यूवीए फसलों की भविष्यवाणी करने के लिए नए उन्नत वनस्पति सूचकांक विकसित करता है

यह प्रणाली कृत्रिम बुद्धिमत्ता के साथ-साथ उपग्रह चित्रों का भी उपयोग करती है तथा आलू के प्रदर्शन का पूर्वानुमान लगाने के लिए इसका पहले ही सफलतापूर्वक परीक्षण किया जा चुका है।

रिमोट सेंसिंग प्रयोगशाला (एलएटीयूवी) के शोधकर्ताओं ने... वलाडोलिड विश्वविद्यालय (यूवीए) ने एक नया वनस्पति सूचकांक तैयार किया है जो फसल पूर्वानुमान मॉडल को बेहतर बनाने में सक्षम है। नई तकनीक, जो ईएसए सेंटिनल-2 उपग्रह छवियों और मशीन लर्निंग और कृत्रिम बुद्धिमत्ता तकनीकों का उपयोग करती है, का आलू और गेहूं की फसल की उपज की भविष्यवाणी करने में सफलतापूर्वक परीक्षण किया गया है।

कृषि उत्पादन मानवीय और पर्यावरणीय दोनों ही तरह के कई कारकों पर निर्भर करता है, जो किसानों के बीच बहुत अनिश्चितता पैदा करते हैं। लेकिन इसे कम करने में तकनीक एक महत्वपूर्ण सहयोगी हो सकती है। यह कम्प्यूटेशनल मॉडल के लिए मामला है जो विशिष्ट परिस्थितियों, उदाहरण के लिए मिट्टी, जलवायु या कृषि पद्धतियों के तहत फसल के व्यवहार का अनुकरण करने का प्रयास करते हैं, और इस अपेक्षित विकास के आधार पर कृषि उत्पादन का अनुमान लगाते हैं।

"कई मॉडल हैं और वे आमतौर पर प्रत्येक प्रकार की फसल के लिए विशिष्ट होते हैं," एलएटीयूवी के शोधकर्ता और इंटरनेशनल जर्नल ऑफ रिमोट सेंसिंग और एग्रीकल्चरल एंड फॉरेस्ट मीटिरोलॉजी पत्रिकाओं में हाल ही में प्रकाशित दो अध्ययनों के प्रथम लेखक डिएगो गोमेज़ बताते हैं।

लेकिन इन पारंपरिक विकास मॉडलों की कुछ सीमाएँ हैं, जैसे कि "एक ही पार्सल के भीतर परिवर्तनशीलता को स्थानिक रूप से मॉडल करने में असमर्थता" या इनपुट डेटा की बहुलता जिसकी उन्हें आवश्यकता होती है, जो "आमतौर पर उन्हें इकट्ठा करने में शामिल समय और धन की उच्च लागत के कारण प्राप्त नहीं होती है।"

आलू उगाने वाला क्षेत्र जिस पर अनुमान लगाया गया है/डी. गोमेज़

इस प्रकार, हाल के वर्षों में हम एक ऐसी तकनीक, रिमोट सेंसिंग पर दांव लगा रहे हैं, जो ऑप्टिकल सेंसर (उपग्रहों, हवाई जहाजों, ड्रोन आदि पर स्थापित) द्वारा ली गई वर्णक्रमीय छवियों का उपयोग करती है और जो इन पारंपरिक मॉडलों को पूरक और कुछ मामलों में प्रतिस्थापित भी कर सकती है। ये वर्णक्रमीय छवियां फसल की स्थिति या फेनोलॉजी - पौधे के विकास की प्रक्रिया में दिखाई देने वाले बाहरी परिवर्तनों - पर डेटा प्रदान करती हैं, जिन्हें उन मॉडलों में एकीकृत किया जाता है जो फसलों की भविष्यवाणी करने के लिए उस इनपुट जानकारी को समायोजित करते हैं।

"स्पेक्ट्रल इमेज इनपुट डेटा की ज़रूरत को पूरा करती हैं, दूरस्थ साइटों तक पहुँच की अनुमति देती हैं, और कम लागत वाली होती हैं। वे फसल की उत्पादक क्षमता से संबंधित जानकारी प्राप्त करने में भी सक्षम हैं," एलएटीयूवी शोधकर्ता ने कहा, जो याद करते हैं कि वनस्पति के स्पेक्ट्रल इंडेक्स में से एक - गणितीय सूत्र जो स्पेक्ट्रल बैंड को जोड़ते हैं - वनस्पति की जीवंतता या घनत्व का अनुमान लगाने के लिए सबसे अधिक इस्तेमाल किया जाता है - जो अंततः फसल उत्पादकता की भविष्यवाणी करता है - एनडीवीआई (एनडीवीआई) है।

