19 июня 2024 г., Среда
РЕГИСТРАЦИЯ
НОВОСТИ
АНАЛИТИКА
ИНСТРУМЕНТЫ РЫНКА
СПРАВОЧНИК
СЕЛЬХОЗТЕХНИКА
УЧАСТНИКАМ
СЕРВИС
ПОИСК ПО САЙТУ
Введите слово или фразу:
Искать в разделе:


Учёные с помощью ИИ определили, как может измениться плодородие почв к 2050 году

22 февраля 2024 11:00

К 2050 году, по прогнозу учёных, мировой спрос на продукты питания увеличится на 110%, при этом уже сегодня около 40% угодий и пастбищ находится под угрозой из-за увеличения средней температуры на планете, высокой концентрации парниковых газов в атмосфере и многих других факторов. Группа учёных из Сколтеха, Института Географии РАН и других ведущих мировых организаций с помощью большого количества открытых данных и искусственного интеллекта проанализировали, как может измениться плодородие почв через 25 лет, и пришли к выводу, что количество участков, пригодных для выращивания урожая, увеличится на северных территориях. Работа опубликована в журнале IEEE Access. 

Методология исследования включала в себя три этапа: сбор и предварительная обработка данных, обучение моделей машинного обучения и оценка результатов посредством прогнозирования распределения пахотных земель на основе различных климатических моделей и сценариев изменения климата. Исследование было сосредоточено на регионах Восточной Европы и Северной Азии.

«Данные, которые мы используем в работе, открытые, их может использовать каждый: ERA5 — данные климатического анализа Европейского центра прогнозирования погоды, микс настоящих измерений с метеостанций и моделей, которые помогают получить общую сетку 30 х 30 квадратный км во всём мире. Их можно получить с 1950 года по сегодняшний день. Другие данные — модели CMIP — нацелены на предсказание изменений климата до 2100 года. Это климатические модели, которые делают в разных институтах мира, в том числе в России», — рассказал первый автор работы, инженер-исследователь Центра прикладного искусственного интеллекта в Сколтехе Валерий Шевченко.

Так как модели CMIP имеют разную точность по разным климатическим параметрам (температура воздуха, скорость ветра и другие), исследователи получили три набора данных и проанализировали их по трём различным сценариям изменения климата: устойчивое будущее зелёной энергетики с низким уровнем выбросов, умеренный сценарий со средним количеством выбросов и высокая зависимость от ископаемого топлива со значительным увеличением выбросов парниковых газов. Для тщательного изучения условий орошения пахотных земель команда учёных интегрировала данные анализа глобальной поддержки продовольственной безопасности с разрешением 1 х 1 км.

«Мы получили модель, которая с хорошей точностью предсказывает, что есть сейчас, и использовали эту модель для предсказания того, что будет в 2050 году с помощью собранных данных из моделей CMIP. Мы не можем сказать, что это будет именно так, потому что здесь важно учитывать много параметров — например, тип земли, эрозию почв. Мы лишь можем предсказать тренды в зависимости от разных сценариев развития климата и привлечь внимания людей к выработке стратегий на будущее уже сегодня», — продолжил Валерий Шевченко.

Учёные пришли к выводу, что через 25 лет количество пахотных земель увеличится, однако сместится на север, а на участках, которые активно используются для выращивания урожая сегодня, может потребоваться значительно более активная ирригация. Авторы подчёркивают, что их выводы совпадают с рекомендациями Межправительственной группы экспертов по изменению климата, в которых делается акцент на важности подробных региональных оценок для адаптации к изменчивости климата и обеспечения поставок продовольствия.

heatmap1_eng

Тепловая карта распространения земель, непригодных для выращивания урожая, к 2050 году для умеренного сценария изменения климата со средним количеством выбросов. Источник: Climate Change Impact on Agricultural Land Suitability: An Interpretable Machine Learning-Based Eurasia Case Study.  

heatmap2_eng

Тепловая карта распространения земель с регулярным орошением к 2050 году для умеренного сценария изменения климата со средним количеством выбросов. Источник: Climate Change Impact on Agricultural Land Suitability: An Interpretable Machine Learning-Based Eurasia Case Study.

heatmap3_eng

Тепловая карта распространения земель с нерегулярным орошением к 2050 году для умеренного сценария изменения климата со средним количеством выбросов. Источник: Climate Change Impact on Agricultural Land Suitability: An Interpretable Machine Learning-Based Eurasia Case Study.

heatmap4_eng

Тепловая карта распространения неорошаемых земель к 2050 году для умеренного сценария изменения климата со средним количеством выбросов. Источник: Climate Change Impact on Agricultural Land Suitability: An Interpretable Machine Learning-Based Eurasia Case Study.

Установите мобильное приложение Зерно Он-Лайн: