Sistem ini menggunakan gambar satelit bersama kecerdasan buatan dan telah berjaya diuji untuk menjangkakan prestasi kentang.
Penyelidik dari Makmal Sensor Jauh (LATUV) dari Universiti Valladolid (UVa) telah merancang indeks tumbuh-tumbuhan baru yang mampu meningkatkan model ramalan tanaman. Teknik baru, yang menggunakan gambar satelit ESA Sentinel-2 dan pembelajaran mesin dan teknik kecerdasan buatan, telah berjaya diuji dalam meramalkan hasil tanaman kentang dan gandum.
Pengeluaran pertanian bergantung pada sebilangan besar faktor, baik manusia dan alam sekitar, yang menimbulkan ketidakpastian besar di kalangan petani. Tetapi teknologi boleh menjadi sekutu penting dalam mengurangkannya. Ini berlaku untuk model komputasi yang berusaha untuk mensimulasikan tingkah laku tanaman dalam keadaan tertentu, misalnya tanah, iklim atau amalan pertanian, dan, bergantung pada evolusi yang diharapkan ini, menganggarkan pengeluaran pertanian.
"Terdapat banyak model dan biasanya khusus untuk setiap jenis tanaman," jelas Diego Gómez, seorang penyelidik LATUV dan pengarang pertama dari dua kajian yang baru-baru ini diterbitkan dalam jurnal International Journal of Remote Sensing and Agricultural and Forest Meteorology.
Tetapi model pertumbuhan tradisional ini mempunyai beberapa batasan, seperti "ketidakmampuan untuk memodelkan variabilitas secara spasial dalam bungkusan yang sama" atau banyaknya data input yang mereka kehendaki "biasanya tidak diperolehi kerana kos waktu dan wang yang tinggi untuk mengumpulkannya . "
Kawasan penanaman kentang di mana anggaran telah dibuat / D. Gómez
Oleh itu, dalam beberapa tahun kebelakangan ini kita bertaruh pada teknologi, penginderaan jauh, yang menggunakan gambar spektral yang diambil oleh sensor optik (dipasang pada satelit, kapal terbang, drone, dll.) Dan yang dapat melengkapi dan bahkan menggantikan dalam beberapa kes model tradisional ini. Gambar spektrum ini memberikan data mengenai keadaan atau fenologi tanaman - perubahan luaran yang dapat dilihat dalam proses pengembangan tanaman - yang disatukan ke dalam model yang menyesuaikan maklumat input tersebut untuk meramalkan tanaman.
"Gambar spektral meliputi keperluan input data, memungkinkan akses ke laman web terpencil, dan memiliki biaya rendah. Mereka juga dapat memperoleh maklumat yang berkaitan dengan kapasiti produktif tanaman, "kata penyelidik LATUV, yang mengingatkan bahawa salah satu indeks spektrum - formula matematik yang menggabungkan jalur spektrum - tumbuh-tumbuhan yang paling sering digunakan untuk mengira kekuatan atau kepadatan tumbuh-tumbuhan - yang akhirnya meramalkan produktiviti tanaman - adalah NDVI (NDVI).
Penggunaan siri masa indeks ini untuk menghasilkan model ramalan tanaman sangat biasa dalam literatur ilmiah. Indeks ini menggunakan refleksi vegetasi - kemampuan vegetasi untuk memantulkan cahaya - dalam dua jalur spektrum, merah dan hampir merah, yang masing-masing berkaitan dengan beberapa cahaya yang digunakan untuk fotosintesis dan struktur sel daun.
Indeks tumbuh-tumbuhan baru
Penyelidik LATUV telah mengembangkan indeks baru yang disebut PPI berdasarkan gambar satelit ESA Sentinel-2 yang, selain mengambil kira maklumat spektral yang terlibat dalam fotosintesis - 400 hingga 700 nanometer - mengambil kira maklumat dari kawasan lain dari spektrum elektromagnetik -704 nanometer, pita Red Edge dan 945 nanometer, jalur penyerapan wap air-, yang dapat memberikan maklumat penting lain mengenai keadaan tanaman, seperti tekanan airnya - apabila tanaman menuntut lebih banyak air daripada yang ada.
Penyelidik membandingkan kapasiti ramalan kedua indeks vegetasi, NDVI dan PPI, bersama dengan lebih banyak data dari gambar satelit. Untuk melakukan ini, mereka menggunakan dua algoritma Artificial Intelligence dan Machine Learning (disebut Random Forest and Support Vector Machine), dan menghasilkan pelbagai model di mana mereka menggabungkan indeks ini dengan jalur satelit yang lain.
"Hipotesisnya ialah, dengan menggunakan indeks yang menggunakan band lain yang tidak termasuk dalam indeks NDVI yang popular dan, di sisi lain, dengan beberapa potensi untuk memberikan maklumat tanaman sensitif, model ramalan akan lebih baik," kata Gómez, yang maju bahawa, akhirnya, kapasiti ramalan model "meningkat ketika salah satu atau kedua indeks vegetasi dimasukkan", yang menghargai "penggunaan data ini dalam kombinasi dengan jalur satelit individu tertentu".
Ramalan yang lebih tepat dalam penanaman kentang
Hasilnya menunjukkan bahawa indeks PPI memberikan maklumat yang serupa dengan NDVI ketika menggunakan algoritma Support Vector Machine, dan secara signifikan lebih informatif daripada NDVI ketika menggunakan algoritma Random Forest, hasil yang menjanjikan "yang meletakkan di atas indeks vegetasi baru yang dapat meningkatkan ramalan menuai model berdasarkan gambar satelit ”.
Sejauh ini, indeks baru telah diuji pada penanaman kentang di kawasan kajian yang cukup setempat. Selepas bijirin, kentang adalah salah satu tanaman makanan terpenting di peringkat global. Ini memainkan peranan penting dalam ketahanan pangan negara-negara membangun dan juga memiliki berat di sektor pertanian Eropah, dengan Jerman, Perancis, Belanda dan Poland sebagai pengeluar utama. Ia juga telah diuji dalam gandum dengan data yang diambil di Mexico.
Idea peralatan adalah untuk meningkatkan jumlah data untuk meningkatkan kekukuhan model, merangkumi kawasan kajian yang lebih besar untuk meningkatkan kebolehubahan ruang dan memasukkan tanaman baru. Perspektif yang bergantung pada kelangsungan pembiayaan dan dapat membantu petani meramalkan hasil panen mereka dengan lebih pasti pada masa akan datang.