. Väderdatabas: Hela Sverige
Svenska
Vad står informationsinnehållet för? (Kortfattad
beskrivning av de forskningsuppgifter materialet
omfattar, procedurer för datainsamling, användning av
standarder)
a. Bladlus: Angrepp av de olika bladlusarterna varierar mycket mellan olika
områden och år. Det är angeläget att förbättra prognoserna för att kunna
begränsa användningen av bekämpningsmedel till det verkliga behovet. I
projektet studeras bladlössens migration med hjälp av sugfällor som fångar
Kontext
17.
71
flygande insekter på 12 meters höjd. Syftet är att kunna ställa en prognos för
kommande angrepp i stråsädesfälten, främst vårsäd. I ett särskilt
doktorandprojekt är syftet att belysa klimatets och väderlekens inverkan på
populationernas storlek. Insamlade prov från en sugfälla representerar ett
ungefärligt område med 70-80 km radie.
Integrerat växtskydd (för närvarande prognosverksamheten för växtskydd vid
institutionen för ekologi, SLU) svarar för projektet. Medel har under åren
erhållits från olika organisationer, men främst Potatisodlarnas organisationer,
(SPOR och Solanum) och Jordbruksverkets, SJV. I vissa fall har företag
bidragit till driften av sugfällor. Rådgivare och odlare har sedan 25 år tillbaka
medverkat vid utvecklingen av prognosmetoder och detta torde starkt ha
bidragit till att metoderna blivit tillämpbara i praktiken.
b. Fritfluga. Prognoser för förekomst av fritfluga görs på motsvarande sätt
som för potatisvirus och görs tillgängligt via FFE:s webbplats. Finns
dokumenterad modell för prognostiseringen. Används för riskbedömning av
skadeangrepp i havre när det gäller första generationens fritflugor under
våren. Historiskt har flera olika indatakällor använts som grund för modellen:
väderdata, fältdata, sugfällor, blåskålar. Modellen för fritfluga finns
publicerad i en doktorsavhandling av Mats Lindblad.
c. Bomullsmögel. Avser prognos för bomullsmögel i våroljeväxter. Data
läggs in via webben i FältForskDB (presentationsDB SQL) samt inläggning
av riskvärden. Användaren kan få stöd gn. webbtjänst för riskvärdering
(http://www.ffe.slu.se/PV/svensk/vxprog/vaxtpgsv.html ) genom att själv
ange vissa ingångsvärden. Riskmodellen är publicerad i doktorsavhandling
av Eva Twengström.
d. Stråknäckare. Inventering av höstvetefält där observationer görs av andel
plantor med symptom av stråknäckarsvampen. Resultatet från inventeringen
ger viss vägledning om bekämpningsbehov mot stråknäckarsvampen. Pärmar
(ca 15 st) finns i Alnarp med data från 1975 -> ca 1995. JBV ansvarig från
72
1995->.
e. Rapsjordloppor. Används för prognos t. behandling av utsäde. Sedan
mitten av 1970-talet har SLU svarat för prognos beträffande rapsjordloppan
och tillsammans med Oljeväxtodlarnas förening bedömt behovet av
insektsbetning för kommande säsong.
Fr. o.m. 1996 finns data hos Växtskyddscentralen, SJV, Alnarp, men okänt i
vilken form. Växtskyddscentralen i Alnarp ansvarar sedan 1996 för
provtagning, analys och data. Data från tidigare år fr.o.m. 1970-80 talet finns
inlagt i excel, övrigt data enbart i pärmar (ca 30 st) lagrat i Alnarp hos
tekniker Bjarne (kontaktperson Växtskyddscentralen: Gunilla Berg). Mätta
variabler: levande/döda larver i stjälkar, planttäthet, sort, såtid mm, div.
uppgifter från provtagning och fältuppgifter. Data beträffande rapsjordloppa
kan bli allt mer betydelsefullt för att belysa hur klimatet kan påverka
populationen av en sådan insekt. Långa dataserier beträffande insekter är
relativt ovanliga. Därför är det angeläget att sådana data bevaras och om
möjligt samlas in även i fortsättningen. Uppgifter betydelsefulla för
rådgivning och forskning kring klimatförändringar
f. Potatisbladmögel. Riskvärden beräknas med SLU-modell av SMHI. Data
levereras till SLU varje dygn och presenteras på FFE:s webb. Finns ev. data
hos Björn Andersson på institutionen för skogsmykologi och patologi: både
från fält och labbförsök. Oklar omfattning.
