Традиционно фермеры применяют универсальный подход, высевая одинаковое количество семян по всему полю. Но участки внутри одного и того же поля отличаются по качеству почвы, влажности, рельефу, склонности к эрозии и потере питательных веществ. «Поля могут выглядеть одинаковыми с дороги, но это не так», подчеркивает соавтор работы, доцент Университета Миссури по технологии сельскохозяйственных систем Жасмин Неупане.
Ученые использовали модель машинного обучения и данные с двух ферм в Огайо, чтобы оценить потенциал технологии переменной нормы высева (variable‑rate seeding, VRS). Суть в том, что техника сеет не одинаковое количество семян повсюду, а меняет норму высева «на ходу» в зависимости от характеристик конкретного участка и его ожидаемой урожайности.
Модель обучали на реальных полевых данных: собранных анализах почвы, показателях рельефа, многолетних картах урожайности. На основе этого ИИ формировал более точные, «адресные» рекомендации по тому, где имеет смысл загущать посев, а где, наоборот, не тратить лишние семена. «ИИ помогает подобрать правильную плотность посева для разных частей поля, — объясняет Неупане. — А заодно скорректировать объемы удобрений и средств защиты растений. Это снижает затраты фермеров и улучшает итоговый результат».
Такой подход дает и экологический бонус. Если не вносить лишние удобрения и химикаты там, где это не нужно, меньше веществ будет вымываться в водоемы и на соседние земли. «Это помогает предотвратить сток и другие воздействия на окружающую среду, защищая почву и воду», добавляет исследовательница.
Ученые проверили подход на двух ключевых для США культурах — кукурузе и сое. Кукуруза показала себя предсказуемо: модель действительно хорошо спрогнозировала, где более густой посев окупится, а где — нет. То есть VRS для кукурузы уже сейчас можно вполне эффективно использовать в точном земледелии.
С соей все оказалось сложнее. Это более «гибкая» культура: растения умеют подстраиваться под сезон и погодные условия, поэтому влияние плотности посева на итоговый урожай оказалось менее очевидным. Часто решающую роль играли осадки и температура, а не только плотность посева. Авторы работы считают, что для сои нужно собрать больше данных, доработать модели, и только потом давать определенные рекомендации.
Этим летом Неупане продолжит свои эксперименты на полях Цифрового центра аграрных исследований и консультирования Миссури. Для нее этот проект во многом личный: выросшая в Непале, она хорошо помнит, как сложно приходится фермерам, располагающим небольшими участками, чей доступ к технике ограничен. Ее цель — сделать высокоточные, «умные» решения доступными и понятными для тех, кто выращивает еду по всему миру.
«Когда вы по‑настоящему понимаете, что “говорит” ваше поле, вы можете управлять им гораздо более эффективно», подчеркивает Неупане.
Ранее в России открыли новые бактерии, которые изменят сельское хозяйство.
Источник: hi-tech.mail.ru