Автор: Изабела Салазар
Исследователи из Alliance of Bioversity International и CIAT проложили путь для фермеров (от мелких землевладельцев до крупных скотоводов) к информации о количестве и качестве их пастбищ прямо на смартфоне.
В 2020 году глобальные сельскохозяйственные выбросы составили 16 миллиардов тонн эквивалента углекислого газа, согласно данным Продовольственной и сельскохозяйственной организации Объединенных Наций (ФАО), а другие данные ФАО показывают, что крупный рогатый скот, включая мясо и молоко, выбрасывает около 3,8 миллиарда тонн эквивалента углекислого газа. Повышение эффективности и производительности выпаса скота (например, увеличение производства молока или поголовья животных) без увеличения экологического следа является ключевой целью в сокращении этих выбросов.
В статье 2024 года «Пиксели на пастбище: использование машинного обучения и многоспектрального дистанционного зондирования для прогнозирования биомассы и качества питательных веществ в тропических лугах», опубликованной в журнале Remote Sensing Applications: Society and Environment,Исследователи из Университета Глазго, Альянса Bioversity International и CIAT разработали практическое руководство по получению информации со спутников и использованию прогностических моделей для оценки пастбищ с точки зрения количества (количество биомассы) и качества (сырой протеин, усвояемость и содержание золы).
Хуан Андрес Кардосо Аранго, соавтор статьи и специалист по экофизиологии растений, специализирующийся на тропических кормах в Alliance of Bioversity International и CIAT, объясняет, что сегодня анализ всех факторов, определяющих количество и качество, трудно масштабировать: используя небольшой дрон, вы можете взять образцы только с девяти гектаров или около того за раз, а с помощью ручных инструментов и того меньше.
«В некоторых частях Колумбии у вас могут быть объекты площадью 3000 гектаров», — говорит он, добавляя, что это одна из причин, по которой исследователи разработали «масштабно-нейтральную» систему, которая может собирать данные через спутник, квадратные километры за раз, но также быть полезной для фермера, имеющего всего один гектар.
Кардосо объясняет, что бесплатные базы данных спутниковых снимков и технологические достижения в обработке на основе ИИ «демократизировали» этот анализ.
«Когда я начинал в 2018 году, никто не знал о машинном обучении, а теперь эту информацию можно получить быстрее, чем раньше», — говорит он.
Прогнозирование на основе искусственного интеллекта
Диана Мария Гутьеррес Сапата, старший научный сотрудник CIAT, специалист по анализу данных и соавтор статьи, объясняет, что прогнозирование продуктивности и качества пастбищ с использованием дистанционного зондирования является сложной задачей из-за множества влияющих факторов и ограничений данных.
«Благодаря лучшему описанию производственных систем и сбору более точных данных о факторах контроля и реагирования существует значительный потенциал для разработки высокопроизводительных моделей прогнозирования», — говорит она. «Эти модели могут стать основой цифровых инструментов для поддержки принятия стратегических решений, позволяя фермерам оптимизировать управление пастбищами и лучше управлять рисками (такими как нехватка воды и некачественный корм) в своих производственных системах».
Брайан Барретт, преподаватель (доцент) Университета Глазго в Шотландии, Великобритания, соавтор исследования и эксперт по космическим датчикам, объясняет, что в 2017 году он, Кардосо и его коллеги встретились и начали обсуждать потенциальное использование данных дистанционного зондирования или наблюдения за Землей, а также подходов машинного обучения для оценки характеристик кормов в разных климатических условиях, включая интенсивные и экстенсивные пастбища.
«Для нас была важна связь с мелкими фермерами и то, как мы могли бы разработать что-то, что предоставит им полезную информацию и в конечном итоге приведет к улучшению принятия решений и управления», — говорит Барретт.
Будущее
Кардосо объясняет, что долгосрочной целью является разработка модели с пользовательским интерфейсом, таким же простым в использовании, как Google Maps.
«Мы хотим, чтобы фермер мог найти свою ферму на платформе и проверить количество и качество своего корма», — говорит он.
Гутьеррес объясняет, что в условиях меняющегося климата наличие своевременной информации об ожидаемой продуктивности или качестве пастбищ имеет решающее значение для управления рисками.
«Более осведомленные о рисках, связанных с решениями по управлению пастбищами, фермеры могут принимать более обоснованные решения относительно производства, использования и сохранения ресурсов», — говорит она. «Это не только приносит пользу фермерам за счет оптимизации использования ресурсов, но и положительно влияет на окружающую среду за счет сокращения выбросов и отходов, решая различные вопросы, соответствующие Целям устойчивого развития».
Барретт объясняет, что в будущем команда хотела бы разработать подход, который позволит не только лучше понять доступные кормовые ресурсы, но и то, как пастбища будут реагировать на различные сценарии управления и климата.
«Поскольку большая часть потерь лесов в мире (~75%) была вызвана переводом их в сельскохозяйственные угодья, а также учитывая рост населения мира и связанный с этим рост потребления продуктов питания и использования ресурсов, крайне важно найти новые способы увеличения производства продуктов питания, сохраняя при этом наши оставшиеся леса», — говорит он, добавляя, что внедрение таких технологий, как спутниковые данные и передовые подходы к машинному обучению, может привести к более эффективному и прибыльному сельскому хозяйству и повышению устойчивости продовольственной системы.
Дополнительная информация: Майк Цвик и др., Пиксели на пастбище: использование машинного обучения и многоспектрального дистанционного зондирования для прогнозирования биомассы и качества питательных веществ на тропических пастбищах, Применение дистанционного зондирования: общество и окружающая среда (2024). DOI: 10.1016/j.rsase.2024.101282
Предоставлено Альянсом Bioversity International и Международным центром тропического сельского хозяйства
