Sistem süni zəka ilə yanaşı peyk şəkillərindən də istifadə edir və kartof performansını təxmin etmək üçün artıq uğurla sınaqdan keçirilmişdir.
Uzaqdan Algılama Laboratoriyasından (LATUV) olan tədqiqatçılar Valladolid Universiteti (UVa) məhsul proqnozlaşdırma modellərini yaxşılaşdırmağa qadir olan yeni bir bitki indeksi hazırladılar. ESA Sentinel-2 peyk şəkillərindən və maşın öyrənmə və süni intellekt üsullarından istifadə edən yeni texnika, kartof və buğda məhsulunun proqnozlaşdırılmasında uğurla sınaqdan keçirildi.
Kənd təsərrüfatı istehsalı həm insan, həm də ətraf mühit, fermerlər arasında böyük qeyri-müəyyənlik yaradan amillərdən çox asılıdır. Ancaq texnologiya onu azaltmaqda əhəmiyyətli bir müttəfiq ola bilər. Bu, müəyyən bir şəraitdə məhsulun davranışını, məsələn torpaq, iqlim və ya əkinçilik təcrübələrini simulyasiya etməyə çalışan və bu gözlənilən təkamüldən asılı olaraq kənd təsərrüfatı istehsalını qiymətləndirən hesablama modellərinə aiddir.
LATUV tədqiqatçısı və International Journal of Uzaqdan Algılama və Kənd Təsərrüfatı və Meşə Meteorolojisi jurnallarında bu yaxınlarda yayımlanan iki araşdırmanın ilk müəllifi Diego Gómez, "Bir çox model var və ümumiyyətlə hər məhsul növünə xasdır" deyə izah edir.
Ancaq bu ənənəvi böyümə modellərinin “eyni dəyişmə daxilində dəyişkənliyi məkan şəklində modelləşdirə bilməməsi” və ya “tələb etdikləri giriş məlumatlarının çoxluğu” kimi bəzi məhdudiyyətlər var ki, bunların toplanmasında iştirak edən vaxt və pulun çox olması səbəbindən əldə edilmir. . ”
Qiymətləndirmələrin aparıldığı kartof əkin sahəsi / D. Gómez
Beləliklə, son illərdə optik sensorlar tərəfindən çəkilən (peyklərdə, təyyarələrdə, pilotsuz təyyarələrdə və s.) Spektral şəkillərdən istifadə edən və bu ənənəvi modelləri bəzi hallarda tamamlayacaq və hətta dəyişdirə bilən bir texnologiyaya, uzaqdan zondlamaya bahis edirik. Bu spektral şəkillər məhsulun vəziyyəti və ya fenologiyası - bitki inkişafı prosesində görünən xarici dəyişikliklər - məhsulları proqnozlaşdırmaq üçün daxil olan məlumatları tənzimləyən modellərə inteqrasiya olunmuş məlumatlar verir.
“Spektral şəkillər giriş məlumatlarına ehtiyac duyan, uzaq saytlara girişə imkan verən və aşağı qiymətə sahib olanları əhatə edir. Həm də məhsulun məhsuldarlığı ilə əlaqəli məlumatlar əldə edə bilirlər ”deyə LATUV tədqiqatçısı qeyd edir ki, spektral göstəricilərdən birini - spektral zolaqları birləşdirən riyazi düsturları - ən çox canlılığı qiymətləndirmək üçün istifadə olunan bitki örtüyü bitki örtüyünün sıxlığı - nəticədə məhsul məhsuldarlığını proqnozlaşdırır - NDVI (NDVI).
Bitkilərin proqnozlaşdırıcı modellərini yaratmaq üçün bu indeksin zaman seriyasından istifadə elmi ədəbiyyatda çox yaygındır. Bu indeksdə bitki yansıtması - bitki örtüyünün işığı əks etdirmə qabiliyyəti - müvafiq olaraq fotosintez üçün istifadə olunan işığın bir hissəsi və yarpaqların hüceyrə quruluşu ilə əlaqəli olan qırmızı və qırmızıya yaxın iki spektral zolaqda istifadə olunur.
Yeni bitki örtüyü indeksi
LATUV tədqiqatçıları ESA Sentinel-2 peyk şəkilləri əsasında PPI adlı yeni bir indeks hazırladılar ki, fotosintezdə iştirak edən spektral məlumatları nəzərə alaraq - 400 ilə 700 nanometr arasında - elektromaqnit spektrinin digər sahələrindəki məlumatları da nəzərə alırlar -704 nanometrlər, Red Edge bandı və 945 nanometr, su buxarının udma bandı- məhsulun vəziyyəti haqqında digər vacib məlumatları verə bilər, məsələn su stresi - bitki özündən daha çox su tələb etdikdə.
Tədqiqatçılar peyk şəkillərindən daha çox məlumatla yanaşı həm bitki örtüyü indekslərinin, NDVI və PPI'nin proqnozlaşdırma qabiliyyətini müqayisə etdilər. Bunu etmək üçün iki Süni Zəka və Maşın Öyrənmə alqoritmlərindən (Random Forest və Support Vector Machine adlanır) istifadə etdilər və bu indeksləri digər peyk zolaqları ilə birləşdirdikləri müxtəlif modellər yaratdılar.
"Hipotez, məşhur NDVI indeksinə daxil olmayan digər lentlərdən istifadə edən bir indeks istifadə edərək və digər tərəfdən həssas məhsul məlumatları vermək üçün bir az potensiala sahib olması ilə proqnozlaşdırılan modellərin daha yaxşı olacağı deyildi" dedi. nəhayət, modellərin proqnozlaşdırma qabiliyyəti “bu və ya hər iki bitki göstəricisi daxil edildikdə artdı” ki, bu da “bu məlumatların müəyyən fərdi peyk zolaqları ilə birlikdə istifadəsini” qiymətləndirir.
Kartof becərilməsində daha dəqiq proqnozlar
Nəticələr göstərir ki, ÜFE indeksi Dəstək Vektor Maşın alqoritmindən istifadə edərkən NDVI-yə bənzər məlumatlar verir və Təsadüfi Meşə alqoritmindən istifadə edərkən NDVI-dən əhəmiyyətli dərəcədə daha məlumatlıdır və nəticələr vəd edir ki, “masaya proqnozlaşdırma qabiliyyətini artıra biləcək yeni bitki örtüyü indeksi qoyur. peyk şəkillərinə əsaslanan məhsul modelləri ”.
İndiyə qədər yeni indeks kifayət qədər lokallaşdırılmış bir tədqiqat sahəsindəki kartof becərilməsi üzərində test edilmişdir. Taxıldan sonra kartof dünya miqyasında ən vacib qida məhsullarından biridir. İnkişaf etməkdə olan ölkələrin qida təhlükəsizliyində əsas rol oynayır və əsas istehsalçı olaraq Almaniya, Fransa, Hollandiya və Polşa olmaqla Avropa kənd təsərrüfatı sektorunda böyük çəkiyə malikdir. Meksikada götürülmüş məlumatlarla birlikdə buğda ilə sınaqdan keçirilmişdir.
Avadanlıqların ideyası modelin möhkəmliyini yaxşılaşdırmaq üçün məlumat sayını artırmaq, məkan dəyişkənliyini artırmaq və yeni məhsullar daxil etmək üçün daha geniş bir tədqiqat sahəsini əhatə etməkdir. Maliyyənin davamlılığından asılı olan və fermerlərə gələcəkdə məhsullarını daha etibarlı şəkildə proqnozlaşdırmağa kömək edə biləcək perspektivlər.