7 mód, ahogy a GIS a mezőgazdaságban kiküszöböli a találgatásokat

A mesterséges intelligenciát a mezőgazdaságban az elmúlt évtizedekben a technológia általános fejlődése segítette elő.

A mesterséges intelligencia alkalmazása a mezőgazdaságban a földterület elemzéséről, a szántóföldi adatok térképen történő megjelenítéséről és ezen adatok munkába állításáról szól. A mesterséges intelligencia segítségével a precíziós gazdálkodás olyan megalapozott döntéseket és intézkedéseket tesz lehetővé, amelyek révén a gazdák minden egyes hektárból a legtöbbet hozhatják ki anélkül, hogy károsítanák a környezetet.

Ha már az eszközöknél tartunk, a mezőgazdasági térinformatikai technológia műholdakra, repülőgépekre, drónokra és érzékelőkre támaszkodik. Ezeket az eszközöket képek készítésére és térképekkel és nem vizualizált adatokkal való összekapcsolására használják. Ennek eredményeképpen egy olyan térképet kapunk, amelyen szerepel a termés helyzete és egészségi állapota, a domborzat, a talajtípus, a trágyázás és hasonló információk.

A geoinformatika számos alkalmazása létezik a mezőgazdaságban.

Most megismerheti a térinformatika következő alkalmazásait és felhasználását a mezőgazdaságban:

A terméshozam előrejelzése

A pontos terméshozam-előrejelzés segíthet a kormányoknak az élelmezésbiztonság biztosításában, a vállalkozásoknak pedig a nyereség előrejelzésében és a költségvetések tervezésében. A műholdakat, az érzékelést, a nagyméretű adatokat és a mesterséges intelligenciát összekötő technológia legújabb fejlődése lehetővé teheti ezeket az előrejelzéseket.

Ezen a területen az egyik legmélyrehatóbb technika a konvolúciós neurális hálózatok (ConvNets vagy CNN). A ConvNet egy mélytanulási algoritmus, amelyet megtanítanak egy növény termőképességének azonosítására. A fejlesztők úgy képzik ezt az algoritmust, hogy olyan növények képeit táplálják vele, amelyek terméshozama már ismert, hogy termelékenységi mintákat találjanak. CNN pontossága kb. 82%.

A fenti kép forrása: Sustainability and Artificial Intelligence Lab, Stanford University

A termés egészségi állapotának nyomon követése

A termés egészségének több hektáron történő kézi ellenőrzése a legkevésbé hatékony megoldás. Ez az a pont, ahol a távérzékelés a GIS-szel kombinálva a mezőgazdaságban a segítségünkre siet.

A fő műholdképek és a bemeneti információk párosíthatók a környezeti feltételek, például a páratartalom, a levegő hőmérséklete, a felszíni viszonyok és egyebek felméréséhez az egész szántóföldön. A GIS alapján a precíziós gazdálkodás feljavíthatja az ilyen értékelőket, és segíthet eldönteni, hogy mely növények igényelnek nagyobb figyelmet.

Egy kifinomultabb megközelítés műholdakon és légi járműveken elhelyezett képalkotó érzékelőket használ a növények hőmérsékletének ellenőrzésére. Ha a hőmérséklet a normálisnál magasabb, az betegségre, fertőzésre vagy elégtelen öntözésre utalhat.

Az olyan neurális hálózatok, mint a CNN, a Radial Basis Function Network (RBFN), a Perceptron és mások szintén hasznosak lehetnek a termények egészségének értékelésében. Az algoritmusok képesek elemezni a képeket az egészségtelen mintákra vonatkozóan.

Az állatállomány megfigyelése

A mezőgazdasági GIS-szoftverek legegyszerűbb alkalmazása az állattenyésztésben az egyes állatok mozgásának nyomon követése. Ez segít a gazdáknak megtalálni őket a gazdaságban, és nyomon követni egészségüket, termékenységüket és táplálkozásukat. Az ezt lehetővé tevő GIS-szolgáltatások az állatokra telepített nyomkövetőkből és egy olyan mobileszközből állnak, amely fogadja és megjeleníti az e nyomkövetőkből származó információkat.

Íme egy példa. Ön szeretné nyomon követni a húsmarhák súlyát. Minden állat fülén vagy nyakán van egy nyomkövető. Minden alkalommal, amikor a digitális mérlegre lép, a mérleg leolvassa az adott állat azonosítóját, és új értéket rendel az azonosítóhoz a rendszerben.

Önnek nem kell kézzel beírnia ezeket az adatokat. Eközben, ha az állat súlyában riasztó változás következik be, gyorsan megtalálhatja az állatot, és ellenőrizheti az egészségi állapotát.

A mezőgazdasági GIS-szoftvereknek vannak érdekesebb felhasználási esetei is, például a farkas és a szarvasmarha találkozásának megelőzése. Vannak olyan nem egyértelmű térbeli sajátosságok, amelyek befolyásolják a vadon élő állatok eloszlását egy területen, beleértve a farkasokat is. A nemkívánatos találkozásokat csökkenthetnénk, ha megértenénk ezeket a finom sajátosságokat, amit a mesterséges intelligencia és a GIS együttes használatával lehetne elérni a mezőgazdaságban.

