Урожай под присмотром из космоса

Сельское хозяйство составляет основу сильной государственной экономики. Однако отрасль АПК подвержена воздействию случайных и непредсказуемых факторов: наводнениям, засухам, болезням культур, стремительному изменению климата и возрастающей потребности в продовольствии — это влияет на доход, зависящий от сезона урожая. И заставляет сельхозтоваропроизводителей искать новые подходы, внедрять инновации.

Технологии дистанционного зондирования земли позволяют вывести отрасль на иной уровень. Развивать систему агрострахования, чтобы смягчить и свести к минимуму потери, которые фермеры могут получить в результате вмешательства сил природы или третьих лиц.

Индийский прецедент

В Индии существуют разные формы поддержки фермеров в области агрострахования. В республике около 145 млн. га посевных площадей, 50% которых занято зерновыми, просо, почти 120 млн. фермерских хозяйств, обеспечивающих занятостью больше половины населения. Поэтому поддержка АПК и его устойчивое развитие особенно актуальна для страны.

Неурожайные годы привели к тому, что в 2016 году произошло банкротство индийских фермеров, 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 ранее существующие страховые схемы и стала более привлекательной для аграриев. Только за 2018 год был зафиксирован стремительный рост количества застрахованных фермеров (более 40%).

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.

Главный камень преткновений — корректная оценка объекта страхования, возможность прогнозирования, что произойдет с культурами и какие климатические условия могут повлиять на урожайность. Для реализации этой задачи государство решило использовать услуги коммерческих инновационных компаний для оценки состояния, урожайности посевов 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 долларов, чтобы им возместили убытки за потерянный урожай.

Для анализа ситуации Ctrl2GO решила использовать собственную систему CLASS, где используются все виды космической съемки, включая радарную, с беспилотников, которые летают ниже облаков и позволяют получить более точную картинку. Первые 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 участков и деятельности на них до урагана, аналитики пришли к выводу, что причиной части погибшего урожая стало не стихийное бедствие. Культуры были собраны еще до него и увезены с полей. Выявление таких случаев позволило страховым компаниям Индии в 2 раза сократить страховые выплаты.

В комплекс CLASS входит несколько составляющих, в том числе мобильные приложения. Основная задача — максимально точное прогнозирование урожая и сокращение количество ручного подсчета качества урожая. Достичь высокого показателя получилось благодаря обработке массива разнородных данных. Для более эффективного прогнозирования используется анализ данных из источников: космические группировки разных стран, компаний, метеоспутники, датчики, наземные данные, имитационные модели.

Модель моделей — Ансамблирование

Для обработки информации применяется автоматическое и автоматизированное дешифрирование, статистические и динамические модели различных культур, позволяющие делать оценку посевных площадей. Получить точность прогноза урожайности (по пшенице) более 90% позволили «модели моделей» — метод ансамблирования моделей, который объединяет до 10 различных моделей. Данный подход позволяет комплексно анализировать данные, полученные с помощью разных методов, технологий, достигать заявленного показателя.

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

В 2020 году компания Ctrl2GO прошла официальную валидацию своей технологии, которую провело Министерство сельского хозяйства Индии. По результатам 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.

Материал предоставлен Группой компаний Ctrl2GO