Модель для прогнозирования неурожая без затрат на спутники

Российские исследователи создали модель, позволяющую заранее предсказывать риск неурожая сельскохозяйственных культур без использования дорогостоящих спутниковых снимков. Эта система формирует цифровой двойник растения и моделирует его развитие, учитывая погодные условия и особенности почвы. Технология может быть применена для долгосрочных прогнозов, включая оценку адаптации различных культур к изменениям климата в конкретных регионах. Это даст возможность аграриям заранее выбирать наиболее подходящие растения и корректировать структуру посевов. Эксперты подчеркивают, что данное решение может быть полезным 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 китайского Технологического университета Чэнду разработали метод, который позволяет предсказывать неурожаи на основе погодных данных и характеристик почвы. Для этого достаточно информации о климате и почве. Исследователи адаптировали широко используемую в мире систему WOFOST к российским условиям. Модель создает цифровой двойник растения и рассчитывает его развитие в зависимости от почвенно-климатических условий, достигая точности прогнозов до 80%.

По словам руководителя проекта, Дмитрия Плотникова, создание цифровых двойников растений с учетом региональных особенностей позволяет выполнять раннюю оценку состояния и служит основой для предупреждения о возможном неурожае. Используя климатические сценарии на 2050 и 2100 годы, можно оценить потенциальную урожайность ключевых культур в условиях изменения климата и выявить регионы, где определенные культуры могут стать нерентабельными.

Система моделирует рост и развитие культур на основе почвенно-климатических данных. Однако одной из проблем является недостаточная точность доступной информации о почвах, что исследователи решили, используя почвенную карту РСФСР, отличающуюся высокой точностью, но не предназначенную для цифровых моделей. Ученым пришлось вручную сопоставить данные с используемой системой.

Достижение продовольственной независимости является стратегической целью страны. Имитационное динамическое моделирование позволяет оценивать потенциальную урожайность на уровне области, района и отдельного поля, учитывая разнообразие климатических и почвенных условий.

Для настройки модели ученые выбрали три наиболее распространенные культуры — кукурузу, ячмень и подсолнечник, адаптировав фенологические параметры и характеристики фотосинтеза.

Прогнозирование урожайности без использования данных дистанционного зондирования представляет интерес, особенно для больших территорий, так как снижает зависимость от качества спутниковых наблюдений. На первом этапе исследования ученые стремились синхронизировать расчетные даты цветения и созревания культур с реальными показателями для каждого района, минимизируя погрешности прогнозирования.

Точность модели сопоставима с результатами зарубежных исследований, выполненных в аналогичных условиях. Для подсолнечника средняя ошибка составила около 24%, для кукурузы — 26%, для ячменя — 24%. Разработчики отметили, что впервые в России удалось настроить модель для прогнозирования урожайности и выявления отклонений в развитии растений от климатической нормы, что является важным индикатором неурожая.

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