このシステムは、人工知能とともに衛星画像を使用しており、ジャガイモの性能を予測するためのテストはすでに成功しています。
のリモートセンシング研究所(LATUV)の研究者 バリャドリッド大学(UVa) 作物予測モデルを改善できる新しい植生指数を設計しました。 ESA Sentinel-2衛星画像と機械学習および人工知能技術を使用する新しい技術は、ジャガイモと小麦の収穫量を予測する上でテストに成功しています。
農業生産は、農民の間に大きな不確実性を生み出す、人間と環境の両方の多くの要因に依存しています。 しかし、テクノロジーはそれを減らす上で重要な味方になる可能性があります。 これは、土壌、気候、農業慣行などの特定の条件下で作物の行動をシミュレートし、この予想される進化に応じて農業生産を推定しようとする計算モデルの場合です。
「多くのモデルがあり、それらは通常、作物の種類ごとに固有です」と、LATUVの研究者であり、ジャーナルInternational Journal of Remote Sensing and Agricultural and ForestMeteorologyに最近発表されたXNUMXつの研究の筆頭著者であるDiegoGómezは説明します。
しかし、これらの従来の成長モデルには、「同じ区画内の変動を空間的にモデル化できない」、または「収集にかかる時間と費用が高いため、通常は取得されない」必要な多数の入力データなど、いくつかの制限があります。 。」
推定が行われたジャガイモ栽培地域/ D。 ゴメス
したがって、近年、私たちは、光学センサー(衛星、飛行機、ドローンなどに設置された)によって撮影されたスペクトル画像を使用し、場合によってはこれらの従来のモデルを補完し、場合によっては置き換えることができる技術、リモートセンシングに賭けています。 これらのスペクトル画像は、作物の状態または生物季節学(植物の発達過程における目に見える外部の変化)に関するデータを提供します。これらのデータは、作物を予測するためにその入力情報を調整するモデルに統合されます。
「スペクトル画像は、入力データの必要性をカバーし、リモートサイトへのアクセスを可能にし、低コストです。 また、作物の生産能力に関連する情報を取得することもできます」とLATUVの研究者は述べています。彼は、活力を推定するために最も一般的に使用される植生のスペクトル指標のXNUMXつ(スペクトルバンドを組み合わせた数式)を思い出します。最終的に作物の生産性を予測する植生の密度はNDVI(NDVI)です。
作物の予測モデルを生成するためにこのインデックスの時系列を使用することは、科学文献では非常に一般的です。 この指標は、光合成に使用される光の一部と葉の細胞構造にそれぞれ関連する、赤と赤に近いXNUMXつのスペクトルバンドで、植生の反射率(光を反射する植生の能力)を使用します。
新しい植生指数
LATUVの研究者は、ESA Sentinel-2衛星画像に基づいてPPIと呼ばれる新しいインデックスを開発しました。これは、光合成に関連するスペクトル情報(400〜700ナノメートル)を考慮に入れるだけでなく、電磁スペクトルの他の領域からの情報も考慮に入れます-704ナノメートル、レッドエッジバンドおよび945ナノメートル、水蒸気吸収バンド-植物がそれよりも多くの水を必要とするとき、その水ストレスなど、作物の状態に関する他の重要な情報を提供することができます。
研究者は、衛星画像からのより多くのデータとともに、植生指数、NDVIとPPIの両方の予測能力を比較しました。 これを行うために、彼らはXNUMXつの人工知能と機械学習アルゴリズム(ランダムフォレストとサポートベクターマシンと呼ばれる)を使用し、これらのインデックスを他の衛星バンドと組み合わせたさまざまなモデルを生成しました。
「人気のあるNDVIインデックスに含まれていない他のバンドを使用するインデックスを使用する一方で、機密性の高い作物情報を提供する可能性があるという仮説は、予測モデルの方が優れているというものでした」と、Gómez氏は述べています。最後に、モデルの予測能力は、「いずれかまたは両方の植生指数が含まれると増加しました」。これは、「特定の個々の衛星バンドと組み合わせたこのデータの使用」を評価します。
ジャガイモ栽培におけるより正確な予測
結果は、PPIインデックスがサポートベクターマシンアルゴリズムを使用する場合はNDVIと同様の情報を提供し、ランダムフォレストアルゴリズムを使用する場合はNDVIよりもはるかに有益であり、「予測を改善できる新しい植生インデックスをテーブルに置く」という有望な結果を示しています。衛星画像に基づく収穫モデル」。
これまでのところ、新しい指標は、かなり局所化された調査地域でのジャガイモ栽培でテストされています。 穀物に次いで、ジャガイモは世界で最も重要な食用作物のXNUMXつです。 それは発展途上国の食料安全保障において重要な役割を果たしており、ドイツ、フランス、オランダ、ポーランドを主要な生産国として、ヨーロッパの農業部門でも大きな重みを持っています。 また、メキシコで取得されたデータを使用して小麦でテストされています。
この装置のアイデアは、データの数を増やしてモデルの堅牢性を向上させ、より広い調査領域をカバーして空間的変動性を高め、新しい作物を組み込むことです。 資金調達の継続性に依存し、農家が将来の収穫をより確実に予測するのに役立つ可能性のある視点。