GeoPard и университет Корнелла CAST, сотрудничество NMSP в области сельского хозяйства, основанного на данных

Испытательный полигон и демонстрационный центр сельскохозяйственных систем Корнельского университета (CAST) для создания «фермы будущего» и программа Корнельского университета по управлению питательными веществами (NMSP) объединили усилия с платформой точного земледелия GeoPard Agriculture, чтобы преобразовать необработанные данные об урожайности в практические рекомендации для фермеров.

CAST – объединение трех реальных ферм в штате Нью-Йорк – служит полигоном для испытаний технологий “фермы будущего”, продвигая решения на основе данных для растениеводства и молочного производства. Команда NMSP проводит исследования, содействует передаче технологий и знаний, а также помогает внедрять на фермах эффективные стратегии управления питательными веществами для полевых культур с целью повышения устойчивости фермерских хозяйств по всему штату Нью-Йорк.

GeoPard сотрудничает с CAST и NMSP для совершенствования обработки данных и создания улучшенных цифровых инструментов агрономии – сочетание науки, технологий и испытаний, проводимых фермерами, которое является примером будущего точного земледелия.

CAST и NMSP Корнельского университета

CAST является частью инициативы USDA NIFA “Ферма будущего” и работает под эгидой Корнельского института цифрового сельского хозяйства. CAST объединяет три коммерческих фермерских хозяйства (растениеводческое и молочное) в рамках единой научно-исследовательской экосистемы. Его миссия — тестировать и демонстрировать интегрированные технологии точного земледелия (от робототехники до анализа данных) в реальных условиях фермерского хозяйства.

Параллельно с этим, программа управления питательными веществами (NMSP), возглавляемая доктором Квирин Кеттерингс, сосредоточена на прикладных исследованиях и распространении знаний в области почвоведения и растениеводства. Команда NMSP оценивает использование питательных веществ и изменчивость урожайности на фермах; например, она впервые разработала “зоны стабильности урожайности”, объединяя данные об урожайности за три или более лет для картирования участков с постоянно высокой и низкой урожайностью по сравнению с участками с переменной урожайностью.

Эти карты зон стабильности (с зонами Q1–Q4 для обеспечения высокой/низкой стабильности урожайности) и новые схемы испытаний, такие как метод пространственной оценки с использованием одной полосы (SSEA), помогают фермерам проверять на практике, оправдывают ли себя изменения в управлении посевами, учитывая известную внутриполевую изменчивость.

Сельскохозяйственная платформа GeoPard

GeoPard Agriculture предоставляет облачный аналитический механизм, обрабатывающий любые геопространственные данные о фермерских хозяйствах. Как заявляет GeoPard, платформа представляет собой “независимую облачную аналитическую систему для точного земледелия”, способную обрабатывать многослойные данные за несколько лет. На практике GeoPard загружает файлы мониторинга урожайности, почвенные карты, спутниковые снимки и многое другое для создания готовых к использованию карт и рекомендаций. Ключевые функции включают генерацию многолетних зон управления и карт дифференцированного внесения удобрений (VRA), детальный анализ данных об урожайности и инструменты мониторинга урожая.

Например, GeoPard может очищать и калибровать исходные данные об урожайности комбайнов и даже создавать синтетические карты урожайности (оценивая урожайность на основе спутниковых/беспилотных данных) для заполнения пробелов там, где отсутствуют исторические данные. Платформа также поддерживает анализ топографических и почвенных данных, 3D-визуализацию полей, сравнение данных о внесении удобрений и многое другое.

• Картирование зон управления и зон воздействия на окружающую среду: GeoPard использует слои урожайности/почвы для определения зон поля и создания карт предписаний для точного внесения удобрений и средств защиты растений.
• Обработка данных о урожайности: Система обеспечивает автоматическую очистку и калибровку данных об урожайности комбайнов, а также может генерировать синтетические карты урожайности на основе многолетних данных и данных дистанционного зондирования.
• Мониторинг посевов и полей: Использование спутниковых инструментов и многоиндексного анализа помогает выявлять пространственные тенденции в урожайности сельскохозяйственных культур и лимитирующие факторы из года в год.

Совместные исследования и полевые испытания

В рамках этого сотрудничества CAST и NMSP изучают платформу GeoPard Agriculture для обработки исходных данных мониторинга урожайности кукурузного силоса и зерна с целью получения очищенных карт урожайности, зон стабильности урожайности, а также для оценки точности генерации синтетических данных об урожайности.

Квирин Кеттерингс и ее команда из NMSP используют данные с полей CAST для оценки и повышения точности алгоритмов GeoPard по картированию урожайности, а также для определения синтетической урожайности как для оценки всего поля, так и для экспериментов. Совместно с GeoPard Кеттерингс и ее команда оценивают качество данных и протоколы для создания карт зон стабильности урожайности для полей с данными за несколько лет.

Фотография Маделин Ханском/NMSP

Их цель — иметь возможность анализировать как традиционные полевые исследования, так и недавно разработанные исследования с использованием метода пространственной оценки на одной полосе (SSEA), которые учитывают изменчивость урожайности внутри поля. Ключевые аспекты сотрудничества включают:

1. Интеграция данных: Данные CAST об урожае и точности обработки данных обрабатываются в GeoPard, преобразуя исходные файлы в геопривязанные карты урожайности и слои показателей эффективности.
2. Проверка алгоритма: Алгоритмы GeoPard для составления карт урожайности и генерации синтетических данных об урожайности тестируются на основе строгих данных полевых испытаний CAST/NMSP, что позволяет усовершенствовать технологию на основе реальных измерений.
3. Пространственный анализ: Команда создает карты зон стабильности урожайности на основе данных за несколько лет и оценивает, насколько хорошо модели GeoPard отражают реальные особенности полей.
4. Инновационный дизайн клинических испытаний: Новые методы, такие как SSEA, используют закономерности урожайности внутри поля для эффективного сравнения вариантов обработки, поддерживаемые пространственным анализом GeoPard.

Благодаря совместной работе Корнельского университета и GeoPard, результаты работы платформы соответствуют реальным условиям фермерских хозяйств. Хотя GeoPard использует передовые методы моделирования (включая оценку урожайности на основе спутниковых данных), проверка на основе данных, полученных на фермах Корнельского университета, делает ее рекомендации более надежными. Такая интеграция науки, технологий и реальной полевой практики создает замкнутый цикл: и фермеры, и исследователи получают выгоду от более надежных инструментов точного земледелия.

Практическое применение: На пути к устойчивому точному земледелию

Конечная цель — преобразовать результаты исследовательских участков в практические рекомендации для фермеров. Мониторинг и картирование урожайности позволяют фермерам видеть внутриполевые колебания, что дает возможность предпринимать целенаправленные действия, а не проводить сплошную обработку. Действительно, исследования показывают, что последовательное картирование урожайности помогает фермерам “видеть, какие участки поля показывают хорошие результаты, а какие нуждаются в улучшении, что помогает им планировать более точные действия”.

Например, фермер может использовать карты GeoPard для внесения удобрений только там, где урожайность ниже среднего показателя по полю, или применять природоохранные методы в зонах с постоянно низкой урожайностью. Предоставляя очищенные данные, анализ стабильности урожайности, карты и синтетические эталонные показатели, партнерство Корнельского университета и GeoPard способствует принятию экономически эффективных и экологически обоснованных решений.