g. Potatisvirus Y. Dataserie omfattar ca1976-1986 (merparten av fältdata sen
1982 på CD). Prognos för potatisvirus Y baserat på fångst av bladlöss i
sugfällor samt fältdata fanns tidigare (2003) modell på webben som kunde
användas för prognostisering gn. att ge visst inputdata. Information värdefull
för ’utsädesodlingen’ och potatisrådgivare. Under 2007 beställdes prognoser
för potatisvirus Y baserade på fångst av bladlöss med sugfällor. SJV hade
krav på webbpresentation, vilken uppdaterades varje vecka (jmf ovan).
73
Finansiering av prognosverksamhet för potatisvirus Y har tidigare skett
genom potatisodlarnas organisationer. Bladlöss är vektor för spridning av
viruset. Modellen (är veteskapligt publicerad) bygger på detta samband gn.
empiriska data. Idag så gör Roland riskbedömning där hänsyn tas till aktuella
data från sugfällor, förekomst av smittkällor, väderbetingelser och
bladlusfrekvens för fjolårssäsong (detta ger en indikation på spridningen av
potatisvirus Y under föregående säsong och påverkar den aktuella
förekomsten av smittkällor). Den första modellen som utvecklades finns
dokumenterad och publicerad (doktorsavhandling av Roland Sigvald). När
det gäller riskbedömning av potatisvirus Y med hjälp av sugfällor finns detta
delvis publicerat i konferensrapporter. Under 2007 lades
resultat/riskbedömningen ut som tabell på nätet FFE:s webbplats (SQLpresentationsdatabas) och (FFEs webbplats). Uppdatering sker några ggr per
säsong.
h. Väderdatabas. Viktigt underlag för prognosverksamhet, indata i vissa
modeller. Data från 50 stn från SMHI:s stationsnät samt från 70 gridpunkter.
Används för forskning (lösenordskyddad del) samt delvis öppen. Åtkomst
publikt från FFE:s webbplats. Avtal årsvis med SMHI, R.S: ansvarig.
Datainnhåll från 1980-> (Uppsala 1970->). Datainläggning sv SMHI-data
görs manuellt? i FFE:s presentationsSQL. Omfattningen av dataleveranser
ökar efter att forskare kontaktat R.S. om utökat data.
18.
Beskriv kortfattat bakgrunden till databasens tillkomst,
dess historia och systemets plats i verksamheten.
a. Bladlus. Främst att utveckla prognoser för olika bladlusarters angrepp
i stråsäd, oljeväxter och potatis. Bladlössen utgör några av de mest
betydelsefulla skadeinsekterna på våra grödor. Angreppen varierar
avsevärt mellan olika områden och olika år. Under vissa år har det
varit behov av kemisk bekämpning på c:a 70 % av vårsädesarealen
74
medan andra år endast 5-10 % har varit i behov av bekämpning. För
att bättre kunna anpassa bekämpningen efter behov har man från
rådgivning och företag önskat få både långtidsprognoser och
korttidsprognoser. Under 1984 påbörjades uppbyggnaden av ett nät
med sugfällor i Sverige för fångst av insekter och främst bladlöss.
Smaband mellan förekomst av bladlöss under höst och vår och det
kommande angrppet har undersökts. Med resultat från dessa
undersökningar har prognoserna för bladköss i olika grödor kunnat
förbättras. Bladlusprognoser ingår som en del i prognosverksamheten
vid institutionen för ekologi och presenteras via Fältforsk hemsida.
b. Fritfluga: I mitten av 1980 talet bedömdes att prognoserna behövde
förbättras för fritfluga i havre. Vissa år och i vissa områden var
angreppen mycket strka av fritflugans första generation. De prognoser
som tidigare presenterats främst med ledning av väderdata var ej
tillräckligt säkra. Ytterligare underlag behövdes för att bedöma
bekämpningsbehovet i det enskilda fältet. Forskingsprojekt
påbörjades i slutet av 1980-talet och resulterade i riskvärdering eller
prognos för det enskilda havrefältet. Metoden bygger bl a på
väderedata, fältdata och uppskattning av populationens storlek iolika
områden i Göraland och Svealand.
