Высокоточную систему прогнозирования урожайности на основе анализа вегетационных данных различных модальностей разрабатывают ученые Северо-Кавказского федерального университета (СКФУ). Об этом на пресс-конференции в региональном информационном центре «ТАСС Кавказ» сообщила младший научный сотрудник департамента науки СКФУ Валентина Арустамян.
«Грант был выигран на 2026-27 годы, и мы занимаемся сбором мультиспектральных данных со спутника, также дальнейшей обработкой этих данных, соответственно, вегетационные индексы, которые являются важнейшими показателями качества почвы, количество воды в растениях. Они собираются с помощью данных различных спектров, и по ним можно анализировать состояние почвы, время внесения удобрений и, в принципе, состояние сельскохозяйственных угодий», — сообщила Арустамян.
Проект решает проблему недостаточной точности краткосрочных прогнозов состояния сельхозкультур, вызванной шумами и несовместимостью данных с разных источников. Разрабатываются методы машинного обучения (включая трансформерные архитектуры) для интеграции мультиспектральных снимков с БПЛА и спутников Sentinel-2 с агрометеорологическими данными.
«Ключевой результат — создание устойчивой к пропускам данных прогностической модели вегетационных индексов. Это позволит аграриям превентивно планировать агротехнические мероприятия, минимизируя потери урожая. Технология масштабируема и напрямую способствует цифровизации сельского хозяйства и укреплению продовольственной безопасности. Главная идея проекта — переход от простого мониторинга полей к их точному прогнозированию за счет объединения разнородных данных в единые, устойчивые к шумам ML-модели, что дает фермерам инструмент для упреждающего управления урожаем», — добавил спикер.
Войдите, чтобы отправить комментарий