System wykorzystuje obrazy satelitarne obok sztucznej inteligencji i został już pomyślnie przetestowany w celu przewidywania wydajności ziemniaków.
Naukowcy z Laboratorium Teledetekcji (LATUV) im Uniwersytet w Valladolid (UVa) opracowali nowy indeks wegetacji, który może ulepszyć modele prognozowania upraw. Nowa technika, która wykorzystuje obrazy satelitarne ESA Sentinel-2 oraz techniki uczenia maszynowego i sztucznej inteligencji, została pomyślnie przetestowana w przewidywaniu plonów ziemniaków i pszenicy.
Produkcja rolna zależy od wielu czynników, zarówno ludzkich, jak i środowiskowych, które powodują wielką niepewność wśród rolników. Jednak technologia może być ważnym sprzymierzeńcem w ograniczaniu tego zjawiska. Dzieje się tak w przypadku modeli obliczeniowych, które mają na celu symulację zachowania uprawy w określonych warunkach, na przykład glebie, klimacie lub praktykach rolniczych, oraz, w zależności od oczekiwanej ewolucji, oszacowanie produkcji rolnej.
„Istnieje wiele modeli i zazwyczaj są one specyficzne dla każdego rodzaju upraw” - wyjaśnia Diego Gómez, badacz z LATUV i pierwszy autor dwóch niedawno opublikowanych badań w czasopismach International Journal of Remote Sensing and Agricultural and Forest Meteorology.
Jednak te tradycyjne modele wzrostu mają pewne ograniczenia, takie jak „niezdolność do przestrzennego modelowania zmienności w ramach tej samej działki” lub mnogość danych wejściowych, których „zwykle nie uzyskuje się ze względu na wysoki koszt czasu i pieniędzy związanych z ich gromadzeniem”. . ”
Obszar uprawy ziemniaków, dla którego dokonano szacunków / D. Gómez
Stąd w ostatnich latach stawiamy na technologię teledetekcji, która wykorzystuje obrazy spektralne rejestrowane przez czujniki optyczne (zainstalowane na satelitach, samolotach, dronach itp.) I która może uzupełniać, a nawet w niektórych przypadkach zastępować te tradycyjne modele. Te obrazy spektralne dostarczają danych na temat stanu lub fenologii uprawy - widocznych zmian zewnętrznych w procesie rozwoju roślin - które są zintegrowane z modelami, które dostosowują te informacje wejściowe w celu przewidywania upraw.
„Obrazy widmowe pokrywają zapotrzebowanie na dane wejściowe, umożliwiają dostęp do odległych miejsc i mają niski koszt. Są również w stanie uzyskać informacje związane z wydajnością produkcyjną uprawy ”, zauważa badacz LATUV, który przypomina, że jeden ze wskaźników widmowych - formuły matematyczne łączące pasma widmowe - roślinności najczęściej stosowany do szacowania żywotności lub gęstość roślinności - która ostatecznie przewiduje produktywność upraw - to NDVI (NDVI).
Wykorzystanie szeregów czasowych tego wskaźnika do generowania predykcyjnych modeli upraw jest bardzo powszechne w literaturze naukowej. Wskaźnik ten wykorzystuje odbicie roślinności - zdolność roślin do odbijania światła - w dwóch pasmach widmowych, czerwonym i prawie czerwonym, które są związane odpowiednio z częścią światła używanego do fotosyntezy i strukturą komórkową liści.
Nowy indeks roślinności
Naukowcy z LATUV opracowali nowy indeks o nazwie PPI oparty na zdjęciach satelitarnych ESA Sentinel-2, który oprócz uwzględnienia informacji spektralnych związanych z fotosyntezą - od 400 do 700 nanometrów - uwzględnia informacje z innych obszarów widma elektromagnetycznego -704 nanometrów, pasmo Red Edge i 945 nanometrów, pasmo absorpcji pary wodnej - które może dostarczyć innych kluczowych informacji o stanie uprawy, np. stresie wodnym - kiedy roślina potrzebuje więcej wody niż ma.
Badacze porównali zdolność predykcyjną obu wskaźników wegetacji, NDVI i PPI, z większą ilością danych ze zdjęć satelitarnych. W tym celu wykorzystali dwa algorytmy sztucznej inteligencji i uczenia maszynowego (zwane Random Forest i Support Vector Machine) i wygenerowali różne modele, w których połączyli te indeksy z innymi pasmami satelitarnymi.
„Założono, że przy użyciu indeksu, który wykorzystuje inne pasma nieuwzględnione w popularnym indeksie NDVI, a z drugiej strony, mając pewien potencjał dostarczania poufnych informacji o uprawach, modele predykcyjne byłyby lepsze” - mówi Gómez, który rozwija że wreszcie zdolność predykcyjna modeli „wzrosła, gdy uwzględniono jeden lub oba wskaźniki roślinności”, co ceni „wykorzystanie tych danych w połączeniu z określonymi indywidualnymi pasmami satelitarnymi”.
Dokładniejsze prognozy w uprawie ziemniaków
Wyniki pokazują, że indeks PPI dostarcza informacji podobnych do NDVI, gdy korzysta się z algorytmu maszyny wektorów nośnych, i jest znacznie bardziej pouczający niż NDVI, gdy używa się algorytmu Random Forest, obiecujące wyniki, które „przedstawiają nowy indeks roślinności, który może poprawić predykcję modele zbioru oparte na zdjęciach satelitarnych ”.
Jak dotąd nowy indeks był testowany na uprawie ziemniaków na dość zlokalizowanym obszarze badań. Po zbożach ziemniak jest jedną z najważniejszych roślin spożywczych na świecie. Odgrywa kluczową rolę w bezpieczeństwie żywnościowym krajów rozwijających się, a także ma duże znaczenie w europejskim sektorze rolnym, którego głównymi producentami są Niemcy, Francja, Holandia i Polska. Został również przetestowany na pszenicy na podstawie danych z Meksyku.
Ideą wyposażenia jest zwiększenie ilości danych w celu poprawy trwałości modelu, pokrycie większego obszaru badań w celu zwiększenia zmienności przestrzennej i uwzględnienia nowych upraw. Perspektywy, które zależą od ciągłości finansowania i mogą pomóc rolnikom w bardziej wiarygodnym przewidywaniu zbiorów w przyszłości.