Ученые Томского государственного университета создают карты неоднородности почвы земель сельскохозяйственного назначения с помощью алгоритмов машинного обучения и данных дистанционного зондирования Земли с космического аппарата Sentinel-2.

С улучшением качества спутниковых изображений стало понятно, что возможно исследовать почву из космоса. Однако почвенный покров состоит из множества химических компонентов, что усложняет процесс анализа. В свою очередь, гранулометрический состав почвы оказывает сильное влияние на почвообразование, а, следовательно, на агропроизводственные возможности земель. На основе этого формируются такие свойства почвы, как пористость, влагоемкость, водопроницаемость, водоподъемность, структурность, воздушный и тепловой режим. Томские специалисты учли все нюансы и разработали нейронную сеть, которая способна проанализировать почву по спутниковым данным с высокой точностью.

«В результате исследования собранные полевые отборы проб позволили использовать методы машинного обучения, чтобы определить наиболее значимые переменные для классификации каждого типа почв. Кроме того, была предложена архитектура нейронной сети, которая способна анализировать почву по данным космического зондирования с точностью до 76%», — поясняет доцент кафедры метеорологии и климатологии ГГФ ТГУ Ирина Кужевская.

Применение подобных технологий – шаг к точному земледелию. К тому же, создание нейронных сетей сокращает время расчёта и объём вычислительных ресурсов. Ученые ТГУ продолжают работать на территории Хакасии, чтобы классифицировать почвы для дальнейшего высокотехнологичного возделывания.