ИИ-модель, обученная на спутниковых снимках, помогает фермерам правильно поливать нут

Ученые из Еврейского университета Иерусалиме разработали систему мониторинга нута, которая поможет фермерам принимать точные решения по орошению полей.

Работа опубликована в журнале European Journal of Agronomy.

Нут является важной сельскохозяйственной культурой Израиля. Но выращивание нута особенно в засушливых условиях критически зависит от орошения.

Ученые разработали модель машинного обучения, которая объединяет спутниковые снимки и метеорологические данные для контроля состояния посевов нута. Система способна точно оценивать два ключевых показателя здоровья растений: индекс листовой поверхности и водный потенциал листьев по всей территории полей.

Исследователи интегрировали снимки высокого разрешения европейского спутника ESA Sentinel-2 с погодными данными для создания моделей машинного обучения, способных предсказывать физиологическое состояние растений.

Модели тестировались с использованием стратегии "исключения поля", имитирующей условия реального применения: часть полей не использовались для обучения системы, но система смогла предсказать состояние этих полей. Это делает инструмент практически применимым для фермеров. Модели показали высокую точность при оценке индекса листовой поверхности и смогли различать разные уровни водного стресса растений в условиях реальной изменчивости на 17 коммерческих полях.

Система позволяет создавать пространственные карты развития растений и водного статуса по всему полю, что дает возможность точного и своевременного орошения. Исследователи продемонстрировали, как наложение карт, построенных ИИ-моделью, на графики орошения помогает фермерам вовремя реагировать на потребности культуры.

Это первое крупномасштабное применение подобной технологии в выращивании нута, что открывает новые возможности для точного земледелия в засушливых регионах, где эта культура играет важную роль.