Исследование спутниковых снимков направлено на развитие устойчивого сельского хозяйства

Орошение сельскохозяйственных культур предъявляет огромные требования к водным ресурсам по всему миру. Например, в Испании, где сельское хозяйство вносит крупный вклад в экономику страны, на аграрный сектор приходится 85% от общего спроса на воду. Чрезмерное использование оросительной воды привело к серьёзным экологическим проблемам в странах Средиземноморья, где растущий спрос истощил грунтовые воды, привёл к истощению водоносных горизонтов и ускорил вторжение солёной воды. Учёные в Испании работают над новыми технологиями для классификации и мониторинга орошаемых культур с целью продвижения устойчивых сельскохозяйственных практик.

«Для поощрения устойчивого использования водных ресурсов крайне важно разработать передовые и точные инструменты для классификации и мониторинга орошаемых культур, а также оценки площади, занимаемой каждой из них, поскольку у разных культур обычно разные потребности в воде», — заявила Франсиска Лопес-Гранадош, ведущий автор исследования, опубликованного в недавнем выпуске Journal of the American Society for Horticultural Science. Учёные оценивали потенциал мультиспектральной отражательной способности и семи вегетационных индексов в видимом и ближнем инфракрасном диапазонах для различения и классификации голой почвы и нескольких орошаемых садоводческих культур. Эта работа — первый шаг более масштабного проекта, конечная цель которого — использование спутниковых снимков с высоким пространственным и мультиспектральным разрешением для картирования орошаемых культур.

Команда собрала наземные данные об отражательной способности голой почвы и различных культур с помощью портативного спектрорадиометра весной, в начале и в конце лета. Для анализа различий в спектрах между культурами и почвой были применены три метода классификации: пошаговый дискриминантный анализ и две искусственные нейронные сети (многослойный перцептрон и радиально-базисная функция).

«Результаты показали, что наивысший процент точности был достигнут с помощью многослойного перцептрона (MLP), затем — пошагового дискриминантного анализа и радиально-базисной функции (RBF)», — сообщила Лопес-Гранадош. Классификационная матрица модели MLP показала, что большинство культур, различимых весной и в конце лета, поддаются классификации на 100%; лучший общий результат был получен в конце лета. Исследователи рекомендуют для будущего мониторинга и картирования этих культур использовать два мультиспектральных спутниковых снимка, сделанных весной и в конце лета, что позволит избежать дорогостоящих полевых обследований.