Naukowcy z amerykańskich uczelni piszą o nowych osiągnięciach w "Agricultural and Forest Meteorology".

- Testowaliśmy szereg metod uczenia maszynowego przy wykorzystaniu zintegrowanych danych dotyczących klimatu i danych satelitarnych, aby opracować wiarygodne i precyzyjne szacunki poziomu produkcji pszenicy w Australii - powiedział główny badacz Kaiyu Guan z wydziału zasobów naturalnych i nauk o środowisku University of Illinois.

W ostatnich latach postęp w dziedzinie mocy obliczeniowej komputerów umożliwił lepsze prognozowanie poziomu plonów na podstawie danych klimatycznych, satelitarnych lub kompilacji obu. Guan twierdzi jednak, że nie było jasne, która baza danych była bardziej przydatna.

- Wykorzystaliśmy złożone analizy, aby określić moc szacunkową danych klimatycznych i satelitarnych. Chcieliśmy dowiedzieć się, ile poszczególne dane wnoszą. Odkryliśmy, że same dane klimatyczne są całkiem skuteczne, ale satelitarne dostarczają dodatkowych informacji i wynoszą wynik szacowania plonów na wyższy poziom - ocenił badacz.

Wykorzystując zarówno dane na temat klimatu i dane satelitarne, naukowcy byli w stanie przewidzieć plony z dokładnością do 75 proc. dwa miesiące przed zbiorami.

- Porównaliśmy również wyniki uzyskiwane tradycyjnymi metodami statystycznymi z trzema algorytmami uczenia maszynowego i okazało się, że te drugie przewyższały tradycyjne metody w każdym przypadku - powiedział współautor badania David Lobell ze Stanford University, który zainicjował projekt w 2015 r. podczas pobytu w Australii.

Autorzy uważają, że ich wnioski mogą poprawić dokładność prognoz poziomu plonów, a to może znaleźć potencjalnie odbicie w gospodarce Australii i regionu. Ich zdaniem metoda znajdzie zastosowanie również w przypadku innych upraw w wielu częściach świata.