Sustav koristi satelitske snimke zajedno s umjetnom inteligencijom i već je uspješno testiran kako bi se predvidjele performanse krumpira.
Istraživači iz Laboratorija za daljinsko mjerenje (LATUV) iz Sveučilište u Valladolidu (UVa) su dizajnirali novi indeks vegetacije sposoban za poboljšanje modela predviđanja usjeva. Nova tehnika koja koristi satelitske snimke ESA Sentinel-2 i tehnike strojnog učenja i umjetne inteligencije uspješno je testirana u predviđanju prinosa usjeva krumpira i pšenice.
Poljoprivredna proizvodnja ovisi o velikom broju čimbenika, kako ljudskih, tako i okolišnih, koji stvaraju veliku nesigurnost među poljoprivrednicima. Ali tehnologija može biti važan saveznik u njezinu smanjenju. To je slučaj s proračunskim modelima koji nastoje simulirati ponašanje usjeva pod određenim uvjetima, na primjer tlom, klimom ili poljoprivrednim praksama, i, ovisno o tom očekivanom razvoju, procjenjuju poljoprivrednu proizvodnju.
"Postoji mnogo modela i oni su obično specifični za svaku vrstu usjeva", objašnjava Diego Gómez, istraživač LATUV-a i prvi autor dviju nedavno objavljenih studija u časopisima International Journal of Remote Sensing and Agricultural and Forest Meteorology.
Ali ovi tradicionalni modeli rasta imaju neka ograničenja, poput „nemogućnosti prostornog modeliranja varijabilnosti unutar iste parcele“ ili mnoštvo ulaznih podataka koji su im potrebni i koji se „obično ne dobivaju zbog visokih troškova vremena i novca koji su uključeni u njihovo prikupljanje. . "
Područje uzgoja krumpira na kojem su napravljene procjene / D. Gómez
Stoga se posljednjih godina kladimo na tehnologiju daljinskog istraživanja koja koristi spektralne slike snimljene optičkim senzorima (instaliranim na satelitima, avionima, dronovima itd.) I koja može dopuniti, pa čak i zamijeniti u nekim slučajevima ove tradicionalne modele. Te spektralne slike pružaju podatke o stanju ili fenologiji usjeva - vidljive vanjske promjene u procesu razvoja biljaka - koje su integrirane u modele koji prilagođavaju te ulazne informacije za predviđanje usjeva.
“Spektralne slike pokrivaju potrebe za ulaznim podacima, omogućuju pristup udaljenim web mjestima i imaju malu cijenu. Također su u mogućnosti dobiti informacije koje su povezane s proizvodnim kapacitetom usjeva ”, napominje istraživač LATUV-a koji podsjeća da je jedan od spektralnih indeksa - matematičkih formula koje kombiniraju spektralne pojase - vegetacije koja se najčešće koristi za procjenu energičnosti ili gustoća vegetacije - koja u konačnici predviđa produktivnost usjeva - je NDVI (NDVI).
Korištenje vremenskih serija ovog indeksa za stvaranje prediktivnih modela usjeva vrlo je često u znanstvenoj literaturi. Ovaj indeks koristi refleksiju vegetacije - sposobnost vegetacije da reflektira svjetlost - u dva spektralna pojasa, crvenom i gotovo crvenom, koji su povezani s nekim svjetlom koje se koristi za fotosintezu, odnosno staničnom strukturom lišća.
Novi indeks vegetacije
Istraživači LATUV-a razvili su novi indeks nazvan PPI na temelju satelitskih snimaka ESA Sentinel-2 koji, uz uzimanje u obzir spektralnih informacija uključenih u fotosintezu - 400 do 700 nanometara - uzima u obzir i podatke iz drugih područja elektromagnetskog spektra -704 nanometara, Red Edge band i 945 nanometara, pojas apsorpcije vodene pare-, koji može pružiti druge ključne informacije o stanju usjeva, poput vodenog stresa - kada biljka zahtijeva više vode nego što je ima.
Istraživači su usporedili prediktivni kapacitet oba vegetacijska indeksa, NDVI i PPI, zajedno s više podataka sa satelitskih snimaka. Da bi to učinili, koristili su dva algoritma umjetne inteligencije i strojnog učenja (nazvani Random Forest and Support Vector Machine) i generirali razne modele u kojima su kombinirali ove indekse s ostalim satelitskim opsezima.
"Hipoteza je bila da bi, koristeći indeks koji koristi druge opsege koji nisu uključeni u popularni NDVI indeks i, s druge strane, s određenim potencijalom za pružanje osjetljivih podataka o usjevima, prediktivni modeli bili bi bolji", kaže Gómez, koji napreduje da se, napokon, prediktivni kapacitet modela „povećao kad su uključeni jedan ili oba vegetacijska indeksa“, što vrednuje „upotrebu ovih podataka u kombinaciji s određenim pojedinačnim satelitskim opsezima“.
Točnija predviđanja u uzgoju krumpira
Rezultati pokazuju da indeks PPI pruža informacije slične NDVI-ju kada se koristi algoritam Support Vector Machine, a značajno je informativniji od NDVI-a kada se koristi algoritam Random Forest, obećavajući rezultate „koji na stol stavljaju novi indeks vegetacije koji može poboljšati predviđanje modeli žetve na temelju satelitskih snimaka ”.
Do sada je novi indeks testiran na uzgoju krumpira na prilično lokaliziranom području istraživanja. Nakon žitarica, krumpir je jedna od najvažnijih prehrambenih kultura u svijetu. Igra ključnu ulogu u prehrambenoj sigurnosti zemalja u razvoju, a također ima veliku težinu u europskom poljoprivrednom sektoru, gdje su Njemačka, Francuska, Nizozemska i Poljska glavni proizvođači. Testiran je i na pšenici s podacima iz Meksika.
Ideja opreme je povećati broj podataka radi poboljšanja čvrstoće modela, pokriti veće područje istraživanja kako bi se povećala prostorna varijabilnost i uključili novi usjevi. Perspektive koje ovise o kontinuitetu financiranja i mogu pomoći poljoprivrednicima da pouzdanije predviđaju svoj urod u budućnosti.