Урожай какой культуры прогнозируют с помощью машинного обучения в австралии
Обновлено: 05.10.2024
Предварительные показатели уборочной кампании пшеницы в Австралии демонстрируют понижение уровня протеина в зерне, что вызывает опасения относительно сокращения урожая высокопротеиновой зерновой, сообщает Successful Farming.
Как ожидается, Австралия станет ключевым экспортером пшеницы в 2021/22 МГ, однако обильные осадки задерживали уборочную кампанию зерновой в некоторых регионах, что вызвало также некоторое ухудшение урожая.
В частности, в Западной Австралии в т.г. около половины урожая зерновой составляет стандартная белая пшеница (ASW) с протеином ниже 9%, тогда как обычно доля данной зерновой составляет 25% от всего урожая, согласно данным брокерского агентства IKON. Наиболее высоким спросом среди мукомолов Австралии пользуется премиальная белая пшеница (APW) с протеином 10,5%.
В свою очередь, на фоне сокращения предложения пшеницы APW цены на нее растут и по состоянию на текущий момент достигли $365 за тонну FOB Западная Австралия, что превышает показатель на начало ноября ($340 за тонну FOB), а цены на пшеницу ASW составляют $325 за тонну.
Валовой сбор пшеницы в Австралии в 2021/22 МГ ожидается на уровне 32,6 млн тонн, что станет вторым максимальным показателем после рекордного результата в сезоне-2020/21.
Аналитики ABARES прогнозируют, что производство озимых культур в Австралии в 2021/22 МГ составит 46,8 млн тонн, что на 15% уступит показателю предыдущего сезона (рекордные 55,2 млн тонн), но, вместе с тем, на 13% превысит среднегодовое значение последних 10 лет.
К сокращению производства, как ожидается, приведут низкие показатели урожайности, несмотря на то, что площадь сева озимых составит рекордные 23,2 млн га (+2% год к году).
Что касается масличных культур, то эксперты ожидают, что канолой будет засеяно 3 млн га (+25% за год) – третий по величине показатель, чему будет способствовать высокий уровень мировых цен на масличную и благоприятные погодные условия в Западной Австралии и Новом Южном Уэльсе в период сева. Таким образом, производство семян канолы в Австралии ожидается на уровне 4,2 млн тонн, что на 4% превысит показатель предыдущего года и на 22% - средний уровень за последние 10 лет.
Индустрия сельского хозяйства оценивается Всемирным банком в 5 триллионов долларов США. К 2025 году она должна кормить около 9 миллиардов людей, а количество новой культивированной земли прирастет только на 4%. Тренд на органические продукты вынуждает сельскохозяйственные предприятия искать альтернативу применению химикатов в борьбе с сорняками. Во многих странах наблюдается дефицит трудовых ресурсов. К тому же человеческий труд делает производство слишком дорогим. В таких условиях сельское хозяйство ищет пути оптимизации использования земли, того, что на ней выращивается, и тех, кто на ней пасется.
С одной стороны, агропромышленный комплекс считается одним из самых консервативных в плане внедрения инноваций во всех странах. А с другой – сельское хозяйство уже давно использует разного рода технологии, наверно, за исключением глубокой древности. В АПК требуются высокотехнологические оборудование и машины, поэтому оценивать, нужны ли ИТ в агрокомплексе, можно по-разному.
Если же вернуться к нашим баранам, то есть к потребности сельхозcектора в искусственном интеллекте, то цифры говорят о том, что рынок есть, и он будет очень быстро расти. Всемирный банк планирует, что через два года он превысит миллиард долларов США, а к 2025 году достигнет 2,6 миллиарда.
В международном агротехе одной из самых актуальных тенденцией стало применение искусственного интеллекта, позволяющего принимать решения на базе больших данных, а также частично – а иногда и полностью – заменять человека в производственном процессе.
Основные области применения связаны с обнаружением болезней растений, классификацией и идентификацией сорняков, определением, подсчетом и сбором урожая, управлением водными ресурсами и почвой, прогнозированием погоды, определением поведения животных. Для этого используется весь арсенал технологий ИИ: компьютерное зрение, машинное обучение, распознавание звуков.
