Прогнозування Врожайності Тютюну Та Бавовни З WOFOST
Азербайджан обрав сільське господарство як одну з чотирьох пріоритетних галузей для диверсифікації своєї економіки. Хоча у 2021 році на сектор припадало лише 5,88% ВВП, у ньому було зайнято 36% населення. Місцева продукція користується довірою на ринках пострадянських країн і часто продається як преміальна. Державна підтримка сектору включає дотації, податкові пільги та субсидії на техніку, добрива та пестициди.
Прогнозування врожайності на рівні полів, регіонів та країни в цілому є необхідним для сільськогосподарських досліджень, управління фермерськими господарствами та прийняття рішень щодо імпорту та експорту.
У цьому матеріалі ми розглянемо, як EOSDA спрогнозувала врожайність тютюну та бавовни за вегетаційний період 2018 року на основі результатів моделі WOFOST.
Проблема: Знайти Оптимальний Метод Прогнозування Врожайності Бавовни Та Тютюну На Районному Рівні
Проєкт був масштабним і включав класифікацію кількох культур, окрім прогнозу врожайності бавовни та тютюну, який ми виконали. Прогноз потрібно було зробити для полів у двох районах Азербайджану – Шакінському та Сабірабадському.
Бавовна, яку часто називають “білим золотом” країни, має давні традиції вирощування. Пік її виробництва припав на радянський період. У 1981 році частка Азербайджану у виробництві бавовни в СРСР досягла майже 10%, що становило 1,5% від її світового виробництва . Ситуація змінилась після розпаду Радянського Союзу, зокрема через орієнтацію Азербайджану на нафтову промисловість. Але після глобального сплеску цін на нафту в 2014-2016 роках, Азербайджанська Республіка була змушена почати пошуки інших перспективних джерел прибутку. Саме тоді країна знов звернула увагу на бавовняний сектор . Порівняно з 2015/2016 маркетинговим роком, загальна площа виділена під посів бавовни у 2022/2023 роках збільшилась в чотири рази, а врожайність з гектара зросла приблизно в 1,6 рази .
Шаки є частиною Шаки-Закатальського економічного регіону, який залежить від сільського господарства, зокрема тютюнництва. Влада Азербайджану також підкреслила важливість вирощування цієї культури з огляду на її експортний потенціал .
Рішення: Аналіз Статистичних, Метеорологічних, Ґрунтових та Фенологічних Даних За Допомогою Моделі WOFOST
Клієнт надав статистичну інформацію про врожайність бавовни та тютюну на районному рівні з 2000 по 2017 рік.
Команда, в свою чергу, зібрала решту даних:
- Статистичні дані, що вказують на особливості вирощування сільськогосподарських культур, необхідні моделі для прогнозування або розрахунків.
- Географічне розташування полів та їхні площі.
- Дати пересадки рослин тютюну з теплиць або грядок.
- Метеорологічні дані (вологість, опади, швидкість вітру, максимальні та мінімальні температури) з Глобальної телекомунікаційної системи (GTS) та деяких спеціальних моделей, що оцінюють евапотранспірацію та глобальну радіацію.
- Дані про ґрунт (вологість та глибина залягання коренів).
Крім того, команда проєкту визначила оптимальні дати посіву/пересадки тютюну та бавовни на 2010-2018 роки.
Історичні дані про погоду також незамінні для таких завдань. Фахівці отримали їх з наборів даних NASA POWER. Метеорологічні параметри в наборах даних NASA POWER взяті з NASA’s Modern Era Retro-analysis for Research and Applications (MERRA-2) і моделей асиміляції GEOS версії 5.12.4 . MERRA-2 — це нова версія Годдардської системи спостереження Землі (GEOS), розроблена в Управлінні глобального моделювання та асиміляції (GMAO) в Центрі космічних польотів NASA імені Годдарда.
Дані GEOS 5.12.4 обробляються щодня і додаються в кінець добового часового ряду MERRA-2, щоб надати продукти з низькою затримкою даних, які, як правило, готові протягом приблизно 4 днів. Значення MERRA-2 в отриманих щоденних часових рядах, як правило, оновлюються кожні кілька місяців. Таким чином, ці продукти даних можуть використовуватися в режимі реального часу і є особливо цінними для задач, пов’язаних з прогнозуванням врожайності.
