Новый подход к снижению выбросов парниковых газов в сельском хозяйстве

Исследователи из Университета Миннесоты создали первую в своём роде модель с машинным обучением, управляемую знаниями (KGML-ag), для прогнозирования выбросов закиси азота (N2O) из агроэкосистем. Модель в 1000 раз быстрее существующих сложных вычислительных систем и значительно точнее.

Проблема закиси азота

  • Закись азота (N2O) — мощный парниковый газ, чей потенциал глобального потепления примерно в 300 раз выше, чем у CO2.
  • Антропогенные выбросы N2O (в основном от синтетических удобрений и навоза) выросли как минимум на 30% за последние 40 лет.
  • Точная оценка выбросов сложна из-за взаимодействия почвы, климата, культур и методов управления.

Суть разработки: KGML-ag

Модель KGML-ag создана путём интеграции научных знаний из передовой вычислительной модели агроэкосистемы ecosys в алгоритм машинного обучения. Это позволяет преодолеть ограничения «чёрного ящика», характерные для обычного машинного обучения.

Ключевые преимущества модели:

  • Высокая скорость: В 1000 раз быстрее традиционных физико-химических моделей.
  • Повышенная точность: Превышает точность как исходной модели ecosys, так и «чистых» ML-моделей при проверке на реальных данных.
  • Интерпретируемость: Явно учитывает промежуточные переменные (содержание воды и кислорода в почве, уровень нитратов), что объясняет причины выбросов и указывает пути их снижения.

Значение и перспективы

Разработка открывает возможности для:

  1. Верификации углеродных кредитов за счёт точного, масштабируемого и рентабельного мониторинга выбросов N2O, CO2 и CH4.
  2. Оптимизации методов земледелия и экологической политики.
  3. Расширения подхода на прогнозирование выбросов углерода с использованием спутниковых снимков.

Исследование, поддержанное проектом ARPA-E SMARTFARM (Министерство энергетики США), опубликовано в журнале Geoscientific Model Development.