Автономные тракторы в арсенале фермеров появились еще в 2012 году. Сейчас в них есть и радионавигация, и лазерный гироскоп, и возможность следовать маршруту, проложенному моделью машинного обучения. Эти же беспилотники оснащены системами компьютерного зрения: камеры, спутниковые навигаторы и коннекторы для передачи данных в облако или на сервер. Наиболее продвинутые будут решать проблемы прямо на поле или в теплице или хлеву.
Полезное применение ИИ – интеллектуальный полив. Современные ирригационные технологии с машинным обучением отличают сорняки от сельскохозяйственных культур и опрыскивают только их гербицидами. Как итог: снижается стоимость выращивания агрокультур и повышается безопасность продовольствия.
Кто же разрабатывает эти решения? На рынке есть три группы компаний, которые активно инвестируют в создание решений на базе AI. Во-первых, это хорошо знакомые всем технологические вендоры. Например, IBM, чья платформа Watson Decision Platform for Agriculture комплексно подходит к работе над урожаем. С ее помощью фермеры могут обрабатывать данные дистанционного зондирования земли, получать информацию о наличии поражений посевов из-за заболеваний или атаки вредителей, анализировать вероятность таких поражений на основе местного прогноза погоды и индивидуальных данных по посевам.
Кроме того, Watson умеет определять вид, количество и оптимальные сроки для обработки пестицидами поражённых площадей, а объединяя данные о влажности с данными о местности и метеорологическими прогнозами моделирует динамику изменения влажности почвы.
Вторая группа разработчиков решений на базе искусственного интеллекта для агрокомплекса – фармацевтические производители. Например, мобильное приложение Field Manager от концерна Bayer выдаёт рекомендации на основе обработки спутниковых изображений и загружаемых данных. Фермер в любое время может получить на свой смартфон информацию о состоянии растительности, степени защиты, локальном прогнозе погоды.
Традиционная третья группа разработчиков – это специализированные ИТ-компании или стартапы. Вот лишь несколько любопытных примеров.
Решения израильского Taranis и американского AGEYE Technologies собирают точную информацию о состоянии растений, позволяют своевременно выявлять негативные факторы и дают рекомендации по их оперативному устранению. Для мониторинга используются показания полевых датчиков наблюдения, метеорологические данные, аэрофотосъёмка. На основе анализа выявляются участки посевов с угнетённым ростом, идентифицируются болезни растений, проблемы с вредителями, определяется обеспеченность растений питательными веществами и потенциальная урожайность.
Платформа на базе искусственного интеллекта Health Change Maps and Notifications от Farmers Edge и аналогичное решение от Hummingbird Technologies информируют фермера об эффективности работы техники, состоянии растений, появлении вредителей или болезней, дефиците питательных веществ и др. Для анализа используются данные спутников, снимки беспилотников, информация наземных средств мониторинга.
Мы уже вспоминали об интеллектуальном поливе растений. В этой нише работает RAPID. Роботизированная система точного полива состоит из установленных на системе капельного орошения регулируемых излучателей и обеспечивает максимальную точность орошения. Этим решается проблема контроля расхода воды на локальном уровне, то есть для каждого растения.
Актуальная задача в сельском хозяйстве, также связанная с жидкостью, – это необходимость опрыскивания пестицидами сорняков или, наоборот, подкормкой, полезных культур. В этом сегменте есть сразу несколько решений от Trimble. Например, WeedSeeker производит точечное опрыскивание сорной растительности, идентифицируя ее с помощью светодиодов, сканирующих поверхность.
WEEDit дает возможность точечного распыления во время движения трактора. А сенсорный датчик урожайности GreenSeeker определяет в режиме реального времени необходимое количество внесения удобрений.
Кстати, очень популярны мобильные приложения для отслеживания урожаев или поведения животных в сельском хозяйстве. Самые передовые примеры – Plantix, aWhere, Farm at Hand и Microwork. К примеру, Plantix собрал библиотеку с описанием более 60 болезней растений и прямо в поле диагностирует их по видам бактерий и другим факторам.
