Искусственный интеллект учится находить плодородные почвы на тульской земле
См. также: МАИ занялся почвоведением
Ученые Московского авиационного института приступили к созданию первой в мире базы больших данных в области почвоведения. В качестве экспериментальной территории был выбран Куркинский район Тульской области.
В информационное хранилище войдут спутниковые снимки пахотных земель в видимом и инфракрасном диапазонах за последние четыре года. На основе базы будет разработана компьютерная программа, которая сможет определять зоны плодородия почв. В приложении задействуют методы машинного обучения.
Автоматический анализ снимков позволит выделять на полях зоны продуктивности. В результате фермеры смогут оптимизировать внесение удобрений, перераспределяя их на обедненные полезными веществами участки.
На текущем этапе специалисты МАИ вручную собирают спутниковые данные. Они намерены запатентовать продукт и представить к запуску в 2025 году. Однако тульские фермеры проявляют к нему интерес уже сейчас. В частности, представители ООО «Опытное хозяйство» Куркинского района учитывают расчеты ученых МАИ на базе спутниковых снимков при ведении сельхозработ. В повышении урожайности заинтересована и администрация Куркинского района, которая оказывает поддержку в получении статистических данных и проведении полевых исследований.
При этом, несмотря на практическую значимость, в первую очередь разработка направлена на исследования в области фундаментальной науки и предназначена для ученых.
«Методы искусственного интеллекта можно использовать для классификации почв, выявления скрытых закономерностей, существующих между ее физическими, химическими и биологическими свойствами. Кроме того, наша работа позволит уточнить связь между спектроотражательными характеристиками земли и растительностью на ней. Дело в том, что почвы неоднородны и по-разному поглощают и отражают разные типы световых волн. Заметить это можно на снимках в инфракрасном диапазоне»,— отметил Сергей Огородников, руководитель проекта.
У работы маевских ученых практически нет аналогов. Один из немногих конкурентов — это белорусский агротехнический стартап точного земледелия OneSoil. Однако его разработчики не раскрывают методы анализа баз данных, в то время как у маевской разработки будет открытый исходный код.
Проектная работа началась в 2022 году на базе кафедры 614 «Экология, системы жизнеобеспечения и безопасность жизнедеятельности» МАИ. В 2023 году разработка получила грантовую поддержку от Российского научного фонда в рамках президентской программы исследовательских проектов.
Сергей Огородников, руководитель проекта, кандидат биологических наук, доцент кафедры 614 «Экология, системы жизнеобеспечения и безопасность жизнедеятельности» МАИ
Фото: Предоставлено МАИ
Сергей Огородников, руководитель проекта, кандидат биологических наук, доцент кафедры 614 «Экология, системы жизнеобеспечения и безопасность жизнедеятельности» МАИ, ответил на вопросы «Ъ-Науки»:
— Почему в качестве экспериментальной территории был выбран именно Куркинский район Тульской области?
— Район расположен на юге области. Почвенный покров представлен выщелоченными и оподзоленными черноземами. Район аграрный. Моя кандидатская диссертация посвящена анализу походов для установления эталонов почв на примере этой территории. Мы давно тесно работаем с администрацией района и фермерами.
— Какие данные собираются для информационного хранилища?
— Прежде всего данные дистанционного зондирования. Космические снимки Landsat и Sentinel. Архивные данные — результаты туров почвенных обследований Тульского агрохимцентра и отчеты Гипрозема. Они дополняются собственными результатами почвенных анализов, собранными за десять лет исследований, сведениями о климате, урожайности, рельефе.
— Сейчас для проекта ученые собирают данные со спутников вручную. Как в дальнейшем планируется пополнять базу? Будете ли вы расширять набор данных?
— Наша задача — сформировать и запатентовать базу данных, которая будет пригодна для решения поставленных задач. Сформировать идеальный набор параметров, позволяющий строить карты продуктивности почв и прогнозировать их свойства, по данным дистанционного зондирования. Сегодняшняя задача — разработать и апробировать методику оценки. В дальнейшем планируется провести подобные исследования для других природных зон и типов почв, выбрав ключевые участки в разных регионах страны.
— Насколько точен будет анализ данных?
— Спутниковые данные Sentinel имеют разрешение 10 м. Отбор проб почв с помочью геодезического оборудования обеспечивает очень высокую точность (несколько сантиметров). Почвенные анализы проводятся гостированными методами. Мы планируем, что прогностическая точность модели будет составлять 90%.
— Как полученными данными будут пользоваться ученые? Что это даст для фундаментальной науки?
— Мечта ученого — это посмотреть на снимки поля и определить показатели плодородия и другие почвенные свойства с минимальным числом натурных почвенных обследований, длительных и дорогостоящих химических анализов. С применением новых методов обработки данных эта амбициозная задача может быть решена. Искусственный интеллект позволяет выявить скрытые связи между спектроотражательными характеристиками почвы и растительности, факторами почвообразования и свойствами почвы. В поиске и объяснении этих зависимостей и состоит фундаментальная часть работы.
Подготовлено при поддержке Минобрнауки