이 시스템은 인공 지능과 함께 위성 이미지를 사용하며 이미 감자 성능을 예상하는 테스트를 성공적으로 마쳤습니다.
LATUV (Remote Sensing Laboratory)의 연구원 바야돌리드 대학교 (UVa) 작물 예측 모델을 개선 할 수있는 새로운 식생 지수를 설계했습니다. ESA Sentinel-2 위성 이미지와 기계 학습 및 인공 지능 기술을 사용하는 새로운 기술은 감자 및 밀 작물 수확량을 예측하는 데 성공적으로 테스트되었습니다.
농업 생산은 인간과 환경 모두에서 많은 수의 요인에 따라 달라지며 이는 농부들 사이에 큰 불확실성을 야기합니다. 그러나 기술은이를 줄이는 데 중요한 동맹이 될 수 있습니다. 이것은 토양, 기후 또는 농업 관행과 같은 특정 조건 하에서 작물의 거동을 시뮬레이션하고이 예상되는 진화에 따라 농업 생산을 추정하는 계산 모델의 경우입니다.
LATUV 연구원이자 국제 원격 감지 및 농업 및 산림 기상학 저널에 최근 발표 된 두 가지 연구의 첫 번째 저자 인 Diego Gómez는 "많은 모델이 있으며 일반적으로 각 작물 유형에 따라 다릅니다."라고 설명합니다.
그러나 이러한 전통적인 성장 모델에는 "동일한 구획 내에서 변동성을 공간적으로 모델링 할 수 없음"또는 "일반적으로 수집에 소요되는 높은 시간과 비용으로 인해 얻을 수없는 많은 입력 데이터"와 같은 몇 가지 한계가 있습니다. .”
추정이 이루어진 감자 재배 지역 / D. 고메즈
따라서 최근 몇 년 동안 우리는 광학 센서 (위성, 비행기, 드론 등에 설치)로 촬영 한 스펙트럼 이미지를 사용하고 경우에 따라 이러한 기존 모델을 보완하고 대체 할 수있는 원격 감지 기술에 베팅하고 있습니다. 이러한 스펙트럼 이미지는 작물을 예측하기 위해 입력 정보를 조정하는 모델에 통합 된 작물의 상태 또는 계통 학 (식물 개발 과정의 가시적 인 외부 변화)에 대한 데이터를 제공합니다.
“스펙트럼 이미지는 입력 데이터에 필요한 부분을 처리하고 원격 사이트에 대한 액세스를 허용하며 비용이 저렴합니다. 그들은 또한 작물의 생산 능력과 관련된 정보를 얻을 수 있습니다.”라고 LATUV 연구원은 말합니다. LATUV 연구원은 스펙트럼 지수 중 하나 인 스펙트럼 대역을 결합하는 수학적 공식 중 하나가 활력을 추정하는 데 가장 일반적으로 사용되는 식물의 궁극적으로 작물 생산성을 예측하는 초목 밀도는 NDVI (NDVI)입니다.
이 지수의 시계열을 사용하여 작물의 예측 모델을 생성하는 것은 과학 문헌에서 매우 일반적입니다. 이 지수는 식생 반사율 (빛을 반사하는 식생의 능력)을 사용하며, 각각 광합성에 사용되는 일부 빛과 잎의 세포 구조와 관련된 적색 및 근 적색의 두 스펙트럼 대역에서 사용됩니다.
새로운 식생 지수
LATUV 연구진은 광합성에 관련된 스펙트럼 정보 (2 ~ 400 나노 미터)를 고려하는 것 외에도 전자기 스펙트럼의 다른 영역에서 정보를 고려하는 ESA Sentinel-700 위성 이미지를 기반으로 PPI라는 새로운 인덱스를 개발했습니다. 나노 미터, Red Edge 밴드 및 704 나노 미터, 수증기 흡수 밴드-식물이 물을 더 많이 요구할 때 수분 스트레스와 같은 작물의 상태에 대한 기타 주요 정보를 제공 할 수 있습니다.
연구원들은 위성 이미지의 더 많은 데이터와 함께 두 식생 지수, NDVI 및 PPI의 예측 능력을 비교했습니다. 이를 위해 그들은 두 개의 인공 지능 및 기계 학습 알고리즘 (Random Forest 및 Support Vector Machine이라고 함)을 사용하고 이러한 인덱스를 다른 위성 대역과 결합한 다양한 모델을 생성했습니다.
"가설은 인기있는 NDVI 지수에 포함되지 않은 다른 대역을 사용하는 지수를 사용하고 다른 한편으로는 민감한 작물 정보를 제공 할 수있는 잠재력을 가진 지수를 사용하면 예측 모델이 더 좋을 것입니다."라고 전진하는 Gómez는 말합니다. 마지막으로, 모델의 예측 능력은“식생 지수 중 하나 또는 두 가지가 모두 포함되었을 때 증가했습니다”. 이는“특정 개별 위성 대역과 결합하여이 데이터를 사용하는 것”을 평가합니다.
감자 재배에서 더 정확한 예측
결과는 PPI 지수가 Support Vector Machine 알고리즘을 사용할 때 NDVI와 유사한 정보를 제공하고 Random Forest 알고리즘을 사용할 때 NDVI보다 훨씬 더 많은 정보를 제공한다는 것을 보여줍니다.“예측을 향상시킬 수있는 새로운 식생 지수를 테이블에 올려 놓을 것입니다. 위성 이미지를 기반으로 한 수확 모델”.
지금까지 새로운 지수는 상당히 지역화 된 연구 영역에서 감자 재배에 대해 테스트되었습니다. 시리얼 다음으로 감자는 전 세계적으로 가장 중요한 식량 작물 중 하나입니다. 그것은 개발 도상국의 식량 안보에 중요한 역할을하며 독일, 프랑스, 네덜란드 및 폴란드를 주요 생산국으로하는 유럽 농업 부문에서도 큰 비중을 차지하고 있습니다. 또한 멕시코에서 가져온 데이터로 밀에서 테스트되었습니다.
장비의 아이디어는 모델의 견고성을 개선하기 위해 데이터 수를 늘리고, 더 넓은 연구 영역을 커버하여 공간 변동성을 높이고, 새로운 작물을 통합하는 것입니다. 자금의 연속성에 의존하고 농부들이 향후 수확을보다 안정적으로 예측하는 데 도움이 될 수있는 관점.