От пикселей к пастбищу: как ИИ помогает фермерам прогнозировать состояние пастбищ
Исследователи из Альянса Bioversity International и CIAT разработали способ, позволяющий фермерам получать информацию о количестве и качестве пастбищ прямо на смартфон.
По данным Продовольственной и сельскохозяйственной организации ООН (FAO), в 2020 году глобальные выбросы от сельского хозяйства составили 16 млрд тонн в эквиваленте CO2. Крупный рогатый скот (мясное и молочное производство) вносит вклад около 3.8 млрд тонн. Повышение эффективности выпаса без увеличения экологического следа — ключевая цель для снижения этих выбросов.
В статье 2024 года "Pixels to pasture: Using machine learning and multispectral remote sensing to predict biomass and nutrient quality in tropical grasslands", опубликованной в журнале Remote Sensing Applications: Society and Environment, исследователи из Университета Глазго и Альянса Bioversity International и CIAT представили руководство по использованию спутниковых данных и прогнозных моделей для оценки пастбищ по количеству (биомасса) и качеству (сырой протеин, усвояемость, зольность).
Хуан Андрес Кардосо Аранго, соавтор статьи и эко-физиолог растений, отмечает, что современные методы анализа (с помощью дронов или портативных приборов) сложно масштабировать — они охватывают лишь небольшие площади.
"В некоторых регионах Колумбии есть хозяйства по 3000 гектаров", — говорит он, подчеркивая, что именно поэтому была разработана "нейтральная к масштабу" система, собирающая данные со спутников квадратными километрами, но полезная и для фермера с одним гектаром.
Кардосо объясняет, что бесплатные базы спутниковых изображений и прогресс в обработке данных с помощью ИИ "демократизировали" этот анализ.
Прогнозирование на основе ИИ
Диана Мария Гутьеррес Сапата, соавтор статьи и специалист по анализу данных, объясняет, что прогнозирование продуктивности и качества пастбищ с помощью дистанционного зондирования сложно из-за множества влияющих факторов.
"Лучшая характеристика производственных систем и сбор более точных данных позволяют разрабатывать высокопроизводительные прогнозные модели", — говорит она. Эти модели могут лечь в основу цифровых инструментов для поддержки принятия решений, помогая фермерам оптимизировать управление пастбищами и лучше управлять рисками.
Брайан Барретт, соавтор исследования и эксперт по космическим сенсорам, отмечает, что важной целью была связь с мелкими фермерами и разработка инструмента, предоставляющего им полезную информацию для улучшения управления.
Будущее
Кардосо объясняет, что долгосрочная цель — создать модель с пользовательским интерфейсом, столь же простым, как Google Maps.
"Мы хотим, чтобы фермер мог найти свою ферму на платформе и проверить количество и качество корма", — говорит он.
Гутьеррес подчеркивает, что в условиях меняющегося климата своевременная информация об ожидаемой продуктивности или качестве пастбищ критически важна для управления рисками. Это позволяет фермерам принимать более обоснованные решения, что оптимизирует использование ресурсов и положительно влияет на окружающую среду, сокращая выбросы и отходы.
Барретт добавляет, что в будущем команда хотела бы развить подход, чтобы прогнозировать не только доступные кормовые ресурсы, но и реакцию пастбищ на различные сценарии управления и климата.
"Поскольку большая часть потерь лесов (~75%) вызвана преобразованием в сельхозугодья, критически важно найти новые способы увеличения производства пищи при сохранении оставшихся лесов", — говорит он. Внедрение технологий, таких как спутниковые данные и методы машинного обучения, может привести к более эффективному и прибыльному сельскому хозяйству и улучшению устойчивости продовольственных систем.