Các nhà khoa học từ Đại học
Illinois đã sử dụng dải tần hồng ngoại sóng ngắn từ các vệ tinh Landsat để phân
biệt chính xác bắp và đậu tương trong mùa sinh trưởng (Ảnh: Kaiyu Guan, Đại
học Illinois)
“Nếu
muốn dự đoán sản lượng bắp hoặc đậu tương của bang Illinois hay toàn bộ nước Mỹ,
chúng ta phải biết chúng được trồng ở đâu”, điều tra viên chính của nghiên cứu
Kaiyu Guan, Phó Giáo sư Khoa khoa học môi trường và tài nguyên Đại học
Illinois và là Giáo sư Blue Waters tại Trung tâm ứng dụng siêu máy tính quốc
gia Mỹ (NCSA) cho biết.
Tiến
bộ này là một bước đột phá vì trước đây diện tích bắp và đậu tương quốc gia chỉ
được được công bố 4 đến 6 tháng một lần sau khi được USDA thu thập. Sự chậm trễ
này có nghĩa rằng các quyết định chính sách dựa trên dữ liệu lỗi thời. Nhưng kỹ
thuật mới có thể phân biệt 2 cây trồng chính này với độ chuẩn xác 95% vào
cuối tháng 7 cho mỗi cánh đồng – chỉ 2 hoặc 3 tháng sau khi gieo và ngay trước
khi thu hoạch.
Các
nhà nghiên cứu lập luận rằng ước tính thời gian chuẩn xác hơn về diện tích cây
trồng có thể được sử dụng cho một loạt các ứng dụng theo dõi và ra quyết định,
bao gồm bảo hiểm mùa màng, cho thuê đất, hậu cần chuỗi cung ứng, thị trường hàng
hóa và nhiều thứ khác. Tuy nhiên, đối với Guan, giá trị khoa học của công trình
cũng quan trọng như giá trị thực tiễn của nó.
Một
tập hợp các vệ tinh gọi là Landsat đã liên tục bay vòng quanh trái đất trong
40 năm nay, thu thập hình ảnh bằng cách sử dụng các cảm biến đại điện cho các
phần khác nhau của phổ điện từ. Guan cho hay hầu hết các nỗ lực trước đây nhằm
phân biệt bắp và đậu tương từ các hình ảnh này đều dựa trên phần nhìn thấy và
cận hồng ngoại của phổ nhưng ông và nhóm của mình đã quyết định thử một thứ khác.
“Chúng tôi phát hiện một dải phổ, hồng ngoại sóng ngắn (SWIR), cực kỳ hữu ích
trong việc xác định sự khác biệt giữa bắp và đậu tương”, nghiên cứu sinh Tiến sĩ,
đồng tác giả nghiên cứu Yaping Cai cho biết.
Hóa
ra bắp và đậu tương có tình trạng nước trên lá khác biệt có thể dự đoán được
vào tháng 7 hầu hết các năm. Nhóm đã sử dụng dữ liệu SWIR và các dữ liệu quang
phổ khác từ 3 vệ tinh Landat trong khoảng thời gian 15 năm và thu thập tín hiệu
tình trạng nước trên lá này một cách có hệ thống.
“Dải
SWIR nhạy với thành phần nước hơn bên trong lá. Tín hiệu đó không thể thu được
bằng các dải RGB hay cận hồng ngoại truyền thống, do đó, SWIR cực kỳ hữu ích để
phân biệt bắp với đậu tương” Guan kết luận.
Các
nhà nghiên cứu đã sử dụng một dạng học máy được gọi là mạng lưới thần kinh sâu
để phân tích dữ liệu.
“Phương pháp học sâu chỉ mới bắt đầu được áp dụng cho các ứng dụng nông nghiệp
và chúng tôi đã nhìn thấy trước tiềm năng to lớn của các công nghệ như thế đối
với những cải tiến tương lai trong lĩnh vực này”, một đồng tác giả và điều tra
viên chính khác của nghiên cứu Jian Peng cho biết.
Nhóm
đã tập trung phân tích trong phạm vi hạt Champaign, Illinois làm bằng chứng ý
tưởng. Mặc dù đó là một diện tích tương đối nhỏ nhưng phân tích 15 năm dữ liệu
vệ tinh với độ phân giải 30 mét vẫn đòi hỏi một siêu máy tính xử lí hàng chục
terabyte dữ liệu.
“Đó
là một lượng dữ liệu rất lớn. Chúng tôi đã siêu máy tính Blue Waters và ROGER
tại NCSA để đảm nhận việc xử lí và trích xuất thông tin hữu ích. Về mặt công
nghệ, khả năng xử lí lượng dữ liệu khổng lồ như thế và áp dụng một thuật toán
học máy tân tiến trước đây là một thử thách nhưng giờ chúng tôi đã có các siêu
máy tính và kỹ năng để xử lí tập hợp dữ liệu đó”, Guan cho biết thêm.
Nhóm
hiện đang tìm cách mở rộng diện tích nghiên cứu sang toàn bộ Vành đai bắp và
điều tra thêm các ứng dụng của dữ liệu, bao gồm các ước tính về năng suất và
chất lượng khác.
LH
(Eurekalert)