c. Bomullsmögel: Projektet startade i viss omfattning i början av 1980
talet. Angreppen av bomullsmögel var mycket starka i vissa fält under
vissa år. Med hjälp av nya effektiva fungicider kunde man effektivt
bekämpa bomullsmögel i oljeväxterna. Men angreppen varierade
mycket starkt mellan olika fält och olika år. Kostnade för en
behandling var ochså mycket dyr, 500-600 kr per ha. Vid mycket
starka angrepp kunder förlusterna uppgå till 3000 kr per ha i
vårrapsen. Det förelåg därför mycket stort behov av att utveckla en
riskvärdering för att kunna bedöma behovet i det enskilda fältet. Med
fältförsök, laboratorieförsök, inventeringar mm utvecklades en
75
riskvärdering baserad på vissa fältdata, väderdata och vissa regionala
data. Tillsammans gav dessa data en riskvärdering för det enskilda
fältet. Riskvärderinen är för närvarande tillgänglig via Internet för
rådgivare och odlare. Riskvärderingen ingår som en del i
prognosverksamheten för växtskydd från imstitutionen för ekologi.
d. Stråknäckare: Mycket starka angrepp i höstvete i vissa fält och under
vissa år på 1980-talet medverkade till ökat behov av prognos för
stråknäckarsvampen. Förutom fältförsök genomfördes inventeringar
och olika prognosmetoder testades. För närvarande är det endast en
modell för stråknäckarsvampen tillgänglig via Internet baserad på
väderdata. Den kan ge en viss vägledning om risken för angrepp i
olika regioner i Sverige.
e. Rapsjorloppa: Angreppen varierade mycket mellan olika år och
områden.rutinmässig bekämpning genom betning av oljeväxtfröet var
ej önskvärt, eftersom behov förelåg c:a vart tredje år. Genom
undersökning av populationens storlek i olika områden i Skåne kunde
man bedöma behovet av utsädesbetning till den kommande säsongen.
Detta har fungerat bra sedan man påbörjade dessa undersökningar för
mer än 30 år sen. Oljeväxtodlarna har finansierat undersökningarna
under merparten av den perioden. Sedan 1996 svarar SJV för
finansiering och den årliga inventeringen..
f. Potatisbladmögel: Se resultat från institutionen för skogsmykologi
och patologi
g. Potatisvirus Y: under 1975 var spridningen av potatisvirus Y mycket
omfattande i södra och mellersta Sverige, vilket resulterade i brist på
friskt potatisutsäde. Den dåvarande Statens Växtskyddsanstalt fick i
uppdrag att undersöka orsakerna till den omfattande spridningen av
potatisvirus Y. Under c:a 10 års tid genomfördes olika typer av
76
undersökningar (fältförsök, laboratorieförsök, växthusförsök,
inventeringar mm). Resultaten utgjorde sedan underlag till en
simuleringsmodell som relsativt väl beskrev risken för Potatisvirus Y.
Indata i modellen var bl a förekomst av smittkällor, olika bladlusarter
med olika effektivitet, sortens mottaglighet, potatisplantans ålder mm.
Samband mellan modllens resultat och andel PVY smittade
potatisknölar i skörden var mycket starkt. Modellen finns publicerad
som ett kapitel i en bok samt i en doktorsavhandling av Roland
Sigvald.
h. Väderdatabasen. För att förbättra prognoser för skadegörare i olika
grödor, indata i modeller. Databasen torde bli alltmer betydelsfull
belysa samband mellan väderdata/klimatdata och långa dataserier för
att belysa effekter av klimatförändring.
19.
Vilka är de nuvarande målen för att DB ska finnas?
Finns koppling eller samband till andra system eller
objekt? Ange vilka i så fall.
a. Bladlus: -prognoser för olika bladlusarter när det gäller att förutsäga
angrepp i olika grödor, -Belysa samband mellan förekomst av bladlöss i
sugfällor och klimatförändringar, -Belysa förekomst och utbredning av olika
insektsarter bl a mot bakgrund av klimatförändringar,
Forskning/populationsdynamik, Prognoser- t.ex. Prognos av potatisvirus Y,
prognos för rödsotvirus i stråsäd.
b. Fritfluga: Underlag för prognos beträffande fritfluga
(2) Särskild DB med data från fångster av fritfluga i blåskålar i mitten av
juni. Data finns från 1994->. Läggs in med särskilt gränssnitt i FältForsk
presentationsdatabas för växtskyddsprognoser (SQL).
e. Rapsjordloppa: Rapsjorloppa: Angreppen varierade mycket mellan olika år
och områden.rutinmässig bekämpning genom betning av oljeväxtfröet var ej
önskvärt, eftersom behov förelåg c:a vart tredje år. Genom undersökning av
77
populationens storlek i olika områden i Skåne kunde man bedöma behovet av
utsädesbetning till den kommande säsongen. Dessa data skulle kunna bidra
till att belysa effekter av klimatförändringar. Det är därför angeläget att denna
långa dataserie bibehålles.
h. Väderdatabasen. * Prognosverksamheten, * Studier av
klimatförändringarnas effekt bl.a. på växtskydd/växtproduktion.
Förvaltning
20.
Vem äger databasen dvs. bestämmer vilka resurser som
avsättas för att databasen ska finnas (systemägare)?
a. Bladlus: Prognosverksamheten inom Inst. f. ekologi (Roland
Sigvald). Finansiering sker med forskningsmedel för perioder av 2-3
år. Främst externa intressenter: potatisodlare, företag och SJV
(prognos PVY). För närvarande oklart med finansiering beträffande
fångst av insekter med sugfällor. Tidigare har NL-fak anslagit fasta
medel på ca 1,2 milj/år totalt för prognosverksamheten. Sedan en rad
omorganisationer skett av växtskyddsverksamheten på SLU och
minskning av anslag måste verksamheten begränsas.
b. Fritfluga. Roland Sigvald har svarat för ansökningar beträffande
forskningsmedel från olika organisationer coh ansvarar för de projet
som bedrivits.
h. Väderdatabasen. Prognosverksamhetens .Avtal med SMHI.
21.
Hur är förvaltningen organiserad? (drifts- och/eller
förvaltningsavtal, förvaltningsplan, finansiering, roller
för systemansvar och teknisk drift; plats och personer).
a. Bladlus: Idag är 3-4 personer involverade i verksamheten på deltid; RS,
tekniker (Bjarne; pensioneras 1 mars 2009) i Skåne som gör artbestämning
(deltid) (är nära pensionering och finansieras fn. av länsarbetsnämden).
Annhild Andersson har delvis svarat för artbestämning, SLU-IT (Lena
Johansson, Per Nyman) sköter server och allm. PCunderhåll, lab ass Anhild
Andersson och gör datainläggning i excel samt administrerar exelfilerna med
78
22.
bladlusdata. Förutom dessa nämnda är det en person på respektive fångstplats
som svarar för att vittja sugfällan 3 gånger per vecka samt att sända burkar
med insekter till laboratoriet på Ultuna.
h. Väderdatabasen. Roland Sigvald skriver avtal med SMHI och
FältForsk.svarar för drift och underhåll av väderdatabasen
Vilka övriga intressenter finns och vilka roller spelar de i a. Bladlus: Se. pkt 20. Data från tre provlokaler (se ovan) har ingått i EUoch kring systemet (kan vara både funktioner, enskilda
projektet EXAMINE -1998, som handlade om migrationsstudier av bladlus.
personer och organisationer)?
Finns ett antal provlokaler i Europa. Levererade excelark har lagts in i
projektets databas i Rothamsted (www.rothamstedt.ac.uk/examine/database).
Data är tillgängligt m. lösenord. Nya användare får lösenord via Roland som
har kontakt med serveransv. i England. Användaren kan söka, visa tabellerat
data samt grafer. Förvaltning av data i Examine osäkert framgent.
h. Väderdatabasen. Inst. inom SLU, forskargrupper.
23.
Vem/ vilka är ansvariga för informationsinnehållet – nu
och historiskt?
a-h. Roland Sigvald
24.
Lever databasen (vem lägger in nya data och på vilket
sätt görs detta)?
a. Bladlus. Annhild Andersson läger in data i excelfiler som ocksså
tillsammans med tekniker Bjarne i Alnarp gör artbestämningar.
h. Väderdatabasen. Ja, data läggs in dagligen.
25.
Finns uttalade personberoenden i samband med
förvaltningen av databasen?
Ja. Presentation på webb är avhängigt administration av FFE:s webbplats (se
Fältforskningsdatabasen).
26.
Om databasen ej uppdateras – har databasen arkiverats
och i så fall hur har det gjorts (procedur, format) och var
finns arkivversionen?
79
Tillgänglighet och användning
27.
28.
Hur görs databasens innehåll åtkomligt för olika
användare/intressenter (webb, datautdrag, kopia på DB
mm.)?
Vilka användningsområden finns för data (historiskt och
i dagsläget)?
a. Bladlus. Prognoser av bladlusförekomst/angrepp görs på förfrågan av
kemikalieföretag (ej fn. normalt inom SLU:s löpande verksamhet). Data
finns inlagt delvis i FältforskningsDatabasen. Torbjörn Leucoivus har gjort
särskilt inläggningsprogram för detta ändamål. Inläggning görs av tekniker
Bjarne i Alnarp och ANhild i Uppsala. Begränsat mtrl datalagt på detta vis;
fem försök fr.o.m. 1998- (endast 2 arter inlagt 2007, från de fem försöken.
Övrigt de 20 artbestämda bladlusarterna?).
h. Väderdatabasen. Till viss del via Internet för försöksverksamhet.
a. Bladslus. Datamaterialet bedöms av RS ha stor potential i framtiden
vad gäller att följa/analysera effekter av klimatförändringar på olika
populationer av bladlus m. fl. arter samt virussjukdomar.
Populationsdynamiska studier.
h. Väderdatabasen. Prognosverksamhet, forskningsprojket mark/växt,
Klimatforskning rörande effekter på växtproduktion.
*Viktigaste data för framtida användning (tillsammans med väderdata) är
bladlus-, rapsjordloppor- och bomullsmögeldata.
Säkerhet
29.
Hur säkerställs att obehöriga inte kan ändra i databasen?
Finns särskild behörighetsadministration?
a. Bladlus. AD-inloggning för behörighet att skriva i excelbladen.
30.
Finns spårbarhet på genomförda ändringar eller tillägg i
databasen?
a. Bladlus. Nej, inte annat än genom att metadatafil för sugfällorna
uppdateras.
80
31.
Noteras och publiceras alla förändringar i systemet?
a. Bladlus. Nej.
32.
Görs och underhålls förteckning över driftstörningar och
åtgärder?
33.
Backuprutiner och lagring (hur ofta och var sker lagring,
görs verifiering av backup, görs regelbunden test att
återställa data, görs byte av backupmedium)
a. SLU-IT rutiner för fillagring enl pkt 33. Ang. data i
FältforskningsDatabasen (SQLpresentationsDB) gäller samma rutiner som
för denna.
a. Bladlus. Excelfiler lagras primärt på SLU:s filserver (ulfsv1.data.slu.se).
Ang. data i FältforskningsDatabasen (SQLpresentationsDB) gäller samma
rutiner som för denna.
34.
Fysiskt säkerhet (låst utrymme – används kodlås, finns
brandlarm/sprinkler, fritt från brännbart mtrl mm.).
35.
Katastrofhantering – Återstart/återläsning och
personberoenden
36.
Säkerhetsuppdateringar
37.
Görs någon form av arkivkering i plattforms- och
programoberoende format?
39.
Förebyggande åtgärder
a. Bladlus. Excelfiler enl. IT-enhetens rutiner. Ang. data i
FältforskningsDatabasen (webbSQLpresentationsDB) gäller samma rutiner
som för denna.
IT-enhetens rutiner
IT-enhetens rutiner
IT-enhetens rutiner
Dokumentation
40.
Finns dokumentation av databasens struktur och
tabellinnehåll, relationer, formler och skript för
beräkningar mm.?
41.
Finns dokumentation av arkiverade databaser?
