Ar palydoviniai duomenys yra pigus ir greitas būdas dirvožemio organinei angliai prognozuoti?

Lietuvos agrarinių ir miškų mokslų centro (LAMMC) Žemdirbystės instituto (ŽI) mokslininkai dr. Renaldas Žydelis ir dr. Jonas Volungevičius šiuo metu yra įsitraukę į keletą tarptautinių H2020 projektų, kurių metu siekiama įvertinti nuotolinių technologijų taikymo perspektyvas dirvožemio naudojimo ir tvarumo iššūkiams spręsti.

Siekdami rasti atsakymus į šiuos klausimus, LAMMC mokslininkai kartu su kolegomis atliko svarbų tyrimą, o jo rezultatus publikavo prestižiniame žurnale „ISPRS Journal of Photogrammetry and Remote Sensing“, kuris yra pripažintas vienas geriausių šių mokslo krypčių leidinys.

Šiame darbe mokslininkai pasiūlė metodiką, pagal kurią, panaudojant palydovinius ir antžeminius dirvožemio duomenis, sukurti dirbtinio intelekto algoritmai, kurie vėliau bus panaudoti įvairiose vietovėse prognozuojant organinės anglies ir molio dalelių kiekius. Sukurti modeliai išbandyti Lietuvos, Italijos, Turkijos ir Jungtinių Amerikos Valstijų laukuose. Gauti rezultatai parodė, kad kai kuriose vietovėse prognozių tikslumas gali siekti net 96 % (visų pasirinktų laukų vidurkis – 46 %). Lietuvos laukuose geriausių prognozių tikslumas siekė 94 %, o vidutiniškai visose tyrimo vietovėse buvo 41 %. Italijoje atitinkamos reikšmės siekė 57 ir 24 %, Turkijoje – 79 ir 49 %, JAV 96 ir 72 %.

Gauti rezultatai taip pat parodė, kad prognozių tikslumui labai didelės įtakos turėjo konkrečių laukų dirvožemio genetinės savybės, dirvožemio tipologinis vienetas ir taikomos ūkininkavimo praktikos, be to, prognozėms taip pat turėjo įtakos debesuotumas.

Taigi vis dėlto, ar palydoviniai duomenys yra pigus ir greitas sprendimas dirvožemio organinės anglies prognozavimui? Mokslininkai dr. Renaldas Žydelis ir dr. Jonas Volungevičius į klausimą atsako taip:

Palydoviniai duomenys šiuo metu yra nemokami, todėl, turint pakankamai įgūdžių su jais dirbti, tai yra tikrai pigus būdas gauti informacijos apie konkrečių laukų būklę augalų vegetacijos metu. Vis dėlto reikia papildomų įgūdžių dirbti su dirbtinio intelekto algoritmais bei GIS sistemomis, tačiau ir tai, tikėtina, bus greitai išspręsta, nes daugėja įvairių programų, kurios galės tai padaryti už mokslininkus. Tik lieka atviras klausimas, kokio tikslumo prognozių siekiame gauti? Mūsų tyrimo duomenys parodė, kad sukurti modeliai veikia tik konkrečiam lauke ir, geriausiu atveju, teritorijoje, savo kilme ir naudojimo praktika susijusioje su šiuo lauku. Todėl tikėtina, kad net Lietuvos teritorijoje turėtų būti taikomi keli prognozavimo modeliai.

Šiuos neatitikimus lemia daugybė veiksnių, pavyzdžiui, teritorijos kilmė, dirvožemio granuliometrinė sudėtis, drėgmės režimas, augalijos danga, ūkininkavimo praktika, druskingumas (Pietų Europoje) ir t. t. Kaip pavyzdys gali būti teiginys, kad dauguma šiandieninių dirvožemio anglies prognozavimo modelių remiasi prielaida, jog molio kiekis dirvožemyje turi tiesioginį ryšį su organinės anglies kiekiu. Tačiau tai ne visada yra tiesa, o tas ryšys gali būti teigiamas, neigiamas arba jo gali išvis nebūti, todėl vien dirvožemio spalva negali nurodyti, ar yra gausu anglies.

Kuriant tokius prognozavimo algoritmus, nuolatinis duomenų kaupimas spartina ir didina dirbtiniu intelektu pagrįsto algoritmo mokymosi spartą ir gaunamų rezultatų tikslumą. Kita vertus, nemaža atsakomybė vis dar tenka ir mokslininkams, nes dirbtinis intelektas negali sau skirti užduočių, tikslų ar norimų rezultatų ir atsirinkti duomenis, kuriuos analizuos, todėl itin svarbu užtikrinti, jog naudojama teisinga informacija ir vadovaujamasi standartus atitinkančiais protokolais.

Šiuo metu, geriausiu atveju, esame pusiaukelėje link to, kad būdami namuose galėsime gauti išsamius, kokybiškus ir nebrangius dirvožemio laukų žemėlapius.

LAMMC informacija