6 сентября 2021

Урожай под присмотром из космоса

Сельское хозяйство составляет основу сильной государственной экономики. Развитие агросектора – это продовольственная безопасность и высокий доход от экспорта продукции. Однако отрасль АПК подвержена воздействию случайных и не всегда предсказуемых факторов: наводнениям, засухам, болезням культур, стремительному изменению климата и возрастающей потребности в продовольствии. Все это влияет на доход, который зависит от сезона урожая. Это заставляет сельхозтоваропроизводителей искать новые подходы и технологии, внедрять различные инновации. Технологии дистанционного зондирования земли, заложенные в основу точного земледелия, позволяют вывести отрасль на совершенно иной уровень. Например, развивать систему агрострахования, чтобы смягчить или свести к минимуму потери, которые фермеры могут получить в результате вмешательства сил природы или третьих лиц.

Индийский прецедент

Например, в Индии уже не первый десяток лет существуют разные формы поддержки фермеров в области агрострахования.

В республике около 145 млн. га посевных площадей, 50% которых занято зерновыми или просо и почти 120 млн. фермерских хозяйств, обеспечивающих занятостью больше половины населения. Поэтому поддержка сельскохозяйственного сектора и его устойчивое развитие особенно актуальна для страны. И для наиболее эффективной работы всех участников АПК необходимо максимально точно рассчитать, какой будет урожай и сколько на нем можно заработать.

Несколько последовательно неурожайных лет привели к тому, что к началу 2016 года произошло масштабное банкротство индийских фермеров и их долг перед банками превысили десятки миллиардов долларов. Чтобы помочь фермерам правительством был разработан новый проект агрострахования Pradhan Mantri Fasal Bima Yojana (PMFBY), так же получивший название «схема премьер-министра Моди».

Новая программа объединила в себе две ранее существующие страховые схемы и стала более привлекательной для аграриев. Только за 2018 год был зафиксирован стремительный рост количества застрахованных фермеров (более 40%).

PMFBY работает на две категории аграриев: фермеры-держатели ссуд (те, кто получает сельскохозяйственный кредит), они в обязательном порядке страхуются через банки, и фермеры, не имеющие ссуд, заключает договоры страхования в добровольном порядке. Несмотря на то, что PMFBY сильно катализировал развитие рынка агрострахования, неблагоприятные погодные условия, человеческий фактор и спорные данные привели к тому, что стали нести убытки и страховые компании.

Самый главный камень преткновений – это корректная оценка объекта страхования и возможность прогнозирования, что произойдет с сельскохозяйственными культурами и какие климатические условия могут повлиять на урожайность. Поэтому ситуация потребовала более широкого использования инновационных технологий и услуг дистанционного мониторинга посевов, усовершенствованных технологий для сокращения временного разрыва в урегулировании требований фермеров, снижения человеческого фактора в процессах оценки и прогнозов урожайности. Для реализации этой задачи государство решило использовать услуги коммерческих инновационных компаний для оценки состояния и урожайности посевов основных сельскохозяйственных культур и прогнозирования метеоусловий на всей территории Индии.

Российский CLASS в Индии

Задачу, которую решали специалисты Ctrl2GO, можно назвать беспрецедентной. После сильного урагана в 2018 году к правительству и страховым компаниям обратилось огромное количество фермеров с исками на сумму более 1 млрд 200 миллионов долларов, чтобы им возместили убытки за потерянный урожай.

Для анализа ситуации Ctrl2GO решила использовать разрабатываемую нами систему CLASS (Crop Loss Assessment Software System), где используются все виды космической съемки, включая радарную, а также используется съемка с беспилотников, которые летают ниже облаков и позволяют получить более точную картинку. Первые же результаты применения системы продемонстрировали, что модель позволяет корректно подсчитывать ущерб и урожайность с точностью до 90% и выводить недобросовестных фермеров на чистую воду.

Изучив данные о состоянии некоторых участков и деятельности на них до урагана, аналитики пришли к выводу, что причиной погибшего урожая стала вовсе не стихийное бедствие. Культуры были собраны еще до него и увезены с полей. Выявление достаточного количества таких случаев позволило страховым компаниям Индии в 2 раза сократить страховые выплаты.

В программный комплекс CLASS входит несколько составляющих, в том числе мобильные приложения. Основная задача системы - максимально точное прогнозирование урожая и сокращение количество ручного подсчета качества урожая (ежегодно на этот вид работ Министерство сельского хозяйства Индии тратит около 60 млн долларов). Достичь высокого показателя прогноза урожайности у нас получилось благодаря при обработке большого количества разнородных данных. Для наиболее эффективного прогнозирования используется анализ данных из разных источников: космические группировки разных стран и компаний, метеоспутники и датчики, наземные данные, различные имитационные модели.

Модель моделей - Ансамблирование

Для обработки полученной информации применяется автоматическое и автоматизированное дешифрирование, статистические и динамические модели различных культур, позволяющие делать оценку посевных площадей и прогноз урожайности. Получить точность прогноза урожайности (по пшенице) более 90% нам позволило применение «модели моделей» - метод ансамблирования моделей, который объединяет в настоящее время до 10 различных моделей. Данный подход позволяет более комплексно и разносторонне анализировать данные, полученные с помощью разных методов и технологий, и достигать того самого показателя урожайности до 90%.

Например, для своих прогнозов мы применяем различные методы ML и DL, адаптируем и используем известные динамические имитационные модели: модель MONICA разработанную в Германии и позволяющую прогнозировать урожай пшеницы, филиппинскую модель ORYZA по рису, нидерландскую модель WOFOST, американскую модель DSSAT и отечественную AGROTOOL, объясняющую ежедневный рост урожая на основе лежащих в его основе процессов, таких как фотосинтез, влияние окружающей среды и другие параметры и методы.

На данный момент у нас есть опыт работы в оценке и прогнозе урожайности по таким культурам как рис, пшеница, кукуруза, хлопок (который достаточно сложен в распознавании), в планах – начать работы по сахарному тростнику, сое, рапсу и подсолнечнику. И с помощью системы наши пользователи могут не только оценивать ущерб и прогнозировать урожайность. Предиктивная аналитика помогает понять, какими будут метеоусловия на определенной территории, а прескриптивная аналитика оптимизирует выбор участков и количество проведения работ, а также предоставляет рекомендации по обработке посевов на конкретных полях.

В прошлом 2020 году компания Ctrl2GO прошла официальную валидацию нашей технологии прогнозирования и оценки урожайности, которую проводило Министерство сельского хозяйства Индии. По результатам этой валидации с нами был заключен контракт на проведение оценок ущерба при наступлении страховых случаев и прогноз урожайности в 25 областях в 12 штатах для каждого по 2-м сельскохозяйственным сезонам. На данный момент осуществляется мониторинг более 10,5 млн. га. Проект реализуется в рамках нашего совместного предприятия, созданного нами на территории Республики Индия.

Остались вопросы?

Оставьте заявку и узнайте, как прогнозная аналитика и эффективная работа с данными помогут вашему бизнесу

Нажимая кнопку “Отправить заявку”, вы соглашаетесь с политикой конфиденциальности и обработки персональных данных.