Modeller som används i prgonsverksamheten f. bomullsmögel, fritfluga finns
dokumenterade i vetenskapliga publikationer.
81
42.
Vilken dokumentation finns för övrigt? (Relevanta
systemutredningar, specifikationer och krav från
tillkomsten av DB, användarhandledningar,
systembeskrivingar, systemdokumentation, ev. källkod
till program, rutiner för underhåll mm.).
Sigvald, R. 2007. Växtskyddsprognoser (tidigare Integrerat växtskydd) –
Redovisning av nuvarande verksamhet och förslag till framtida. PM. Inst. f.
ekologi.
Övrigt
Finns även datamaterial från Ekhaga försöksgård från växtföljdsförsöken där. Materialet
avser veckovisa observationer (utvecklingskurva) av skadeinsekter på olika grödor (t.ex.
höstvete, potatis) under perioden maj-juli under försökens varaktighet ca 1988-2000.
Undersökningarna utfördes som uppdrag från Ekhagagrupppen R.S. finns på
papperprotokoll i pärmar (VPE:s källare), vilka slängs om inte annat meddelas. Det har
tidigare gjorts en digital sammanställning på CD och överlämnats för doktorandarbete på
tidigare CUL (nuvarande Landskapsplanering, SLU).
Önskemål om förbättringar
*Presentation av bladlusdata görs i FFE:S webbtjänst. Inmatning görs via webb post för
post artvis. Skulle vara bra med batchinmatning (komm. Anhild).
*Skulle vara bra att tydliggöra ingång på SLUwebb för prognoser (R.S).
*Skulle vara bra med loggning av besökare på prognossidorna (R.S).
a. Bladlus. Insamlade prover förvaras i burkar, ca 15-20 000 finns i institutionens förråd.
Det finns ej ngn särskild provförteckning annat än den förteckning som görs i metadatafil
(excel) för insamladeprov. Förvaring av prov kräver ventilerat utrymme pga konservering i
70% sprit.
82
Kompl. R.S. 080325; delvis är dessa noteringar uppdaterade i sammanställning ovan.
Art
*prioriterat data för klimatforskn. I
övrigt avslutade projekt.
Bladlus*
Omfattning (antal filer,
mappar, format mm.)
Variabler (typ, antal)
1 excelfil/arbetsbok per
försök med ca 2000
rader/försök.
Data 1984-> ca 1995 angivit
som veckovärden. Därefter
insamlat var 3:e dag.
Antal insekter per prov. 20 st
bladlusarter.
Finns en metadatafil/
excelarbetsbok med blad för
varje försök(insamlingsplats)
som beskriver vilka
datainsamlingar som görs,
avvikelser, uppehåll,
kommentarer ang.
provhantering mm.
Insamlade prov är
betecknade med plats och
datum- ej särskild numrering
eller annan identifikation.
Denna förteckning av
insamlade prov(provserier)
utgör också provregister.
Vissa data finns lagrat i databas vid
Rothamsted, England. Man kan få
ut olika sammanställningar från
databasen. T ex antal bladlöss av
viss art per vecka från en eller flera
lokaler som tabeller eller fugurer.
Alla excelfiler finns på
SLU:s filserver
(ulfsv1.data.slu.se).
Fritfluga
Finns 1CD med
Data beträffande fritfluga är främst
83
excelmappar/filer. R.S. går
igenom denna för
beskrivning av innh. och ev.
annat gammalt data.
fångst av fritfluga under vår och
försommar i blå fångstskålar, antal
per vecka och lokal.
Antalet lokaler har varierat under
åren från c:a 10-35 havrefält. Under
senare år finns data inlagda på
internet under Växtskyddsprognoser
från SLU. Data finns från början av
1990-talet.
Resultaten redovisade i en
doktorsavhandling av Mats
Lindblad
Rapsjordloppa*
30 pärmar i Alnarp. Vad
finns digitalt?
Data finns från 1975-1995 från c:a
40-60 höstrapsfält årligen från
Skåne. Data torde finnas i
begränsad omfattning från slutet av
1960-talet. Från 1996 har
Växtskyddscentralen samlat in
uppgifter beträffande rapsjordloppa
i höstraps.