Rovar- és kártevőirtás

A káros rovarok és kártevők inváziója, vagyis a fertőzés súlyos károkat okoz a mezőgazdaságban. A felülről való rálátás lehetővé teheti a pontos, időben történő riasztást, hogy ezt megelőzzük.

Azonban még a nagy felbontású felvételek sem feltétlenül adnak látható korai jeleket a fertőzésre.

Az alternatíva a mesterséges intelligencia használata lenne. Kifejleszt egy neurális hálózatot, és mélytanulási algoritmusok segítségével betanítja. A képzés során a neurális hálózatot fertőzött területek képeivel táplálja, és a hálózat megtanulja megtalálni a fertőzésre utaló mintákat. Ezt követően megetetheti a hálózatot az elemezni kívánt területről készült műholdképekkel.

Mint már említettük, a mezőgazdaságban a térinformatikai technológiával együtt a távérzékelést is használhatja a termények hőmérsékletének ellenőrzésére. A növények a fertőzésre úgy reagálnak, hogy felmelegednek, mivel nem kapnak többé elegendő vizet vagy tápanyagot.

Öntözés vezérlés

Hatalmas földterületeken szemmel tartani, hogy minden egyes növény elegendő vízhez jusson, kihívást jelentő feladat, de a mezőgazdaságban a térinformatika könnyen megoldható.

A nagy felbontású kamerákkal felszerelt repülőgépek és műholdak olyan képeket készítenek, amelyek segítségével a mesterséges intelligencia algoritmusai kiszámíthatják az egyes növények vízterhelését, és felismerhetik a vízhiány hátterében álló vizuális mintákat.

Párosítsa ezeket a képeket a vízellátó rendszer térképeivel, és megtudhatja, hogy a jelenlegi öntözési rendszer mennyire jól működik.

Árvizek, erózió és aszály elleni védekezés

A GIS és a mezőgazdaság összekapcsolása segíthet a pusztító természeti jelenségek negatív hatásainak megelőzésében, értékelésében és mérséklésében.

Az árvízre hajlamos területek azonosításához használhatja az árvízi leltározási térképezési technikákat. Olyan adatokat kell gyűjtenie, mint a korábbi árvizek, terepi felmérések és műholdfelvételek. Használja ezeket az adatokat egy olyan adathalmaz létrehozásához, amellyel egy neurális hálózatot képezhet ki az árvízkockázatok felismerésére és feltérképezésére, és létrehozhat egy végső katasztrófavédelmi> eszközt.

Ha a talajerózióra való hajlamot kell vizsgálni, akkor az Universal Soil Loss Equation (USLE) és a GIS és a távérzékelés párosítható. Futtasson le műholdas képeket spektrális elemzéssel az USLE-tényezők ellenőrzésére, és ellenőrizze ezeket a képeket helyszíni megfigyelésekkel. Ennek eredményeképpen létrehozhat egy térképet, amely a talajromlás mértékét mutatja be az egész területen.

Hasonló GIS-megoldások a mezőgazdaságban az aszály ellenőrzésére is használhatók.

Mezőgazdasági automatizálás

Vetőgépek, intelligens öntözőrendszerek, vezető nélküli betakarítógépek és gyomirtó robotok jelentik az elkerülhetetlen jövőt. Minden egyes gépet felszerelhetne kifinomult érzékelőkkel, de miért tenné ezt, ha egy integrált GIS-rendszerhez is csatlakoztathatja őket?

(Ez nem azt jelenti, hogy az automatizált járműveknek nincs szükségük érzékelőkre – igenis szükségük van.)

A GIS a mezőgazdaságban pontos térképeket tud biztosítani, beleértve minden szükséges információt a szántóföldi növényekről. Az ilyen térképeket feladattérképeknek vagy alkalmazástérképeknek nevezik. Az intelligens gépek ezeket használják a mező gondozásához.

Íme egy példa arra, hogyan működhetnek a GIS-megoldások a mezőgazdaságban. Ha egy GIS-rendszer gyomfertőzést észlel, akkor a „Gyomirtás szükséges” címkét jelöli ki az adott területre. A gyomirtó robot elolvassa a címkét, és ezt a területet felveszi a feladatlistájára.

Amellett, hogy jeleket adnak a gépek számára, a feladattérképek segíthetnek a szakképzetlen munkásoknak abban, hogy hatékonyabban végezzék a munkájukat.

Következtetés

Ha az interneten a GIS mezőgazdasági felhasználási esetei után kutatunk, a kilencvenes évek elejéig visszamenőleg találunk cikkeket és tanulmányokat. A mezőgazdaság célkitűzései azóta nem sokat változtak – ahogy a problémák sem, amelyek megoldásától a GIS-től várják.

Forrás: https://intellias.com/gis-in-agriculture/