Прогнозирование урожайности кукурузы методами машинного обучения на основе результатов геоинформационного анализа твердости почвы

Abstract

Актуальность. Одной из важнейших сфер применения геопространственных технологий и технологий искусственного интеллекта является точное земледелие, которое подразумевает индивидуальный подход к отдельным участкам поля, что способствует повышению эффективности сельскохозяйственного производства. Выбор сельскохозяйственной культуры для исследования обусловлен тем фактом, что кукуруза является достаточно перспективной и высокомаржинальной культурой. Например, с 2001 по 2024 гг. отмечается увеличение посевных площадей кукурузы в 4 раза (на 1960,5 тыс. га), что говорит о перспективах развития данного направления растениеводства. Процесс роста и развития растений кукурузы во многом зависит от физических свойств почвы. В рамках реализации элементов технологии точного земледелия по значениям твердости почвы был выполнен геоинформационный анализ с целью выявления зон почвенных неоднородностей. На основании результатов зонирования осуществлялся выбор наиболее эффективных методов машинного обучения для прогнозирования урожайности зеленой массы кукурузы в зависимости от твердости почвы. Цель. Определение наиболее эффективных методов прогнозирования урожайности зеленой массы кукурузы на основании получаемых взаимосвязей с твердостью почвы. Методы отбора почвенных проб, определения твердости почвы, определения урожайности, геопространственного анализа, кластеризации, машинного обучения, оптимизации. Результаты и выводы. Проанализированы преимущества использования геоинформационных систем и средств пространственного анализа для сельскохозяйственных процессов. Рассмотрено влияние параметра твердости почвы на урожайность сельскохозяйственных культур. На основе полученных значений твердости почвы сформирована база данных, по результатам анализа которой созданы пространственные модели, отображающие зоны по усредненным значениями твердости почвы. На основе сравнительного анализа создана модель прогнозирования урожайности кукурузы по данным твердости почвы. Основываясь на данной модели, авторы подобрали оптимальные значения твердости почвы для каждого 60-сантиметрового интервала

Relevance. The topic of precision farming based on the use of geoinformation technologies is developing every year in new approaches to applied research. Increasing the efficiency of agricultural production is a key task of the state policy of the Russian Federation. This study analyzes such a soil indicator as hardness, and on the basis of experimental work, the effect of this indicator on the yield of such an agricultural crop as maize is revealed. In 2024, compared with 2001, an expansion of maize sown areas by 4.0 times (by 1,960.5 thousand hectares) is noted. Aim. Application of geoinformation technologies and machine learning to assess the possible impact of soil hardness on maize yield. Objects. 3D geospatial data in precision agriculture. Methods. Clustering, machine learning, ensemble, bayesian optimization methods. Results. The authors have analyzed the advantages of using geoinformation systems and spatial analysis tools for agricultural processes. The paper considers the effect of the soil hardness parameter on the yield of agricultural crops. Based on the data collected by the penetrometer, the authors formed the database. According to the results of the database analysis, using clustering methods, spatial models were created. The models display zones by average values of soil hardness. Based on the comparative analysis, the authors created a model for predicting maize yields based on soil hardness data. Based on this model, the authors selected optimal soil hardness values for each of the 60-centimeter intervals