Точность оценки расчета урожайности зависит от качества статистических данных и может составлять от 85% до 95%.
Команда ученых и инженеров в области больших данных EOSDA разработала эффективные методы оценки урожайности сельскохозяйственных культур с помощью дистанционного зондирования и моделей машинного обучения. Мы опираемся на данные наблюдения Земли со спутников, покрывающие территории от отдельных ферм до целых регионов.
Точность оценки расчета урожайности зависит от качества статистических данных и может составлять от 85% до 95%.
Прогнозы урожайности на текущий сезон на период до 3 месяцев вперед.
Прогноз урожайности для более чем 100 видов культур.
Мы подготовим заблаговременный прогноз урожайности с точностью 95% за две недели или меньше, в зависимости от сложности проекта.
Модель расчета урожайности WOFOST вообще не требует статистических данных.
Мы следим за тем, чтобы прогнозы основывались на наиболее полном анализе данных.
Алгоритм моделирования урожая EOS + LAI ассимиляция
Ансамбль сценариев модели
Сбор данных 1
Сбор данных 2
Сбор данных 3Подбор самого реалистичного сценария прогноза урожая и сравнение полученной модели с реальным сценарием
Сбор данных 4Наблюдения за LAI
Сбор данных 5
Урожай
Применение LAI - ассимиляции позволило нам достичь 95% точности на 30% полей. Для полей, отмеченных красным цветом, была достигнута точность менее 80%, в то время как точность прогноза урожайности для полей, отмеченных зеленым цветом, превысила отметку 80%.
Были сгенерированы два различных отчета:
Точность (WOFOST) | Точность (WOFOST + LAI) | ||
---|---|---|---|
Кукуруза | |||
Кукуруза | 0.75 | 0.91 | |
Соевые бобы | |||
Соевые бобы | 0.78 | 0.86 | |
Подсолнух | |||
Подсолнух | 0.71 | 0.88 | |
Ячмень озимый | |||
Ячмень озимый | 0.53 | 0.82 | |
Озимая пшеница | |||
Озимая пшеница | 0.75 | 0.92 |
В таблице ниже показана корреляция между точностью оценки урожайности, целевой культурой и количеством полей. Например, урожайность озимого ячменя была спрогнозирована с точностью более чем 90% на 52 полях
Количество полей | ||||||
---|---|---|---|---|---|---|
Культура / Точность | ||||||
Культура / Точность | <70% | 70-75% | 75-80% | 80-85% | 85-90% | >90% |
Ячмень озимый Количество полей | ||||||
Ячмень озимый | 27 | 7 | 5 | 22 | 23 | 52 |
Озимая пшеница Количество полей | ||||||
Озимая пшеница | 33 | 17 | 19 | 21 | 19 | 102 |
Рапс озимый Количество полей | ||||||
Рапс озимый | 26 | 6 | 20 | 14 | 27 | 22 |
Подсолнух Количество полей | ||||||
Подсолнух | 12 | 11 | 12 | 14 | 19 | 22 |
Соевые бобы Количество полей | ||||||
Соевые бобы | 28 | 22 | 29 | 58 | 37 | 86 |
Цель: надежные данные по прогнозируемой урожайности по каждому клиенту для снижения страховых рисков.
Исходные данные: Более 100 полей на 20 фермах.
модель оценки урожайности в сравнении с фактической урожайностью по видам культур, приведенной в %
Культура | Смоделированная урожайность | Фактическая урожайность | |
---|---|---|---|
Канола | |||
Канола | 41,81 | 41,00 | |
Кукуруза | |||
Кукуруза | 123,65 | 110,00 | |
Горох | |||
Горох | 30,94 | 25,00 | |
Соевые бобы | |||
Соевые бобы | 22,89 | 22,00 | |
Подсолнух | |||
Подсолнух | 1767,73 | 1800,00 | |
Пшеница | |||
Пшеница | 53,72 | 53,00 | |
Общая сумма | |||
Общая сумма | 95,6 | 94,47 |
модель расчета урожайности в сравнении с фактической урожайностью по видам культур в %
Культура | Смоделированная урожайность | Фактическая урожайность |
---|---|---|
Канола | ||
Канола | 40,19 | 39,00 |
Кукуруза | ||
Кукуруза | 119,14 | 110,00 |
Овёс | ||
Овёс | 125,03 | 125,00 |
Озимая рожь | ||
Озимая рожь | 64,39 | 75,00 |
Кондитерский подсолнечник | ||
Кондитерский подсолнечник | 2063,60 | 1800,00 |
Подсолнечник масличный | ||
Подсолнечник масличный | 1834,19 | 1800,00 |
Пшеница | ||
Пшеница | 61,73 | 65,00 |
Общая сумма | ||
Общая сумма | 584,34 | 528,00 |
На графике показана прогнозируемая урожайность целевых культур на 3 выбранных полях в бушелях/га.
SE-2-6-28-W1
SW-36-7-28-W1
W-34-5-27-W1
Название поля | Канола | Кукуруза | Соевые бобы | Подсолнечник масличный | Пшеница< |
---|---|---|---|---|---|
SE-2-6-28-W1 | 58,68 | 194,33 | 41,45 | 2208,85 | 72,49 |
SW-36-7-28-W1 | 30,91 | 169,49 | 14,42 | 1146,91 | 46,24 |
W-34-5-27-W1 | 38,77 | 151,58 | 24,71 | 1476,83 | 59,82 |
Период сбора урожая целевых культур в Канаде обычно длится с августа по сентябрь. Зная это, мы смогли спрогнозировать урожайность за два месяца до сбора урожая, достигнув точности более 82%. Точность неуклонно росла по мере приближения сбора урожая, пока не достигла 90% всего за две недели до сбора урожая, как и ожидалось.
EOSDA является лидером в применении технологий наблюдения Земли для коммерческих и экологических целей в 22+ отраслях, с фокусом на сельское и лесное хозяйство. На сегодняшний день более 700 000 клиентов по всему миру воспользовались продуктами спутникового мониторинга EOSDA. В ближайшее время мы запускаем собственную спутниковую группировку для сельського хозяйства, которая предоставит агрономам снимки в 11 спектральных каналах по всему миру. Вы можете поручить нам оценку урожайности сельскохозяйственных культур как для небольшого поля, так и на уровне страны. Используя 10 отдельных источников данных и обученные модели неронных сетей, наша команда ученых исследователей и разработчиков поможет вашему бизнесу устойчиво развиваться.
Повысьте эффективность управления фермой благодаря удаленному управлению агрокомандой вашей мечты