Uppskattningsvis finns c:a 30% av
dessa data digitalt.
Exempel på sammanställning
75-76
76-77
77-78
78-79
1975
1976
1977
1978
Betnings- Angrepp
Rekomföljande
mendation vinter
Ja
0,7
Ja
0,1
Nej
0,6
Ja
0,1
84
79-80
80-81
81-82
82-83
83-84
84-85
85-86
86-87
87-88
88-89
89-90
90-91
91-92
92-93
93-94
94-95
95-96
96-97
Oljeväxtdata/bomullsmögel*
Potatisbladmögel
Stråknäckare
R.S. kollar om gammalt mtrl
finns och i vilken form.
Mtrl. finns hos Björn
Andersson, mykologen. R.S.
kontrollerar vad som finns.
Data från perioden 19751995 finns i ca 15 pärmar i
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
Nej
Nej
Ja
Ja
Ja
Nej
Nej
Nej
Nej
Nej
Ja
Ja
Ja
Ja
Nej
Nej
Nej
Nej
0,2
0,9
0,8
2,1
0,1
0,3
0,3
0,1
0,0
0,4
1,3
1,2
1,1
0,2
0,1
0,1
0,1
0,1
Data från c:a 700 våroljeväxtfält
finns samlat i pärmar samt på CD.
Insamlade data bl a: angrepp av
bomullsmögel (%angripna plantor),
såtid, sort, jordart, gödsling mm.
Resultaten redovisade i en
doktorsavhandling av Eva
Twengström.
Vidare uppgifter har ej gått att hitta.
Vidare uppgifter har ej gått att hitta.
85
Alnarp. R.S. kontroller om
det finns filer.
Leif kollar m. Renata
Arovelius SLU ang.
arkivering av pärmarna.
86
Bilaga 8.2a-d. Processer och koppling till informationslager.
analysis Starta proj ekt
Bil. 8.2a.
Definiera proj ekt
Planera proj ekt
1 Program, 2 Frågeställni ng, 3 Projekt, 4 Ansvarig
11 Behandling, 5 Försöksplan, 6 Försök, 7 Plats
«flow»
«flow»
Informati onslager
11 Behandling, 12 Block, 18 Insamlingsutrustning, 19 Mät-/Insamlinsgsmetod, 24 Analysmetod, 7 Plats, 8 Experimentenhet/Ruta, 9 Egenskaper
«fl ow»
«fl ow»
«fl ow»
Analysera prov
«fl ow»
Business Obj ects::Informationslager
«fl ow»
12 Block, 22 Arkivplats, 23 Provförteckning, 31 Mätvärde, 7 Plats, 8 Experimentenhet/Ruta, 9 Egenskaper
5 Försöksplan, 6 Försök, 7 Plats, 8 Experimentenhet/Ruta
Samla in prov och mätningar
24 Analysmetod, 26 Laboratorium, 31 Mätvärde, 34 Mätvärdeskommentar
20 Prov, 24 Analysmetod, 26 Laboratorium
analysis Samla in data
11 Behandling, 13 Provobjekt, 14 Väder, 16 Odlingsåtgärd, 17 Odlingsutrustning, 18 Insamlingsutrustning, 20 Prov, 31 Mätvärde, 35 Platskommentar, 36 Provkommentar
87
Bil. 8.2b.
Skapa arkiv
«fl ow»
88
analysis Redov isa data
Bil. 8.2c.
Analysera data
Publicera data
29 Resultat, 30 Seriesammanställning
37 Slutsats/Prognos
Business Obj ects::Informationslager
Av sluta proj ekt
3 Projekt
22 Arkivplats, 23 Provförteckning, 3 Projekt
11 Behandling, 14 Väder, 16 Odlingsåtgärd, 17 Odlingsutrustning, 18 Insamlingsutrust ning, 19 Mät-/Insamlinsgsmetod, 20 Prov, 24 Analysmetod, 31 Mätvärde, 5 Försöksplan
analysis Kv alitetssäkra data
Bil. 8.2d.
89
Kontrollera data
Beräkna data
28 Beräkningsregler
Business Obj ects::Informationslager
Uppdatera databas
Download
Random flashcards
Create flashcards