वैज्ञानिक साहित्य में फसलों के पूर्वानुमान मॉडल बनाने के लिए इस सूचकांक की समय श्रृंखला का उपयोग बहुत आम है। यह सूचकांक वनस्पति परावर्तन - वनस्पति की प्रकाश को परावर्तित करने की क्षमता - का उपयोग दो वर्णक्रमीय बैंडों, लाल और निकट-लाल में करता है, जो क्रमशः प्रकाश संश्लेषण और पत्तियों की कोशिका संरचना के लिए उपयोग किए जाने वाले कुछ प्रकाश से संबंधित हैं।

एक नया वनस्पति सूचकांक

एलएटीयूवी शोधकर्ताओं ने ईएसए सेंटिनल-2 उपग्रह चित्रों के आधार पर पीपीआई नामक एक नया सूचकांक विकसित किया है, जो प्रकाश संश्लेषण में शामिल वर्णक्रमीय जानकारी - 400 से 700 नैनोमीटर - को ध्यान में रखने के अलावा विद्युत चुम्बकीय स्पेक्ट्रम के अन्य क्षेत्रों - 704 नैनोमीटर, रेड एज बैंड और 945 नैनोमीटर, जल वाष्प अवशोषण बैंड - से जानकारी को ध्यान में रखता है, जो फसल की स्थिति के बारे में अन्य महत्वपूर्ण जानकारी प्रदान कर सकता है, जैसे कि इसका जल तनाव - जब पौधे को अपने पास मौजूद पानी से अधिक पानी की आवश्यकता होती है।

शोधकर्ताओं ने वनस्पति सूचकांकों, NDVI और PPI, दोनों की पूर्वानुमान क्षमता की तुलना उपग्रह चित्रों से प्राप्त अधिक डेटा के साथ की। ऐसा करने के लिए, उन्होंने दो आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग एल्गोरिदम (रैंडम फ़ॉरेस्ट और सपोर्ट वेक्टर मशीन) का उपयोग किया, और विभिन्न मॉडल तैयार किए जिसमें उन्होंने इन सूचकांकों को अन्य उपग्रह बैंडों के साथ जोड़ा।

"परिकल्पना यह थी कि, एक ऐसे सूचकांक का उपयोग करके जो लोकप्रिय एनडीवीआई सूचकांक में शामिल नहीं अन्य बैंडों का उपयोग करता है और दूसरी ओर, संवेदनशील फसल जानकारी प्रदान करने की कुछ क्षमता के साथ, पूर्वानुमान मॉडल बेहतर होगा," गोमेज़ कहते हैं, जो आगे कहते हैं कि, अंततः, मॉडल की पूर्वानुमान क्षमता "बढ़ गई जब एक या दोनों वनस्पति सूचकांक शामिल किए गए", जो "कुछ व्यक्तिगत उपग्रह बैंडों के संयोजन में इस डेटा के उपयोग" को महत्व देता है।

आलू की खेती में अधिक सटीक भविष्यवाणियां

परिणाम दर्शाते हैं कि सपोर्ट वेक्टर मशीन एल्गोरिदम का उपयोग करते समय पीपीआई सूचकांक एनडीवीआई के समान जानकारी प्रदान करता है, और रैंडम फॉरेस्ट एल्गोरिदम का उपयोग करते समय एनडीवीआई की तुलना में काफी अधिक जानकारीपूर्ण है, जो आशाजनक परिणाम देता है "जो एक नए वनस्पति सूचकांक को सामने लाता है जो उपग्रह चित्रों के आधार पर पूर्वानुमानित फसल मॉडल में सुधार कर सकता है"।

अब तक, नए सूचकांक का परीक्षण काफी स्थानीय अध्ययन क्षेत्र में आलू की खेती पर किया गया है। अनाज के बाद, आलू वैश्विक स्तर पर सबसे महत्वपूर्ण खाद्य फसलों में से एक है। यह विकासशील देशों की खाद्य सुरक्षा में महत्वपूर्ण भूमिका निभाता है और यूरोपीय कृषि क्षेत्र में भी इसका बहुत महत्व है, जिसमें जर्मनी, फ्रांस, नीदरलैंड और पोलैंड प्रमुख उत्पादक हैं। मेक्सिको से लिए गए आंकड़ों के साथ इसका परीक्षण गेहूं में भी किया गया है।

उपकरण का उद्देश्य मॉडल की दृढ़ता में सुधार करने के लिए डेटा की संख्या बढ़ाना, स्थानिक परिवर्तनशीलता को बढ़ाने के लिए एक बड़े अध्ययन क्षेत्र को कवर करना और नई फसलों को शामिल करना है। ऐसे परिप्रेक्ष्य जो फंडिंग की निरंतरता पर निर्भर करते हैं और किसानों को भविष्य में अपनी फसल का अधिक विश्वसनीय अनुमान लगाने में मदद कर सकते हैं।