Systém využíva okrem umelej inteligencie aj satelitné snímky a bol už úspešne testovaný na predvídanie výkonnosti zemiakov.
Vedci z laboratória diaľkového snímania (LATUV) v University of Valladolid (UVa) navrhli nový vegetačný index schopný vylepšiť predikčné modely plodín. Nová technika, ktorá využíva satelitné snímky ESA Sentinel-2 a techniky strojového učenia a umelej inteligencie, bola úspešne testovaná pri predpovedaní úrody zemiakov a pšenice.
Poľnohospodárska výroba závisí od veľkého množstva faktorov, ľudských aj environmentálnych, ktoré vytvárajú medzi poľnohospodármi veľkú neistotu. Ale technológia môže byť dôležitým spojencom pri jej znižovaní. To je prípad výpočtových modelov, ktoré sa snažia simulovať správanie plodiny za špecifických podmienok, napríklad v pôde, podnebí alebo v poľnohospodárskych postupoch, a v závislosti od tohto očakávaného vývoja odhadnúť poľnohospodársku výrobu.
„Existuje veľa modelov a zvyčajne sú špecifické pre každý druh plodiny,“ vysvetľuje Diego Gómez, výskumný pracovník LATUV a prvý autor dvoch nedávno publikovaných štúdií v časopisoch International Journal of Remote Sensing a Agricultural and Forest Meteorology.
Ale tieto tradičné modely rastu majú určité obmedzenia, napríklad „neschopnosť priestorovo modelovať variabilitu v rámci tej istej parcely“ alebo veľké množstvo vstupných údajov, ktoré požadujú, „že sa zvyčajne nezískavajú z dôvodu vysokých nákladov na čas a peniaze spojené s ich zhromažďovaním . “
Plocha na pestovanie zemiakov, na ktorej boli vykonané odhady / D. Gómez
V posledných rokoch teda vsádzame na technológiu diaľkového prieskumu, ktorá využíva spektrálne obrazy snímané optickými snímačmi (nainštalovanými na satelitoch, lietadlách, dronoch atď.) A ktorá môže tieto tradičné modely v niektorých prípadoch doplniť a dokonca nahradiť. Tieto spektrálne obrázky poskytujú údaje o stave alebo fenológii plodiny - viditeľné vonkajšie zmeny v procese vývoja rastlín - ktoré sú integrované do modelov, ktoré upravujú tieto vstupné informácie na predpovedanie plodín.
„Spektrálne obrázky pokrývajú potrebu vstupných údajov, umožňujú prístup na vzdialené stránky a majú nízke náklady. Sú tiež schopní získať informácie, ktoré súvisia s produktívnou schopnosťou plodiny, “poznamenáva výskumný pracovník LATUV, ktorý pripomína, že jeden zo spektrálnych indexov - matematické vzorce, ktoré kombinujú spektrálne pásy - vegetácie, ktoré sa najčastejšie používajú na odhad vitality alebo hustota vegetácie - ktorá nakoniec predpovedá produktivitu plodín - je NDVI (NDVI).
Využitie časových radov tohto indexu na generovanie prediktívnych modelov plodín je vo vedeckej literatúre veľmi bežné. Tento index využíva vegetačnú odrazivosť - schopnosť vegetácie odrážať svetlo - v dvoch spektrálnych pásoch, červenom a takmer červenom, ktoré súvisia s časťou svetla použitého na fotosyntézu a bunkovou štruktúrou listov.
Nový vegetačný index
Vedci z LATUV vyvinuli nový index s názvom PPI založený na satelitných snímkach ESA Sentinel-2, ktorý okrem zohľadnenia spektrálnych informácií zahrnutých vo fotosyntéze - 400 až 700 nanometrov - zohľadňuje aj informácie z iných oblastí elektromagnetického spektra -704 nanometre, pásmo Red Edge a 945 nanometrov, pásmo absorpcie vodných pár -, ktoré môže poskytnúť ďalšie kľúčové informácie o stave plodiny, ako je napríklad jej vodný stres - keď rastlina vyžaduje viac vody ako má.
Vedci porovnali prediktívnu kapacitu oboch vegetačných indexov, NDVI a PPI, a viac údajov zo satelitných snímok. Použili na to dva algoritmy umelej inteligencie a strojového učenia (nazývané Random Forest a Support Vector Machine) a vygenerovali rôzne modely, v ktorých tieto indexy kombinovali s ostatnými satelitnými pásmami.
„Hypotéza spočívala v tom, že pomocou indexu, ktorý využíva iné pásma, ktoré nie sú zahrnuté v populárnom indexe NDVI, a na druhej strane s určitým potenciálom poskytovať citlivé informácie o plodinách, by boli prediktívne modely lepšie,“ hovorí Gómez, ktorý postupuje vpred že nakoniec prediktívna kapacita modelov „vzrástla, keď bol zahrnutý jeden alebo obidva vegetačné indexy“, čo hodnotí „využitie týchto údajov v kombinácii s určitými jednotlivými satelitnými pásmami“.
Presnejšie predpovede pri pestovaní zemiakov
Výsledky ukazujú, že index PPI poskytuje informácie podobné NDVI pri použití algoritmu Support Vector Machine a je podstatne informatívnejší ako NDVI pri použití algoritmu Random Forest. Sľubné výsledky „dávajú na stôl nový vegetačný index, ktorý môže zlepšiť prediktívne modely zberu založené na satelitných snímkach “.
Zatiaľ bol nový index testovaný na kultivácii zemiakov v pomerne lokalizovanej študijnej oblasti. Po obilninách je zemiak jednou z najdôležitejších potravinárskych plodín na svete. Zohráva kľúčovú úlohu v potravinovej bezpečnosti rozvojových krajín a má veľkú váhu aj v európskom poľnohospodárskom sektore, kde sú hlavnými producentmi Nemecko, Francúzsko, Holandsko a Poľsko. Bol tiež testovaný na pšenici s údajmi získanými v Mexiku.
Myšlienkou vybavenia je zvýšiť počet údajov s cieľom zlepšiť pevnosť modelu, pokryť väčšiu študijnú plochu s cieľom zvýšiť priestorovú variabilitu a zapracovať nové plodiny. Perspektívy, ktoré závisia od kontinuity financovania a môžu poľnohospodárom pomôcť v budúcnosti spoľahlivejšie predpovedať ich úrodu.