Sistem uporablja satelitske posnetke skupaj z umetno inteligenco in je že uspešno preizkušen za predvidevanje učinkovitosti krompirja.
Raziskovalci iz Laboratorija za daljinsko zaznavanje (LATUV) iz Ljubljane Univerza v Valladolidu (UVa) so oblikovali nov vegetacijski indeks, ki lahko izboljša modele napovedovanja pridelkov. Nova tehnika, ki uporablja satelitske posnetke ESA Sentinel-2 ter tehnike strojnega učenja in umetne inteligence, je bila uspešno preizkušena pri napovedovanju pridelka krompirja in pšenice.
Kmetijska proizvodnja je odvisna od številnih dejavnikov, tako človeških kot okoljskih, ki ustvarjajo veliko negotovost med kmeti. Toda tehnologija je lahko pomemben zaveznik pri njenem zmanjšanju. To velja za računske modele, ki skušajo simulirati obnašanje pridelka pod posebnimi pogoji, na primer tla, podnebje ali kmetijske prakse, in glede na ta pričakovani razvoj ocenijo kmetijsko proizvodnjo.
"Obstaja veliko modelov, ki so običajno značilni za vsako vrsto pridelka," pojasnjuje Diego Gómez, raziskovalec LATUV in prvi avtor dveh nedavno objavljenih študij v revijah International Journal of Remote Sensing and Agricultural and Forest Meteorology.
Toda ti tradicionalni modeli rasti imajo nekatere omejitve, na primer »nezmožnost prostorskega modeliranja variabilnosti znotraj iste parcele« ali množico vhodnih podatkov, ki jih zahtevajo in ki jih »navadno ne dobimo zaradi visokih stroškov in denarja, povezanega z njihovim zbiranjem. . "
Območje gojenja krompirja, na katerem so bile narejene ocene / D. Gómez
Tako v zadnjih letih stavimo na tehnologijo daljinskega zaznavanja, ki uporablja spektralne slike, posnete z optičnimi senzorji (nameščene na satelitih, letalih, brezpilotnih letalih itd.) In ki lahko dopolni in v nekaterih primerih celo nadomesti te tradicionalne modele. Te spektralne slike zagotavljajo podatke o stanju ali fenologiji pridelka - vidne zunanje spremembe v procesu razvoja rastlin -, ki so vključene v modele, ki prilagajajo te vhodne informacije za napovedovanje pridelkov.
»Spektralne slike pokrivajo potrebe po vhodnih podatkih, omogočajo dostop do oddaljenih mest in imajo nizke stroške. Prav tako lahko dobijo informacije, ki so povezane s proizvodno zmogljivostjo pridelka, «ugotavlja raziskovalec LATUV, ki se spominja, da je eden izmed spektralnih indeksov - matematičnih formul, ki združujejo spektralne pasove - vegetacije, ki se najpogosteje uporablja za oceno živahnosti oz. gostota vegetacije - ki v končni fazi napoveduje produktivnost pridelka - je NDVI (NDVI).
Uporaba časovnih vrst tega indeksa za ustvarjanje napovednih modelov pridelkov je v znanstveni literaturi zelo pogosta. Ta indeks uporablja odbojnost vegetacije - sposobnost vegetacije, da odbija svetlobo - v dveh spektralnih pasovih, rdečem in skoraj rdečem, ki sta povezana z nekaj svetlobe, ki se uporablja za fotosintezo, in celično strukturo listov.
Nov indeks vegetacije
Raziskovalci LATUV so razvili nov indeks, imenovan PPI, ki temelji na satelitskih posnetkih ESA Sentinel-2, ki poleg upoštevanja spektralnih informacij, vključenih v fotosintezo - 400 do 700 nanometrov - upošteva tudi informacije z drugih področij elektromagnetnega spektra -704 nanometrov, pasu Red Edge in 945 nanometrov, pasu absorpcije vodne pare, ki lahko zagotovi druge ključne informacije o stanju pridelka, na primer o vodnem stresu - ko rastlina zahteva več vode, kot jo ima.
Raziskovalci so primerjali napovedno sposobnost obeh vegetacijskih indeksov, NDVI in PPI, skupaj z več podatki iz satelitskih posnetkov. Za to so uporabili dva algoritma za umetno inteligenco in strojno učenje (imenovani Random Forest in Support Vector Machine) in ustvarili različne modele, v katerih so te indekse kombinirali z drugimi satelitskimi pasovi.
"Hipoteza je bila, da bi bili napovedni modeli boljši z uporabo indeksa, ki uporablja druge pasove, ki niso vključeni v priljubljeni indeks NDVI, in po drugi strani z nekaj potenciala za zagotavljanje občutljivih informacij o pridelkih," pravi Gómez, ki napreduje da se je napovedna sposobnost modelov "povečala, ko sta bila vključena eden ali oba vegetacijska indeksa", kar pomeni "uporabo teh podatkov v kombinaciji z nekaterimi posameznimi satelitskimi pasovi".
Natančnejše napovedi pri gojenju krompirja
Rezultati kažejo, da indeks PPI zagotavlja informacije, podobne NDVI pri uporabi algoritma Support Vector Machine, in je bistveno bolj informativen kot NDVI pri uporabi algoritma Random Forest, obetavni rezultati, "ki na mizo postavijo nov indeks vegetacije, ki lahko izboljša napoved modeli žetve na podlagi satelitskih posnetkov ".
Do zdaj je bil novi indeks preizkušen na pridelovanju krompirja na dokaj lokaliziranem študijskem območju. Po žitih je krompir ena najpomembnejših prehrambenih poljščin na svetovni ravni. Ima ključno vlogo pri preskrbi s hrano v državah v razvoju in ima veliko težo tudi v evropskem kmetijskem sektorju, kjer so Nemčija, Francija, Nizozemska in Poljska največji proizvajalci. Preizkušen je bil tudi na pšenici s podatki, pridobljenimi v Mehiki.
Ideja opreme je povečati število podatkov za izboljšanje trdnosti modela, zajeti večje študijsko območje za povečanje prostorske spremenljivosti in vključitev novih pridelkov. Perspektive, ki so odvisne od kontinuitete financiranja in lahko kmetom pomagajo zanesljiveje napovedati letino v prihodnosti.