Специалисты Института сельскохозяйственных ресурсов и регионального планирования Китайской академии сельскохозяйственных наук разработали систему высокоточного мониторинга засоления почв. В основе метода лежит интеграция мультиспектральных данных, полученных с беспилотных летательных аппаратов (БПЛА), и алгоритмов ансамблевого машинного обучения. Новый подход позволяет проводить оценку состояния угодий на субметровом уровне, обеспечивая детализацию, ранее недоступную для спутникового зондирования.
Засоление земель остается серьезным вызовом для глобальной продовольственной безопасности, снижая продуктивность сельскохозяйственных культур и нарушая здоровье почв. Традиционные методы анализа, основанные на полевом отборе проб и лабораторных исследованиях, требуют значительных временных затрат и не позволяют оперативно получать подробные карты распределения солей на больших площадях. Использование дронов устраняет этот разрыв, предлагая гибкость и высокое пространственное разрешение съемки.
В ходе исследования ученые использовали БПЛА для фиксации данных в зеленом, красном и ближнем инфракрасном диапазонах спектра на сельскохозяйственных полях. Эти сведения сопоставлялись с лабораторными показателями уровня pH и содержания органических веществ в почве. Для обработки массива данных была применена модель ансамблевого обучения, объединяющая несколько алгоритмов – от случайного леса до градиентного бустинга. Система автоматически калибрует вклад каждой модели в итоговый результат, ориентируясь на их прогностическую надежность.
Результаты тестирования показали, что точность оценки засоления значительно выросла, а коэффициент детерминации превысил 0,75. Это позволило создать детализированные карты, на которых четко видны локальные очаги концентрации солей. Такие данные необходимы для реализации программ точного земледелия, включая адресное орошение, внесение мелиорантов и подбор устойчивых к соли культур.
По мнению исследователей, предложенный фреймворк отличается масштабируемостью и может быть адаптирован для контроля других параметров, таких как влажность или содержание питательных элементов. Внедрение подобных технологий автоматизированной обработки данных позволяет снизить зависимость от дорогостоящих наземных экспедиций и обеспечивает аграриев оперативной информацией для борьбы с деградацией земель в условиях меняющегося климата.