05.10.2022
Наш канал в Telegram: https://t.me/berzaru

Машинное обучение помогает определять тип почвы из космоса

Тип почвы определяют из космоса

Учёные геолого-географического факультета Томского государственного университета создают карты пространственной неоднородности почвенного покрова по составу земель сельскохозяйственного назначения. Эти карты помогут правильно классифицировать почвы для высокотехнологичного земледелия. В работе используются алгоритмы машинного обучения и данные дистанционного зондирования Земли с космического аппарата Sentinel-2. Состав почв по методике учёных впервые определяется с высокой точностью – 76 процентов.

Результаты исследования опубликованы в журнале «Современные проблемы дистанционного зондирования Земли из космоса». По мере того как пространственное и спектральное разрешение спутниковых изображений улучшалось, возрастала пригодность данных для их использования в многокомпонентном статистическом анализе и машинном обучении.

«Сейчас множество учёных предлагают различные подходы к обработке спутниковых и наземных данных. Но основная проблема при использовании данных спутникового зондирования для определения свойств почвы состоит в сложности компонентов почвы и почвенных спектров», – объясняет доцент кафедры метеорологии и климатологии геолого-географического факультета ТГУ Ирина Кужевская.

Почва содержит много химических компонентов, включая глинистые минералы, карбонаты, органический углерод, воду в различных состояниях, соли и так далее. При этом гранулометрический состав почвы оказывает большое влияние на почвообразование и агропроизводственные свойства. От него зависят процессы перемещения, превращения и накопления веществ; физические, физико-механические и водные свойства почвы, такие как пористость, влагоёмкость, водопроницаемость, водоподъёмность, структурность, воздушный и тепловой режим.

«В результате исследования собранные полевые отборы проб позволили использовать методы машинного обучения, чтобы определить наиболее значимые переменные для классификации каждого типа почв. Кроме того, была предложена архитектура нейронной сети, которая способна анализировать почву по данным космического зондирования с точностью до 76 процентов», – уточнила Ирина Кужевская.

Применение подобных технологий напрямую связано с точным земледелием. В научной статье рассматривается пример классификации и картографирования почв земель сельскохозяйственного назначения Южной Сибири. Отмечено, что создание нейронных сетей существенно сокращает время расчёта и объём вычислительных ресурсов.