Снимки из космоса помогут увидеть будущий урожай
Ученые из Санкт-Петербургского государственного аграрного университета разработали нейросеть, которая позволит оценивать урожайность на разных участках поля.
В развитии российского растениеводства все более важную роль играют космические технологии, которые дают возможность в режиме реального времени получать информацию с сельхозугодий, включающую спектральные характеристики почвы. Анализ этих данных с использованием ИИ позволяет оперативно реагировать на изменения условий окружающей среды. Так происходит переход от усреднённой оценки поля к его детальному анализу, а в перспективе – к работе индивидуально практически с каждым растением.
ИИ-анализ спутниковых снимков Земли
Инновационный метод мониторинга площадей с помощью дистанционного зондирования земли и нейросетей предложили эксперты Санкт-Петербургского государственного аграрного университета (СПбГУ). Технология основана на ИИ-анализе спутниковых снимков.
Пока в современном растениеводстве преобладают практики, предполагающие анализ поля целиком. Из этого следует и внесение равного количества удобрений по всей его площади, без учета неоднородности почвы. Между тем даже на небольшом участке земли есть отдельные зоны с разными характеристиками. Итоговая урожайность рассчитывается также для всего поля и часто бывает некорректной.
«Средняя урожайность не показывает, насколько отличаются друг от друга отдельные участки. Если увидеть эти различия на карте, агроному будет проще учитывать их при планировании работ и распределении ресурсов», – отметил один из разработчиков платформы, студент СПбГУ Омар Цукаев.
Такая ситуация сложилась потому, что создание детальной карты поля, в которой отмечены показатели разных его участков, требует большого количества ресурсов, а значит, дорого стоит. Для этого проводятся агрохимические и почвенные обследования, а также агроэкологическая оценка. Такая работа обычно выполняется не чаще чем раз в пять лет. Между тем ситуация на земле меняется гораздо быстрее. Наконец, эти обследования практически невозможны на очень больших угодьях.
Нейросеть позволит оценить продуктивность отдельных участков
Для оценки эффективности поля как суммы небольших участков ученые и начали применять ретроспективный анализ спутниковых снимков с помощью ИИ. Нейросеть использует в процессе обучения показатели состояния растительности и влажности. Анализ посевов проводится на основе вегетационного индекса NDVI. Полученные из космоса данные уточняются с помощью карт урожайности, которые формируют системы картирования на зерноуборочных комбайнах. Фактически это позволяет создать историю поля, которая помогает оценить продуктивность его небольших частей и динамику урожайности за длительный период.
Для анализа будут использоваться мульти- и гиперспектральные космические снимки высокого разрешения, получаемые, в том числе, со спутника «Лобачевский», который был выведен на орбиту в конце 2025 года. Этот малый космический аппарат (МКА) специально предназначен для агроэкологических исследований в различных регионах России.
«Использование спутниковых данных помогает эффективно и в полном объёме проводить мониторинг состояния посевов, вносить удобрения и пестициды, производить прогноз урожайности сельскохозяйственных культур», – подчеркнул Анатолий Шевырногов, главный научный сотрудник Института биофизики СО РАН.
Таким образом, платформа от СПбГУ увеличит эффективность российских систем точного земледелия, так как цифровые карты будут учитывать продуктивность отдельных земельных участков и неоднородность полей. Это позволяет дифференцированно вносить удобрения и влагу. Интеграция платформы с IT-системами управления агротехникой дает возможность загружать задания для обработки угодий с учетом всех нюансов.
Повышение эффективности использования земли
Это не единственный пример внедрения подобных технологий. Так, учёные федерального исследовательского центра «Красноярский научный центр Сибирского отделения Российской академии наук» (СО РАН) разработали методику создания карт плодородия, позволяющих разделить поле на зоны разной продуктивности. Анализ земли проводится на основе данных, полученных со спутников и дронов. С помощью специальной программы с использованием ИИ агрономы оценивают небольшие площади земли и рассчитывают необходимое для каждой количество удобрений.
Таким образом, российская IT-отрасль получила новый сегмент для развития – создание алгоритмов, преобразующих данные дистанционного зондирования Земли в практически полезную информацию для растениеводства. Для России это особенно важно: страна располагает огромными площадями сельскохозяйственных земель, а повышение эффективности обработки полей существенно увеличит производство продуктов питания и одновременно снизит их себестоимость за счет сокращения нерационального использования удобрений и воды.
После того, как разработка СПбГУ пройдет апробирование в России, она может стать экспортным продуктом, востребованным в регионах, не имеющих собственного доступа к информации из космоса, но заинтересованных в решении аналогичных проблем в сельском хозяйстве.
