В Томском государственном университете создали карты неоднородности почвы земель сельскохозяйственного назначения благодаря алгоритмам машинного обучения и информации дистанционного зондирования Земли с космического аппарата Sentinel-2.
Спутниковые изображения стали гораздо лучшего качества. Теперь можно изучать почву из космоса. Что правда, как известно, почвенный покров содержит в себе множество химических компонентов, что затрудняет процесс анализа. В свою очередь, гранулометрический состав почвы оказывает сильное влияние на почвообразование, а, следовательно, на агропроизводственные возможности земель.
На основе этих данных формируются такие характеристики почвы, как пористость, влагоемкость, водопроницаемость, водоподъёмность, структурность, воздушный и тепловой режим. Томским специалистам удалось учесть все нюансы и разработать нейронную сеть, способную анализировать почву по полученной информации со спутников.
«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%», — рассказала доцент кафедры метеорологии и климатологии ГГФ ТГУ Ирина Кужевская.
Использование таких современных технологий – это еще один шаг к точному земледелию. К тому же, создание нейронных сетей сокращает время расчёта и объём вычислительных ресурсов. Учёные ТГУ продолжают трудиться на территории Хакасии, чтобы классифицировать почвы для дальнейшего высокотехнологичного возделывания.