Harvesting анализирует данные со спутника и прогнозирует урожайность кукурузы с помощью запатентованного алгоритма машинного обучения. Германский HelioPas AI предсказывает засухи. Индийский Fasal придумал экономичные сенсоры, собирающие данные, которые может себе позволить даже небогатый фермер. Белорусский OneSoil разработал решение, позволяющее сельскохозяйственным предприятиям собирать данные из открытого источника – программы по сбору данных о почвах и растениях Европейского союза Copernicus. Американский Root AI создал роботизированную систему, которая собирает урожай по мере его созревания. А подсказывает ему это искусственный интеллект.
В России отставание в использовании технологий в сельском хозяйстве особенно заметно. Отечественным агропромышленным предприятиям нужно оптимизировать процессы, сокращать расходы и научиться превентивно реагировать на проблемы, но так как многие из этих предприятий еще не прошли этап внедрения ERP, процесс понимания, как в их бизнесе можно применять ИИ, займет время.
Недавно центр развития финансовых технологий Россельхозбанка оценил объем данных, которые необходимо будет хранить при переходе всех сельскохозяйственных компаний России на использование технологий AI. Он составил 200 петабайт, что на порядок выше объема, хранимого операторами связи и банками, и тысячекратно превышает показатель электронного хранилища крупнейшей в Европе Российской государственной библиотеки. Поэтому широкое применение искусственного интеллекта в российском АПК надо ждать еще нескоро. Хотя все больше банков – Сбербанк, Россельсхозбанк – проявляют интерес к созданию технологий и совместных предприятий для этой отрасли.
В России из активно работающих в сельском хозяйстве вендоров можно отметить Сognitive Pilot. Беспилотные комбайны с их системой управления Cognitive Agro Pilot уже работают в целом ряде областей страны. Нейронная сеть распознает и классифицирует поле, выстраивает траекторию движения комбайна и способна обходить препятствия.
В заключение замечательный пример – сеть эко-ферм в Штатах 80 Acres Farms. Фермерские хозяйства, где выращиваются салаты, пряные травы, помидоры и огурцы, полностью управляются искусственным интеллектом. Владельцы заявляют, что благодаря этому они сэкономили 46 миллионов литров воды, 590 тысяч километров поездок своих грузовиков и 92 тысячи килограмм продуктов, которые иначе бы выбросили. На фотографиях сайта 80 Acres Farms его продукция выглядит великолепно, и хочется думать, что искусственный интеллект нашел себе правильное применение.
Австралийское бюро сельскохозяйственной и ресурсной экономики и науки (ABARES) выпустило сентябрьский отчет. По нему перспективы зимнего выращивания озимых культур в Австралии в 2019/2020 МГ ухудшились из-за неблагоприятных условий выращивания в ряде ключевых регионов производства, пишет World-Grain.
Хоть в сентябрьском отчете и ожидают роста производства озимых культур на 11% в 2019/2020 МГ до 33,9 млн. тонн, но это меньше на 7%, чем в июньском прогнозе ABARES. Новый прогноз на производство озимых культур в стране на 16% ниже среднего показателя за последние 10 лет.
Из-за продолжительной засухи руководство Министерство сельского, рыбного и водного хозяйств Австралии выдало разрешение на покупку и переработку одной партии канадской пшеницы для нужд внутреннего рынка. 14 мая Австралия впервые за двенадцать лет импортировала пшеницу.
По прогнозу ABARES производство ячменя вырастет на 14% до 9,5 млн. тонн, что на 6% выше среднего показателя за десятилетие. Если говорить о производстве рапса, то оно увеличится на 6% до 2,3 млн. тонн, что на 29% ниже среднего показателя за десятилетие.
В зависимости от региона прогнозы на урожай с/х культур разные. К примеру, в шт. Виктория они находятся в отличном или очень хорошем состоянии; в Западной Австралии из-за дождей урожайность с/х культур упала до средних значений; в Южной Австралии прогноз ABARES неоднозначный; в большей части севера страны выпало достаточное количество осадков для хорошего созревания озимых. Аналитики предрекают сбор урожая ниже среднего значения в регионах в Новом Южном Уэльсе и Квинсленде из-за неблагоприятных погодных условий.
По данным ABARES, ранние дожди весной повлияют на урожайность озимых культур.
По прогнозу Бюро метеорологии, опубликованному 29 августа, количество осадков в сентябре будет выше среднего значения в Западной Австралии и ниже среднего в других регионах страны, где выращивают сельскохозяйственные культуры, а в октябре – ниже среднего значения в большинстве регионов, где выращивают с/х культуры.
Согласно докладу Продовольственной и сельскохозяйственной организации ООН, к 2050 году население планеты увеличится до 10 миллиардов человек. К тому же времени, аграрная отрасль должна увеличить производство продовольствий на 70% чтобы прокормить такое количество людей.
Помимо растущего населения, устойчивому развитию сельского хозяйства угрожают урбанизация, интенсивное использование природных ресурсов и глобальные изменения климата, с которыми нужно справляться. И один из способов удовлетворить спрос на продукты питания – это широкое использование технологий, управляемых данными.
За последние пять лет данные значительно укрепили позиции точного земледелия, предоставив жизненно важную информацию о том, где, как и когда засеивать поля. Анализ данных стал незаменимым источником информации о текущем состоянии полей, а также позволяет управлять посевами и прогнозировать урожайность на основе исторической информации. Вот почему сейчас как никогда важно собрать и максимально повысить ценность сельскохозяйственных данных.
Как данные собираются сегодня
На сегодняшний день наиболее распространенными источниками данных о фермах являются изображения со спутников и дронов, датчики Интернета вещей на полях и сельскохозяйственная техника, такая как тракторы, сеялки и комбайны. Давайте кратко рассмотрим наиболее распространенные источники данных, используемые в сельскохозяйственной аналитике.
Спутниковые снимки
Спутниковые изображения используются в самых разных сценариях, таких как мониторинг полей, отслеживание роста сельскохозяйственных культур, или идентификация сорняков. Агротех-стартапы и фермеры используют данные спутниковых группировок, таких как Sentinel, которые предоставляют данные бесплатно, а изображения доставляются в различных диапазонах, таких как RGB или инфракрасный. Но у Sentinel есть и недостатки, такие как низкое разрешение изображения и низкая частота обновления данных – раз в пять дней.
Следующее поколение спутников, таких как Planet или DigitalGlobe, устраняет недостатки Sentinel, обеспечивая обновления почти в реальном времени и предоставляя изображения в высоком разрешении. С помощью этих данных можно детально отслеживать состояние полей, строить точные тематические карты и изучать состояние урожая. Однако у этих решений есть свои минусы: для фермеров – цена на изображения, а для разработчиков – малое количество спектральных диапазонов.
Спутниковый снимок, сделанный космическим аппаратом производства Planet Lab
Кроме того, спутниковые снимки в целом могут быть менее полезными, если поле закрыто облаком или на него падает тень. Чтобы свести к минимуму эти инциденты, специалисты по обработке данных объединяют изображения из нескольких источников, таких как спутниковые и аэрофотоснимки, чтобы создать общую картину без помех. Это также известно как гибридные изображения. Аэрофотосъемка осуществляется с помощью дронов, самолетов и даже воздушных шаров.
Датчики Интернета вещей
Устройства Интернета вещей используются в сельском хозяйстве давно. Все началось с появлением GPS-технологий в начале 90-х годов, когда ВВС США открыли систему определения местоположения для гражданских задач. С тех пор фермеры все чаще обращают внимание на устройства и датчики для сельского хозяйства, которые ранее были доступны только военным или ученым.
На рынке уже представлены десятки устройств для установки непосредственно в полях. С их помощью агрономы могут получать актуальную информацию о метеорологических условиях, кислотности, влажности и составе почв. На сельскохозяйственную технику могут быть установлены датчики других типов для отслеживания маршрутов тракторов, контроля расхода топлива, семян и удобрений, а также получения информации об износе оборудования.
Машинное обучение и анализ данных меняют представление о сельском хозяйстве
Но сами по себе данные ничего не значат и никак не помогут фермерам. Их необходимо проанализировать, чтобы принимать решения здесь и сейчас.
