Посчитать урожай: новая модель предупредит о возможном неурожае без дополнительных затрат

Российские ученые создали модель, позволяющую заранее определять риск неурожая сельскохозяйственных культур без использования дорогих спутниковых снимков. Система формирует цифровой двойник растения и моделирует его развитие, учитывая погодные условия и характеристики почвы. Технология может применяться для долгосрочных прогнозов, включая оценку адаптации различных культур к изменениям климата в определенных регионах. Это поможет аграриям заранее выбирать наиболее подходящие растения и корректировать структуру посевов. По мнению экспертов, данная технология будет полезна как для отдельных хозяйств, так и для обеспечения продовольственной безопасности страны. Об этом сообщает сайт Известия.

Ученые из Института космических исследований РАН, МГУ имени М.В. Ломоносова и Технологического университета Чэнду в Китае разработали метод, который способен предсказывать неурожаи на основе погодных данных и информации о почве на больших территориях. Для этого необходимы лишь данные о погоде и характеристиках почвы. Исследователи адаптировали широко используемую систему WOFOST к российским условиям, создав цифровой двойник растения и рассчитывая его развитие в зависимости от почвенно-климатических условий. Точность прогнозов достигает 80%.

Получение цифровых двойников растений с учетом особенностей каждого региона позволяет делать раннюю оценку состояния на основе региональных норм. Это основа системы раннего предупреждения о возможном неурожае. Использование климатических сценариев на 2050 и 2100 годы помогает оценить потенциальную урожайность ключевых культур в условиях изменения климата, выявляя регионы и культуры, которые могут стать нерентабельными.

Система моделирует рост и развитие культур в конкретном районе на основе почвенно-климатических данных. Одной из проблем адаптации модели к российским условиям является недостаточная точность доступной информации о почвах. Глобальные почвенные реестры для России не всегда надежны, поэтому исследователи использовали почвенную карту РСФСР, охватывающую практически всю территорию страны. Эти данные отличаются высокой точностью, хотя изначально не предназначались для цифровых моделей.

В современных условиях продовольственная независимость является стратегической целью страны. Имитационное динамическое моделирование позволяет в реальном времени оценивать потенциальную урожайность на уровне области, района и отдельного поля. Разнообразие климатических и почвенных условий в России влияет на способность сортов сельскохозяйственных культур реализовать свой потенциал урожайности.

Для настройки модели ученые выбрали три распространенные культуры — кукурузу, ячмень и подсолнечник. Для их цифровых двойников были настроены фенологические параметры и характеристики фотосинтеза.

Прогнозирование урожайности без использования данных дистанционного зондирования представляет интерес при оценке больших территорий, снижая зависимость от спутниковых наблюдений и сокращая объем обрабатываемых данных. Это особенно актуально, когда получение качественных спутниковых снимков затруднено.

На первом этапе исследования ученые синхронизировали расчетные даты цветения и созревания с реальными показателями для каждого района, минимизируя погрешности прогнозирования урожайности. Точность результатов сопоставима с зарубежными исследованиями, выполненными на основе глобальных данных без использования спутниковой информации.

Для подсолнечника средняя ошибка составила около 24%, для кукурузы — 26%, для ячменя — 24%. Разработчики отмечают, что впервые в России удалось детально настроить модель, чтобы она не только прогнозировала урожайность, но и выявляла отклонения в развитии растений от климатической нормы.

Такие прогнозы востребованы как на уровне отдельных хозяйств, так и в региональном масштабе, позволяя оценивать валовой сбор и планировать логистику. В дальнейшем планируется разработка моделей машинного обучения, использующих как созданную технологию, так и данные спутникового наблюдения.