A véletlenerdő-algoritmus bizonyult a legpontosabbnak
Az eredmények alapján a három módszer közül a véletlenerdő-algoritmus teljesített a legjobban. A radaros és multispektrális adatok együttes felhasználásával a modell 0,855-ös R²-értéket ért el, ami a becsült és a ténylegesen mért talajnedvesség közötti erős statisztikai kapcsolatot jelzi.
A legjobb modell átlagos abszolút hibája 0,0212 cm³/cm³ volt. Ez a térfogati nedvességtartalom esetében körülbelül 2,12 százalékpontos átlagos eltérésnek felel meg.
A szupportvektor-regresszió szintén kedvező eredményeket adott, míg a vizsgált neurális hálózat pontossága számottevően elmaradt a másik két módszerétől.
Ez különösen fontos a fejlettebb növényállományok esetében, amikor a levelek és a szárak részben elfedik a talajt, megnehezítve annak közvetlen megfigyelését.
Mit jelenthet mindez a gazdálkodók számára?
A kutatás eredményei elsősorban a precíziós öntözés fejlesztésében lehetnek hasznosíthatók. A drónos felmérések és az adatok gépi feldolgozása révén a jövőben részletesebb talajnedvesség-térképek készülhetnek, amelyek segíthetnek azonosítani a vízhiánnyal érintett táblarészeket.
Ez lehetőséget teremthet arra, hogy az öntözést ne kizárólag a teljes tábla átlagos állapota alapján tervezzék meg, hanem figyelembe vegyék a területen belüli különbségeket is. A pontosabb információk hozzájárulhatnak a vízfelhasználás hatékonyságának javításához és a termésbiztonság növeléséhez.
A módszer ugyanakkor egyelőre nem tekinthető minden körülmények között alkalmazható, kész üzemi megoldásnak. A vizsgálat egyetlen térségre és egy meghatározott fejlődési időszakra korlátozódott, ráadásul viszonylag kevés helyszíni mérési adat állt rendelkezésre.
További bizonytalanságot jelent, hogy a kutatók a növényzet víztartalmának becsléséhez eredetileg más kultúrákra kidolgozott összefüggést alkalmaztak. A módszer megbízhatóságát ezért más talajokon, eltérő időjárási körülmények között és különböző búzafajták esetében is ellenőrizni kell.
A kutatók szerint a következő lépés a meteorológiai adatok, a párolgás és a növényfejlődési modellek bevonása lehet.
A kínai eredmények a magyar mezőgazdaság számára is figyelemre méltók. Az egyre gyakoribb aszályos időszakokban különösen nagy jelentősége lehet azoknak a technológiáknak, amelyek segítenek pontosabban felmérni a talaj vízkészletét. A drónos távérzékelés és a gépi tanulás összekapcsolása hosszabb távon a takarékosabb, célzottabb vízgazdálkodás egyik eszközévé válhat.
