HACKATHON

Dálkový průzkum Země pro sledování výkyvů v zemědělské produkci. Výzva #11 v Covid-19 INSPIRE hackathonu

vynosove-zony-zemedelstvi-vyzva-11-covid19-inspire-hackathon-2020-f

Pandemie covid-19 a hlavně následná omezení byla a jsou i nadále zkouškou potravinového dodavatelského řetězce s cílem poskytnout dostatek potravin na trh koncovým zákazníkům. Zejména v krizových situacích lze dobré rozhodnutí učinit pouze s dostatečným množstvím informací.

V předchozích INSPIRE hackatonech byly vytvořeny mapy výnosového potenciálu. Tyto potenciální výnosy jsou velmi náchylné k sezónním vlivům, jako je sucho, záplavy, optimální množství srážek, doba slunečního záření, teplota a další, kvůli nimž se předpovědi mohou lišit od reality.

Úkolem výzvy číslo 11 letošního INSPIRE hackathonu je zajistit realističtější předpovědi výnosů kombinací předpovědí se skutečnými sezónními podmínkami. Čím realističtější je předpověď, tím lepší rozhodnutí mohou politici učinit, aby zabránili budoucímu nebezpečí nedostatku jídla. Porovnání predikce výnosu s realističtějšími predikcemi pomůže pojišťovacím společnostem vyčíslit dopad konkrétního problému poškození.

Cílem v této hackathonové výzvě je navrhnout metody sledování výnosů a klimatických podmínek, které mohou negativně nebo pozitivně ovlivnit sezónní výnos. Jako referenční vrstva bude použita výnosová produkční zóna se sezónními trendy. Časové trendy nebo události budou analyzovány na základě tří typů dat:

Pro hackathon je plán použít a otestovat výsledky na více farmách pomocí historických družicových a klimatických dat z předchozích tří let, a pokud budou k dispozici, tak budou výsledky porovnány s údaji z monitorů výnosů. Tato data budou použita pro kalibraci. Pro analýzu použijeme statistické a vizuální metody, které jsou již k dispozici v cloudu Lesprojektu, a navíc budou využity algoritmy strojového učení.

Hlavním cílem je umět v průběhu sezóny předpovědět problémy s výrobou a vydat tak případně předběžné varování.

Výnosové produkční zóny jsou oblasti se stejnou úrovní výnosu na polích. Výnos je integrátorem proměnlivosti krajiny a podnebí a poskytuje užitečné informace pro určení zón [1]. Toto určení představuje základní vymezení zón pro správu plodin, specifických pro dané místo, které je obvykle založeno na mapách výnosů za posledních několik let.

covid19-inspire-hackathon-2020-challenge-11-sdsds

Podobně jako vyhodnocení variací výtěžků z více údajů, popsaných v Blackmore et al. [2], cílem je identifikovat oblasti s vysokým výnosem (nad průměrem) a oblasti s nízkým výnosem, vyjádřené v procentech ve vztahu k průměrné hodnotě z pole.

Pro agronomy je také důležitá meziroční prostorová variabilita údajů o výnosech, aby bylo možné rozlišovat mezi oblastmi se stabilním nebo nestabilním výnosem. Přítomnost kompletní řady výnosových map pro všechna pole je vzácná, a proto se analyzují data z dálkového snímání, aby se určila variabilita plodin prostřednictvím indexů vegetace.

Mentory v rámci této hackathonové výzvy jsou Jiří Kvapil, Ivo Denemark a Heřman Šnevajs. Partnerem výzvy je pražské ESA Business Incubation Centre.

Literatura

[1] K. Charvát, T. Řezník, V. Lukas, K. Charvát, Š. Horáková, M. Kepka, M. Šplíchal QUO VADIS PRECISION FARMING, 13th International Conference on Precision Agriculture, July 31 – August 4, 2016, St. Louis, Missouri, USA

[2] Blackmore, B. & Godwin, Richard & Fountas, Spyros. (2003). The Analysis of Spatial and Temporal Trends in Yield Map Data over Six Years. Biosystems Engineering. 84. 455-466. 10.1016/S1537-5110(03)00038-2.