Команда исследователей разработала подход, позволяющий отображать содержание солей в почве по всему миру с исключительной точностью до 10 метров. Это позволяет удовлетворить насущную потребность в точных оценках засоленности почв — сложной задачи, которая ставит под угрозу продуктивность сельского хозяйства и жизнеспособность почв в глобальном масштабе.

Засоление почв, являющееся одной из форм деградации земель, затрагивает более 1 миллиарда гектаров во всем мире, ставя под угрозу продуктивность сельского хозяйства и здоровье окружающей среды. Предыдущие попытки составить карту засоления почв были затруднены из-за низкого пространственного разрешения существующих наборов данных и ограничений в определении постоянства содержания солей в почве.

Осознавая эти проблемы, исследовательская группа приступила к разработке модели, которая объединяет изображения Sentinel-½, климатические данные, информацию о рельефе и передовые алгоритмы машинного обучения для оценки содержания солей в почве в пяти климатических регионах. Эти результаты были подробно изложены в исследовании, опубликованном 28 марта 2024 года в журнале Journal of Remote Sensing. В этом исследовании представлено устройство, которое умело объединяет наклонные спиральные каналы с периодическими матрицами сжатия-расширения.

В основе этого проекта лежит объединение данных, полученных с помощью множества технологий дистанционного зондирования, в частности, с передовых спутников Sentinel-½, и стратегическое применение алгоритмов машинного обучения. Такой подход позволил создать сложную модель, способную определять уровень засоления почвы с беспрецедентной точностью — с разрешением 10 метров в различных климатических условиях.

Этот методологический прорыв выводит нас далеко за рамки предыдущих попыток, которые были ограничены более грубым разрешением и более узкими рамками анализа солености. Специальная исследовательская группа собрала обширный набор данных, отражающий глобальные климатические особенности, точные показатели засоления почвы на уровне земли и полный набор геопространственных переменных.

Используя алгоритм Random Forest, модель не только превосходно предсказывает засоление почв с поразительной точностью, но и проливает свет на ключевую роль, которую климат, уровень грунтовых вод и показатели засоленности играют в формировании ландшафтов с засоленной почвой. Это достижение знаменует собой шаг вперед в нашей способности контролировать состояние почв и управлять ими в глобальном масштабе.

Профессор Чжоу Ши, ведущий исследователь, заявил: «Это исследование знаменует собой значительный скачок в нашей способности оценивать засоленность почв и управлять ею в глобальном масштабе. Объединив спутниковые снимки с машинным обучением, мы теперь можем определять засоленные почвы с беспрецедентной точностью и детализацией, что дает ценную информацию для рационального использования земельных ресурсов и ведения сельского хозяйства».

Глобальная карта засоления почв с высоким разрешением, созданная на основе этого исследования, является важным инструментом для ученых, политиков и фермеров для эффективного решения проблем засоления почв. Она позволяет проводить целенаправленные мероприятия по восстановлению здоровья почв, поддерживает устойчивые методы ведения сельского хозяйства и помогает в планировании управления ресурсами. Эта методология также устанавливает новый стандарт экологического мониторинга, потенциально применимый к другим оценкам деградации земель.