Mae'r system yn defnyddio delweddau lloeren ochr yn ochr â deallusrwydd artiffisial ac mae eisoes wedi'i brofi'n llwyddiannus i ragweld perfformiad tatws.
Ymchwilwyr o'r Labordy Synhwyro o Bell (LATUV) o Prifysgol Valladolid (UVa) wedi cynllunio mynegai llystyfiant newydd sy'n gallu gwella modelau darogan cnydau. Profwyd y dechneg newydd, sy'n defnyddio delweddau lloeren ESA Sentinel-2 a thechnegau dysgu peiriannau a deallusrwydd artiffisial, yn llwyddiannus wrth ragfynegi cynnyrch cnwd tatws a gwenith.
Mae cynhyrchu amaethyddol yn dibynnu ar nifer fawr o ffactorau, yn ddynol ac yn amgylcheddol, sy'n creu ansicrwydd mawr ymhlith ffermwyr. Ond gall technoleg fod yn gynghreiriad pwysig wrth ei lleihau. Mae hyn yn wir am fodelau cyfrifiadol sy'n ceisio efelychu ymddygiad cnwd o dan amodau penodol, er enghraifft arferion pridd, hinsawdd neu amaethyddol, ac, yn dibynnu ar yr esblygiad disgwyliedig hwn, amcangyfrif cynhyrchiant amaethyddol.
“Mae yna lawer o fodelau ac maen nhw fel arfer yn benodol i bob math o gnwd,” eglura Diego Gómez, ymchwilydd LATUV ac awdur cyntaf dwy astudiaeth a gyhoeddwyd yn ddiweddar yn y cyfnodolion International Journal of Remote Sensing a Agricultural and Forest Meteorology.
Ond mae gan y modelau twf traddodiadol hyn rai cyfyngiadau, megis “yr anallu i fodelu amrywioldeb yn ofodol o fewn yr un parsel” neu'r llu o ddata mewnbwn y maen nhw'n mynnu nad ydyn nhw "fel arfer yn cael eu sicrhau oherwydd cost uchel amser ac arian sy'n gysylltiedig â'u casglu. . ”
Ardal tyfu tatws y gwnaed yr amcangyfrifon arni / D. Gómez
Felly, yn ystod y blynyddoedd diwethaf rydym yn betio ar dechnoleg, synhwyro o bell, sy'n defnyddio delweddau sbectrol a gymerwyd gan synwyryddion optegol (wedi'u gosod ar loerennau, awyrennau, dronau, ac ati) ac a all ategu a hyd yn oed ddisodli'r modelau traddodiadol hyn mewn rhai achosion. Mae'r delweddau sbectrol hyn yn darparu data ar gyflwr neu ffenoleg y cnwd - y newidiadau allanol gweladwy yn y broses datblygu planhigion - sydd wedi'u hintegreiddio i fodelau sy'n addasu'r wybodaeth fewnbwn honno i ragfynegi cnydau.
“Mae delweddau sbectrol yn cwmpasu'r angen am ddata mewnbwn, yn caniatáu mynediad i wefannau anghysbell, ac mae ganddynt gost isel. Gallant hefyd gael gafael ar wybodaeth sy’n gysylltiedig â chynhwysedd cynhyrchiol y cnwd, ”noda’r ymchwilydd LATUV, sy’n cofio bod un o’r mynegeion sbectrol - fformwlâu mathemategol sy’n cyfuno bandiau sbectrol - o lystyfiant a ddefnyddir amlaf i amcangyfrif bywiogrwydd neu dwysedd llystyfiant - sydd yn y pen draw yn rhagweld cynhyrchiant cnwd - yw'r NDVI (NDVI).
