Разработана модель машинного обучения прогнозирования уровня углерода в почве

Была разработана передовая модель машинного обучения для прогнозирования уровней органического углерода в почве (SOC), критического фактора для здоровья почвы и урожайности сельскохозяйственных культур. Инновационный подход использует гиперспектральные данные для определения ключевых спектральных диапазонов, предлагая более точный и эффективный метод оценки качества почвы и поддержки устойчивых методов ведения сельского хозяйства.

Здоровье почвы оказывает глубокое влияние на продуктивность сельского хозяйства и экологическую стабильность. Точная оценка уровней SOC имеет жизненно важное значение для повышения урожайности сельскохозяйственных культур и экологической устойчивости. Традиционные методы часто не обеспечивают точности и детализации.

Новый индекс углерода в почве по периметру (PASCI) устраняет эти пробелы, используя гиперспектральные изображения и алгоритмы машинного обучения для сбора комплексных характеристик почвы. Этот подход не только уточняет оценку SOC, но также поддерживает целевые сельскохозяйственные стратегии и мониторинг окружающей среды, демонстрируя значительные преимущества по сравнению с традиционными методами.

19 мая 2023 года на выставке «Геопространственная информатика» исследователи представили свои исследования Центрального государственного университета. Инновационный инструмент PASCI использует машинное обучение для анализа гиперспектральных данных, что значительно улучшает измерение углерода в почве. PASCI предоставляет ученым и агрономам новый ресурс для более эффективного картирования и оценки состояния почвы.

PASCI отличается одновременным анализом нескольких спектральных диапазонов для прогнозирования органического углерода в почве — метод, недоступный в текущих индексах. Этот индекс использует уникальную математическую модель для расчета отношения периметра к площади под спектральными кривыми, определяя основные спектральные полосы, которые указывают уровни SOC.

Этот подход позволяет выявить более мелкие детали о составе почвы и различиях в различных ландшафтах, что значительно повышает точность прогнозов SOC. Надежность PASCI была подтверждена посредством обширного регрессионного анализа, продемонстрировавшего сильную корреляцию с фактическими измерениями SOC (r 2 = 0,76). Широкий охват индекса позволяет лучше адаптироваться к различным сельскохозяйственным условиям, что потенциально может привести к более точным методам ведения сельского хозяйства и повышению урожайности сельскохозяйственных культур.

Ведущий исследователь говорит:

«Наши результаты представляют собой шаг вперед в дистанционном измерении органического углерода в почве. Способность PASCI интегрировать различные спектральные области обеспечивает более детальную и точную оценку SOC, что жизненно важно для развития точного земледелия и содействия устойчивому землепользованию».

Область применения PASCI обширна, предлагая возможность интеграции как с технологиями гиперспектральной, так и с мультиспектральной визуализацией. Это достижение может обеспечить крупномасштабное детальное картирование органического углерода в почве, что будет полезно для сельскохозяйственного планирования и мониторинга окружающей среды.

Развитие индекса согласуется с растущей потребностью в инструментах для оценки и управления здоровьем почвы, что обещает улучшить методы ведения сельского хозяйства и внести вклад в глобальные усилия по устойчивому развитию.

Источник: Уханьский университет