Точність оцінки врожайності залежить від якості статистичних даних і може становити від 85 до 95%.
Команда вчених та інженерів у галузі великих даних EOSDA розробила ефективні методи оцінки врожайності сільськогосподарських культур за допомогою дистанційного зондування та моделей машинного навчання. Ми спираємося на дані спостереження Землі із супутників, що покривають території від окремих ферм до цілих регіонів.
Точність оцінки врожайності залежить від якості статистичних даних і може становити від 85 до 95%.
Прогнози врожайності на поточний сезон на період до 3 місяців.
Прогноз врожайності для понад 100 видів культур.
Ми підготуємо прогноз урожайності з точністю 95% за два тижні або менше, залежно від складності проекту.
Модель оцінки врожайності WOFOST взагалі вимагає статистичних даних.
Ми стежимо за тим, щоб прогнози ґрунтувалися на найбільш повному аналізі даних.
Алгоритм моделювання врожаю EOS + LAI асиміляція
Ансамбль сценаріїв моделі
Збір даних 1
Збір даних 2
Збір даних 3Підбір найреалістичнішого сценарію прогнозу врожаю та порівняння отриманої моделі з реальним сценарієм
Збір даних 4Спостереження за LAI
Збір даних 5
Врожай
Застосування LAI - асиміляції дозволило досягти 95% точності на 30% полів. Для полів, позначених червоним кольором, було досягнуто точність менше 80%, тоді як точність прогнозу врожайності для полів, позначених зеленим кольором, перевищила позначку 80%.
Було згенеровано два різні звіти:
Точність (WOFOST) | Точність (WOFOST + LAI) | ||
---|---|---|---|
Кукурудза | |||
Кукурудза | 0.75 | 0.91 | |
оєві боби | |||
Соєві боби | 0.78 | 0.86 | |
Соняшник | |||
Соняшник | 0.71 | 0.88 | |
Ячмінь озимий | |||
Ячмінь озимий | 0.53 | 0.82 | |
Озима пшениця | |||
Озима пшениця | 0.75 | 0.92 |
У таблиці нижче показано кореляцію між точністю оцінки врожайності, цільовою культурою та кількістю полів. Наприклад, урожайність озимого ячменю була спрогнозована з точністю більш ніж 90% на 52 полях.
Кількість полів | ||||||
---|---|---|---|---|---|---|
Культура / Точність | ||||||
Культура / Точність | <70% | 70-75% | 75-80% | 80-85% | 85-90% | >90% |
Ячмінь озимий Кількість полів | ||||||
Ячмінь озимий | 27 | 7 | 5 | 22 | 23 | 52 |
Озима пшениця Кількість полів | ||||||
Озима пшениця | 33 | 17 | 19 | 21 | 19 | 102 |
Ріпак озимий Кількість полів | ||||||
Ріпак озимий | 26 | 6 | 20 | 14 | 27 | 22 |
Кондитерський соняшник Кількість полів | ||||||
Соняшник | 12 | 11 | 12 | 14 | 19 | 22 |
Соєві боби Кількість полів | ||||||
Соєві боби | 28 | 22 | 29 | 58 | 37 | 86 |
Мета: надійні дані прогнозованої врожайності щодо кожного клієнта для зниження страхових ризиків.
Вихідні дані: Понад 100 полів на 20 фермах.
модель оцінки очікуваного врожаю порівняно з фактичною врожайністю за видами культур, наведеною у %
Культура | Змодельований врожай | Фактичний врожай | |
---|---|---|---|
Канола | |||
Канола | 41,81 | 41,00 | |
Кукурудза | |||
Кукурудза | 123,65 | 110,00 | |
Горох | |||
Горох | 30,94 | 25,00 | |
Соєві боби | |||
Соєві боби | 22,89 | 22,00 | |
Соняшник | |||
Соняшник | 1767,73 | 1800,00 | |
Пшениця | |||
Пшениця | 53,72 | 53,00 | |
Загальний підсумок | |||
Загальний підсумок | 95,6 | 94,47 |
модель оцінки врожайності порівняно з фактичною врожайністю за видами культур у %
Культура | Змодельований врожай | Фактичний врожай |
---|---|---|
Канола | ||
Канола | 40,19 | 39,00 |
Кукурудза | ||
Кукурудза | 119,14 | 110,00 |
Овес | ||
Овес | 125,03 | 125,00 |
Озиме жито | ||
Озиме жито | 64,39 | 75,00 |
Кондитерський соняшник | ||
Кондитерський соняшник | 2063,60 | 1800,00 |
Соняшник однорічний | ||
Соняшник однорічний | 1834,19 | 1800,00 |
Пшениця | ||
Пшениця | 61,73 | 65,00 |
Загальний підсумок | ||
Загальний підсумок | 584,34 | 528,00 |
На графіку показано прогнозовану врожайність цільових культур на 3 обраних полях у бушелях/га.
SE-2-6-28-W1
SW-36-7-28-W1
W-34-5-27-W1
Назва поля | Канола | Кукурудза | Соєві боби | Соняшник однорічний | Пшениця |
---|---|---|---|---|---|
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 |
Період збирання врожаю цільових культур у Канаді зазвичай триває з серпня до вересня. Знаючи це, ми змогли спрогнозувати врожайність за два місяці до збирання врожаю, досягнувши точності понад 82%. Точність неухильно зростала з наближенням збору врожаю, поки не досягла 90% всього за два тижні до збору врожаю, як і очікувалося.
EOSDA є лідером у застосуванні технологій спостереження Землі для комерційних та екологічних цілей у 22+ галузях, з фокусом на сільське та лісове господарство. На сьогодні понад 700 000 клієнтів у всьому світі скористалися продуктами супутникового моніторингу EOSDA. Найближчим часом ми запускаємо власне супутникове угруповання для сільського господарства, яке надасть агрономам знімки в 11 спектральних каналах у всьому світі. Ви можете доручити нам оцінку врожайності сільськогосподарських культур як невеликого поля, так і на рівні країни. Використовуючи 10 окремих джерел даних та навчені моделі нейронних мереж, наша команда вчених дослідників та розробників допоможе вашому бізнесу стійко розвиватися.
Підвищіть ефективність управління фермою завдяки дистанційному управлінню агрокомандою вашої мрії