Mae defnyddio cyfresi amser o'r mynegai hwn i gynhyrchu modelau rhagfynegol o gnydau yn gyffredin iawn yn y llenyddiaeth wyddonol. Mae'r mynegai hwn yn defnyddio adlewyrchiad llystyfiant - gallu'r llystyfiant i adlewyrchu golau - mewn dau fand sbectrol, coch a bron yn goch, sy'n gysylltiedig â rhywfaint o'r golau a ddefnyddir ar gyfer ffotosynthesis a strwythur celloedd y dail, yn y drefn honno.
Mynegai llystyfiant newydd
Mae ymchwilwyr LATUV wedi datblygu mynegai newydd o'r enw PPI yn seiliedig ar ddelweddau lloeren ESA Sentinel-2 sydd, yn ogystal ag ystyried y wybodaeth sbectrol sy'n gysylltiedig â ffotosynthesis - 400 i 700 nanometr - yn ystyried gwybodaeth o feysydd eraill o'r sbectrwm electromagnetig -704 nanometrau, band Red Edge a 945 nanometr, band amsugno anwedd dŵr-, a all ddarparu gwybodaeth allweddol arall am gyflwr y cnwd, fel ei straen dŵr - pan fydd y planhigyn yn mynnu mwy o ddŵr nag sydd ganddo.
Cymharodd ymchwilwyr allu rhagfynegol mynegeion llystyfiant, NDVI a PPI, ynghyd â mwy o ddata o ddelweddau lloeren. I wneud hyn, fe wnaethant ddefnyddio dau algorithm Deallusrwydd Artiffisial a Dysgu Peiriant (o'r enw Random Forest a Support Vector Machine), a chynhyrchu modelau amrywiol lle roeddent yn cyfuno'r mynegeion hyn â'r bandiau lloeren eraill.
“Y rhagdybiaeth oedd, trwy ddefnyddio mynegai sy’n defnyddio bandiau eraill nad ydyn nhw wedi’u cynnwys yn y mynegai NDVI poblogaidd ac, ar y llaw arall, gyda pheth potensial i ddarparu gwybodaeth sensitif am gnydau, byddai’r modelau rhagfynegol yn well,” meddai Gómez, sy’n datblygu. yn olaf, cynyddodd gallu rhagfynegol y modelau “pan gynhwyswyd y naill neu'r llall o'r mynegeion llystyfiant neu'r ddau”, sy'n gwerthfawrogi “defnyddio'r data hwn mewn cyfuniad â rhai bandiau lloeren unigol”.
Rhagfynegiadau mwy cywir wrth dyfu tatws
Mae’r canlyniadau’n dangos bod y mynegai PPI yn darparu gwybodaeth debyg i NDVI wrth ddefnyddio algorithm Peiriant Fector Cefnogi, ac yn sylweddol fwy addysgiadol na NDVI wrth ddefnyddio algorithm Random Forest, gan addo canlyniadau “sy’n rhoi mynegai llystyfiant newydd ar y bwrdd a all wella rhagfynegol. modelau cynhaeaf yn seiliedig ar ddelweddau lloeren ”.
Hyd yn hyn, profwyd y mynegai newydd ar dyfu tatws mewn ardal astudio eithaf lleol. Ar ôl grawnfwyd, tatws yw un o'r cnydau bwyd pwysicaf yn fyd-eang. Mae'n chwarae rhan allweddol yn niogelwch bwyd gwledydd sy'n datblygu ac mae ganddo bwysau mawr hefyd yn y sector amaethyddol Ewropeaidd, gyda'r Almaen, Ffrainc, yr Iseldiroedd a Gwlad Pwyl yn gynhyrchwyr mawr. Mae hefyd wedi'i brofi mewn gwenith gyda data wedi'i gymryd ym Mecsico.
Syniad yr offer yw cynyddu nifer y data i wella cadernid y model, gorchuddio ardal astudio fwy i gynyddu amrywioldeb gofodol ac ymgorffori cnydau newydd. Safbwyntiau sy'n dibynnu ar barhad cyllid ac a all helpu ffermwyr i ragweld eu cynhaeaf yn fwy dibynadwy yn y dyfodol.