За допомогою штучного інтелекту здійснюється моніторинг вуглецю в ґрунті
Дослідники з Університету Іллінойсу показують, що нові методи машинного навчання, засновані на лабораторних гіперспектральних даних ґрунту, можуть дати точні оцінки вмісту органічного вуглецю у ґрунті.
Розуміння органічного вуглецю ґрунту в регіональному, національному чи глобальному масштабах може допомогти вченим передбачити загальний стан ґрунту, продуктивність сільськогосподарських культур і навіть глобальні вуглецеві цикли.
Зазвичай дослідники збирають зразки ґрунту в польових умовах та відвозять їх назад до лабораторії, де аналізують матеріал, щоб визначити його склад. Але це вимагає багато часу та праці, дорого і дає уявлення лише про конкретні місця.
У недавньому дослідженні дослідники з Університету Іллінойсу показали, що нові методи машинного навчання, засновані на лабораторних гіперспектральних даних ґрунту, можуть дати так само точну оцінку вмісту органічного вуглецю в ґрунті. Їх дослідження забезпечує основу для використання бортового та супутникового гіперспектрального зондування для моніторингу поверхневого органічного вуглецю ґрунту на великих площах.
Провідний автор дослідження Шен Ван та його співробітники використовували загальнодоступну бібліотеку спектрів ґрунтів Служби охорони природних ресурсів Міністерства сільського господарства США, що містить понад 37 500 записів, зібраних у польових умовах та що представляють усі типи ґрунтів у Сполучених Штатах. Ґрунт відбиває світло в унікальних спектральних діапазонах, які вчені можуть інтерпретувати для визначення хімічного складу.
За словами Ендрю Маргенота, доцента кафедри рослинництва та співавтора дослідження, ви можете визначити вміст вуглецю, просканувавши невідомий зразок та застосувавши статистичний метод, який використовувався десятиліттями. Але тут ми спробували перевірити практично кожен потенційний метод моделювання. Ми знали, що деякі з цих моделей працюють, але новинка полягає в масштабі і тому, що ми випробували весь спектр алгоритмів машинного навчання.
Вибравши найкращий алгоритм на основі бібліотеки ґрунтів, дослідники протестували його за допомогою змодельованих гіперспектральних даних, отриманих з повітря та з космосу. Як і очікувалося, їхня модель враховувала «шум», властивий спектральним зображенням поверхні, повертаючи високоточне та великомасштабне уявлення про органічний вуглець ґрунту.
«У НАСА та інших установ є нові або майбутні місії гіперспектральних супутників, і дуже приємно знати, що ми будемо готові використати нову технологію штучного інтелекту для прогнозування важливих властивостей ґрунту за допомогою спектральних даних, отриманих у результаті цих місій», – зауважив Ван.
Кайю Гуан, головний дослідник, директор-засновник ASC та доцент NRES, сказав: «Ця робота заклала основу для використання технології гіперспектрального та мультиспектрального дистанційного зондування для вимірювання властивостей вуглецю ґрунту на рівні поверхні ґрунту».
Також читайте: