Использование искусственного интеллекта позволит оптимизировать распределение фосфора в почве с помощью биоугля. Согласно исследованию, опубликованному в научном журнале «Biochar», применение машинного обучения помогает прогнозировать поведение мелиорантов и предотвращать экологический ущерб от избыточного использования удобрений.
Фосфор необходим для роста сельхозкультур, однако значительная часть вносимых удобрений не усваивается растениями. Излишки накапливаются в земле или вымываются в водоемы, провоцируя эвтрофикацию – процесс, при котором из-за бурного цветения водорослей снижается уровень кислорода в воде, что ведет к гибели рыбы. Использование биоугля (биочара), получаемого путем термического разложения биомассы без доступа кислорода, частично решает эту проблему, но эффективность его применения сильно зависит от типа почвы и характеристик самого угля.
Чтобы систематизировать эти данные, международная группа ученых проанализировала результаты 32 исследований, включавших 534 сценария взаимодействия биоугля и почвы. Авторы работы протестировали три модели машинного обучения, среди которых наиболее точной оказался алгоритм случайного леса («Random Forest»). Модель смогла с точностью более 91% спрогнозировать, как именно изменится доступность фосфора в зависимости от внешних факторов.
Исследование показало, что ключевое значение имеет температура пиролиза при производстве биоугля. Уголь, полученный при умеренных температурах, за счет своей пористости облегчает усвоение фосфора растениями. Высокотемпературный биоуголь, напротив, прочно связывает химический элемент, препятствуя его вымыванию в дренажные воды. Модель также учитывает такие параметры, как кислотность почвы и исходная концентрация полезных веществ.
Авторы исследования, среди которых ученые Цзя Лю и Юйтао Пэн, отмечают, что обычный необработанный биоуголь при правильном расчете параметров может работать эффективнее химически модифицированных аналогов. Это позволяет снизить расходы фермеров и сократить углеродный след. Переход от интуитивного применения удобрений к прецизионным цифровым моделям знаменует сдвиг в сторону точного земледелия, позволяя сохранять баланс между ростом урожайности и защитой окружающей среды.