Метод на основе ИИ и спутниковых снимков для картирования систем интегрированного растениеводства и животноводства

Системы интегрированного растениеводства и животноводства (CLI) сочетают выращивание сельскохозяйственных культур (особенно зерновых, таких как соя, кукуруза и сорго, и кормовых растений) с разведением скота, обычно мясного. CLI повышает плодородие почвы, увеличивает урожайность, помогает восстанавливать деградированные земли, снижает использование пестицидов и операционные затраты, делая сельское хозяйство более устойчивым.

В исследовании, опубликованном в журнале Remote Sensing of Environment, учёные из EMBRAPA и UNICAMP разработали метод на основе искусственного интеллекта для идентификации областей CLI путём анализа спутниковых снимков.

Методология

Команда использовала методы глубокого обучения для обработки временных рядов спутниковых изображений и извлечения паттернов, указывающих на практику CLI. Анализ изображений на основе объектов проводился с интервалами в 10 и 15 дней в четыре этапа:

  1. Получение данных CLI через созвездие спутников Planetscope.
  2. Обучение алгоритмов распознаванию паттернов, связанных с CLI.
  3. Картирование областей CLI.
  4. Оценка точности модели путём сравнения автоматических результатов с предыдущими знаниями.

Исследование проводилось на территориях в штатах Сан-Паулу и Мату-Гросу.

Значение и перспективы

Точная идентификация областей CLI позволяет:

  • Более эффективно управлять ресурсами и оптимизировать использование земель.
  • Предоставить фермерам дополнительный источник дохода за счёт диверсификации деятельности.
  • Создать надёжную основу для принятия научно обоснованных решений по управлению и инвестициям.
  • Поддерживать государственные политики и программы по продвижению устойчивых практик, способствуя регулярности снабжения продовольствием и доходам фермеров.