Для аналізу даних вчені використовували WOFOST, World Food Studies Simulation Model . Це механістична модель для кількісного аналізу приросту та виробництва однорічних польових культур, що базується на основних процесах, таких як фотосинтез, дихання та залежність цих процесів від умов навколишнього середовища.
Ми маємо багаторічний досвід роботи з цією перевіреною моделлю. Крім того, вона підходить для багатьох типів культур.
Врожайність для кожної культури прогнозувалася в три етапи.
EOSDA Crop Monitoring
Інструмент для аналітики полів з доступом до супутникових знімків з високою роздільною здатністю – визначайте проблемні зони дистанційно!
Крок 1: Адаптація Параметрів Моделі
Для оцінки біомаси бавовни та тютюну за допомогою моделі WOFOST фахівцям довелося скоригувати кілька значень параметрів моделі, враховуючи особливості клімату та ґрунту.
Крок 2: Моделювання Для Оцінки Біомаси Культур За 2010-2017 роки.
Члени команди запустили WOFOST у Python Crop Simulation Environment. Моделювання сільськогосподарських культур являє собою взаємодію між рослиною та середовищем, в якому вона росте. Таким чином, будь-яка модель росту сільськогосподарських культур прогнозує кінцевий стан загальної біомаси або врожайності, а також містить кількісну інформацію про основні фактори, що впливають на ріст і розвиток культури (стан ґрунту, управління культурою, наприклад, сівба, зрошення або внесення добрив).
В результаті фахівці розрахували DVS (фазу розвитку рослин), TAGR (загальну надземну біомасу), LAI (індекс листкової поверхні), SM (вологість ґрунту), TWLV (загальну масу живих листків) та TWSO (загальну масу запасаючих органів).
Крок 3: Оцінка Врожайності Бавовни Та Тютюну В 2018 Році
Команда обрала статистичний підхід для прогнозування врожайності. На першому етапі вони розрахували TWLV тютюну та TAGR бавовни станом на 1 липня 2018 року з конкретними значеннями DVS. Після цього вчені порахували ці параметри культур за 2010-2017 роки і вибрали ті ж значення DVS, щоб знайти лінійну залежність між розрахованою біомасою і фактичною статистичною врожайністю для кожної сітки в Шакинському і Сабірабадському районах.
Стандартна похибка прогнозу врожайності тютюну на 2010-2017 роки становила 0,7 центнера на гектар. Фахівці використовували історичні дані для перевірки обраного методу прогнозування врожайності, оскільки фактичні дані на той час були недоступні. Цю похибку можна інтерполювати на результати 2018 року. Що стосується бавовни, то вона становила від 1,5 до 1,9 центнера на гектар, залежно від сітки.
Результат: Прогнозування Врожайності Бавовни Та Тютюну
Команда проєкту підготувала звіт з прогнозованою врожайністю тютюну для полів у Шакінському районі та врожайністю бавовни для сільськогосподарських угідь у Сабірабадському районі на сезон 2018 року.
Ми почали працювати над проєктом у квітні 2018 року і представили результати в жовтні того ж року. Хоча збір та аналіз даних зайняв у нас приблизно три тижні, нам довелося дочекатися закінчення сезону вирощування бавовнику та тютюну: клієнту було важливо порівняти наші розрахунки з фактичною врожайністю культур.
Про автора:
Наталія Іванчук отримала ступінь магістра з прикладної математики в Національному університеті водного господарства та природокористування. Вона є авторкою понад 60 наукових публікацій, монографій та інших наукових праць.
Експертиза Наталії та її постійне бажання вчитися і вдосконалювати свої навички програмування (C++, C#, JS, Python) надзвичайно корисні для EOS Data Analytics.
Oстанні статті
Вирощування Батату: Посадка, Догляд Та Збирання
Хоча процес вирощування батату є досить прости, для успішного розвитку культури та отримання рясного урожаю треба враховувати важливі особливості вирощування батату.
Вирощування Винограду: Як Садити, Доглядати Та Збирати Врожай
Традиції поєднуються з сучасними технологіями вирощування винограду. Вікова мудрість забезпечує правильну обрізку винограду, а супутники відстежують стрес лози та керують підживленням.
EOSDA Crop Monitoring: Запущено Конструктор Карт
Завдяки новій функції користувачі EOSDA Crop Monitoring тепер можуть використовувати дані про врожайність зі своєї техніки для оптимізації використання ресурсів та продуктивності посівів.