Данные спутниковых снимков также являются хорошим источником для расчетных инструментов. Например, их можно использовать для создания тематических карт полей, на которых агрономы могут четко определить типы почвы, уровни поверхности и историю посева. Эта информация позволяет фермерам решать, какие культуры лучше всего сажать, проводить политику сохранения биоразнообразия и севооборота, оценивать использование сельскохозяйственных культур и удобрений. С помощью этой информации фермеры могут влиять на эффективность выращивания сельскохозяйственных культур, предотвращать истощение почвы и улучшать ее. Также спутниковые снимки позволяют рассчитывать различные агроиндексы, такие как NDVI, NDWI, или NBR.
Иллюстрация расчета индекса вегетативности на поле. Красные зоны – редкая или засохшая трава, зеленые – растительность однородная.
Используя эти решения сегодня, фермеры создают основу для технологий будущего. Таким образом, высокоточные данные ГИС (географическая информационная система) позволят использовать автономные тракторы, сеялки, удобрения и поливочные машины на полях, которые будут контролироваться различными датчиками. Это позволит избежать таких проблем, как двойной посев или пропуск, для более эффективного использования природных ресурсов.
Достижения в области автономных технологий также позволят дронам выполнять такие задачи, как удаленная посадка, точечное внесение удобрений, уход за больными растениями и борьба с сорняками. Например, DJI запускает на массовый рынок беспилотники для точного земледелия, которые контролируют сельскохозяйственные поля и домашний скот. Некоторые модели дронов могут перевозить грузы до 20 кг, в частности, для точного опрыскивания урожая.
Опрыскивающий дрон DJI Agras T20
С помощью современных спутников можно создавать инструменты, которые будут отслеживать рост растений в режиме реального времени, определять их поведение и выявлять больные растения. Европейское космическое агентство планирует разработать свою программу Copernicus и запустить в 2021 году два новых спутника, которые дополнят существующую группировку. Планируют развиваться и коммерческие группировки. Planet обещает расширить свой спутниковый флот и обеспечить фото- и видеосъемку земной поверхности в различных спектрах, для которых облака не будут мешать анализу земной поверхности.
Почему сельское хозяйство все еще борется со старыми проблемами
За последние пять лет агротехническая отрасль добилась огромных успехов. Глубина и широта генерируемых данных, множество новых датчиков, более гибкие программные решения и значительные улучшения API, позволяющие передавать данные между системами – все это уже доступно практически для каждой фермы. Однако мы все еще не достигли большого прогресса в базовом анализе данных, не говоря уже о том, чтобы использовать возможности искусственного интеллекта. Так почему это так?
Сегодня фермеры не понимают ценности, которую они могут получить от анализа данных. Для них все эти технологии выглядят слишком сложными и заумными. С другой стороны, стартапы не понимают всех проблем агробизнеса. Например, невозможно применить одни и те же подходы в Юго-Восточной Азии и Северной Америке. Способ обработки земли, удобрения почвы, да и вообще традиции обработки почвы разные. Поскольку подходы различаются от региона к региону, они должны отличаться и технологически.
И да, многие из существующих решений слишком дорогие для большинства пользователей. Обоснованность использования датчиков в полевых условиях до сих пор вызывает разногласия. На больших фермах нужно много устройств, а это означает затраты на их покупку, установку и интеграцию в сеть. Кроме того, в полевых условиях им необходимо передавать данные в Интернет или оборудовать все датчики сотовой связью, что так же дорого и не всегда возможно. Кроме того, велик риск поломки сенсоров из-за аварий с сельскохозяйственной техникой.
Но это все временно. Как и в случае с любой другой технологией, чем больше появится решений, тем более доступными они станут для конечного потребителя. На данный момент фермеры могут комбинировать различные методы анализа данных, использовать дешевые инструменты, где это возможно, и дорогие, где это необходимо.
Заключение
Анализ сельскохозяйственных данных уже здесь. С его помощью фермеры уже оптимизируют бизнес-процессы, сокращают затраты и увеличивают прибыль, пользуясь ценностью сельскохозяйственных данных. К сожалению, для большинства фермеров современные технологии по разным причинам все еще недоступны.
Однако международные, правительственные, общественные и коммерческие организации тщательно работают над решением этих и других проблем, чтобы производить достаточное количество продуктов питания, которые смогут накормить растущее население Земли.
Читайте также: