Ученые Томского государственного университета в ходе экспедиций в разные регионы Сибири производят отбор проб и аэрофотосъемку почв. Показатели, извлеченные в ходе анализа, пополнят библиотеку данных, на которой сейчас обучается «помощник для агрономов» – нейросеть, созданная ТГУ совместно с IT-компанией «Синкретис» для анализа космоснимков. После нового этапа обучения ИИ научится автоматически определять наличие и концентрацию в почве фосфора, азота и ряда других элементов, от которых напрямую зависит урожайность сельхозкультур, сообщили в пресс-службе ТГУ.
Исследования проводятся при поддержке федеральной программы «Приоритет 2030».
«В ходе недавней экспедиции производился отбор проб почв в Республике Хакасия. Впереди отбор проб в Красноярском крае. Помимо этого, мы анализируем агропочвы в Томской и Кемеровской областях. Данные, собранные с полей, используются для обучения ИИ. Чем больше информации мы извлечем, чем больше образцов почвы покажем нейросети, тем точнее она будет работать. Ранее мы с коллегами научили ее «видеть» гумус, от которого зависит плодородие почв, и автоматически распознавать гранулометрический состав. Этот фактор во многом определяет сельскохозяйственное использование полей и применение удобрений», – рассказывает руководитель проекта, доцент кафедры почвоведения и экологии почв Биологического института ТГУ Олег Мерзляков.
По словам разработчиков, один из главных параметров, на которые ориентируется нейросеть при анализе участка, – это отражательная способность почвы. Например, влажные высокогумусные тяжелосуглинистые почвы с высоким содержанием фосфора, азота и калия будут иметь одну отражательную способность, супесчаные сухие почвы с малым содержанием гумуса, азота и фосфора – другую. Все химические особенности почвы отражаются в длине волны, которая соответствует определенному оттенку на космоснимке, эту информацию считывает нейросеть. После расшифровки космоснимков ИИ выдаст агроному данные, необходимые для дальнейшего принятия решений: подскажет, каких элементов не хватает, где и какие удобрения нужно внести, нужно ли «дать отдохнуть» почве и прочее.
Аэросъемка почв, которую проводят ученые, помогает проверить точность работы нейросети и определить, верно ли она считывает снимки со спутников. Разработчики постоянно наращивают функционал агропомощника, в перспективе это позволит использовать его не только для мониторинга состояния почв и посевов, но и для определения необходимости борьбы с вредителями, выбора оптимального способа их ликвидации и других действий.
Наряду с этим данные, которые ученые ТГУ извлекают в результате анализа образцов почвы, используются в исследованиях цикла углерода – одной из главных составляющих парниковых газов. Ученые сравнивают образцы почв с залежных территорий, долгое время не используемых в сельском хозяйстве, и пробы, взятые с участков активно используемых земель. Анализ образцов позволит понять, как обработанные и необработанные почвы влияют на накопление и высвобождение углерода. На основе полученных результатов будут разработаны рекомендации, касающиеся использования почв теми способами, которые ведут к снижению эмиссии углерода в атмосферу.
В пресс-службе университета добавили, что над масштабным проектом по созданию российской автоматизированной информационной системы для развития «умного» земледелия работает междисциплинарная группа, в состав которой входят почвоведы, радиофизики, метеорологи, IT-специалисты.
Больше интересной информации - на портале "ГлавАгроном"