Системата използва сателитни изображения заедно с изкуствен интелект и вече е успешно тествана, за да предвиди ефективността на картофите.
Изследователи от Лабораторията за дистанционно наблюдение (LATUV) на университета във Валядолид (UVa) са разработили нов вегетационен индекс, способен да подобри моделите за прогнозиране на посевите. Новата техника, която използва сателитни изображения на ESA Sentinel-2 и техники за машинно обучение и изкуствен интелект, е успешно тествана при прогнозиране на добивите от картофи и пшеница.
Селскостопанското производство зависи от голям брой фактори, както човешки, така и екологични, които създават голяма несигурност сред фермерите. Но технологията може да бъде важен съюзник за нейното намаляване. Такъв е случаят с изчислителните модели, които се стремят да симулират поведението на дадена култура при специфични условия, например почви, климат или селскостопански практики, и в зависимост от това очаквано развитие оценяват селскостопанската продукция.
„Има много модели и те обикновено са специфични за всеки вид култура“, обяснява Диего Гомес, изследовател от LATUV и първи автор на две неотдавна публикувани проучвания в списанията International Journal of Remote Sensing and Agricultural and Forest Meteorology.
Но тези традиционни модели на растеж имат някои ограничения, като например „невъзможността за пространствено моделиране на променливост в рамките на един и същ парцел“ или множеството входни данни, които те изискват, „които обикновено не се получават поради високите разходи за време и пари, свързани с тяхното събиране. . "
Площ за отглеждане на картофи, за която са направени прогнозите / D. Гомес
По този начин през последните години залагаме на технология, дистанционно наблюдение, която използва спектрални изображения, направени от оптични сензори (инсталирани на сателити, самолети, дронове и т.н.) и която може да допълни и дори да замени в някои случаи тези традиционни модели. Тези спектрални изображения предоставят данни за състоянието или фенологията на културата - видимите външни промени в процеса на развитие на растенията - които са интегрирани в модели, които коригират тази входна информация за прогнозиране на посевите.
„Спектралните изображения покриват, че се нуждаят от входни данни, позволяват достъп до отдалечени сайтове и имат ниска цена. Те също така са в състояние да получат информация, свързана с производствения капацитет на реколтата “, отбелязва изследователят от LATUV, който припомня, че един от спектралните индекси - математически формули, които комбинират спектрални ленти - на растителността, най-често използвана за оценка на енергичността плътността на растителността - която в крайна сметка предсказва продуктивността на културите - е NDVI (NDVI).
Използването на времеви редове на този индекс за генериране на прогнозни модели на посевите е много разпространено в научната литература. Този индекс използва отражателната способност на растителността - способността на вегетацията да отразява светлината - в две спектрални ленти, червена и почти червена, които са свързани с част от светлината, използвана за фотосинтеза и клетъчната структура на листата, съответно.
Нов индекс на растителността
Изследователите от LATUV разработиха нов индекс, наречен PPI, базиран на сателитни изображения на ESA Sentinel-2, който освен че взема предвид спектралната информация, свързана с фотосинтезата - 400 до 700 нанометра - отчита и информация от други области на електромагнитния спектър -704 нанометри, лента Red Edge и 945 нанометра, лента за абсорбиране на водна пара-, която може да предостави друга ключова информация за състоянието на културата, като нейния воден стрес - когато растението изисква повече вода, отколкото има.
Изследователите сравняват прогностичния капацитет на двата индекса на растителност, NDVI и PPI, заедно с повече данни от сателитни изображения. За целта те използваха два алгоритма за изкуствен интелект и машинно обучение (наречени Random Forest и Support Vector Machine) и генерираха различни модели, в които комбинираха тези индекси с другите сателитни ленти.
„Хипотезата беше, че чрез използване на индекс, който използва други ленти, които не са включени в популярния индекс NDVI и, от друга страна, с известен потенциал за предоставяне на чувствителна информация за реколтата, прогнозните модели ще бъдат по-добри“, казва Гомес, който напредва че накрая, предсказуемият капацитет на моделите „се е увеличил, когато са включени един или двата индекса на растителност“, което оценява „използването на тези данни в комбинация с определени отделни сателитни ленти“.
По-точни прогнози при отглеждането на картофи
Резултатите показват, че индексът PPI предоставя информация, подобна на NDVI, когато се използва алгоритъма Support Vector Machine, и е значително по-информативна от NDVI, когато използва алгоритъма Random Forest, обещаващи резултати „които поставят на масата нов индекс на растителността, който може да подобри предсказуемостта реколта модели, базирани на сателитни изображения ”.
Досега новият индекс е тестван върху отглеждането на картофи в доста локализирана зона на изследване. След зърнените култури картофите са една от най-важните хранителни култури в световен мащаб. Той играе ключова роля в продоволствената сигурност на развиващите се страни и има голямо значение в европейския селскостопански сектор, като Германия, Франция, Холандия и Полша са основните производители. Тестван е и при пшеница с данни, взети в Мексико.
Идеята на оборудването е да увеличи броя на данните, за да подобри солидността на модела, да обхване по-голяма площ на изследване, за да увеличи пространствената променливост и да включи нови култури. Перспективи, които зависят от непрекъснатостта на финансирането и могат да помогнат на фермерите да прогнозират по-надеждно реколтата си в бъдеще.