

Ученые применили алгоритмы машинного обучения для создания трехмерных моделей почвенных характеристик на глубине до метра. По словам исследователей, такой подход с использованием региональных данных не применялся ранее ни в Башкортостане, ни в целом по России. Обычные карты показывают лишь поверхностные свойства, тогда как новая методика позволяет изучать почву на разных уровнях и видеть ее структуру в объеме.
В центре внимания — уровень органического углерода и кислотность. Эти показатели важны для оценки плодородия, экологии и климатических изменений. Замминистра земельных отношений республики Наталья Полянская отметила, что точные цифровые данные помогут при принятии решений. Она подчеркнула: современные методы заменяют ручной труд, дают возможность прогнозировать свойства почв на больших площадях и эффективнее использовать земли.
Из почвы поступает около 90% продуктов питания, поэтому контроль ее состояния критичен. Раньше картография опиралась на полевые выезды и ручную обработку, теперь компьютерные модели выявляют связи между свойствами почв и условиями их формирования, позволяя делать прогнозы без прямых замеров.
Работа началась в 2020 году. Ученые собрали 29,4 тысячи измерений углерода и 22,3 тысячи данных о кислотности, использовали 82 цифровые карты региона. Самым сложным этапом стала подготовка информации — данные пришлось объединять из разных источников. Как пояснил автор проекта Азамат Сулейманов, трудности возникли из-за неравномерного распределения данных: горные районы изучены хуже равнинных.
Результаты планируют применять в сельском хозяйстве и экологическом мониторинге. Эксперт Рим Галимов считает, что цифровые модели сделают управление землями объективнее и снизят издержки. Сейчас ведутся дополнительные полевые исследования в горах, а в будущем команда намерена использовать более продвинутые методы моделирования. Работа выполняется в рамках госзадания Минобрнауки по изучению углеродного баланса и декарбонизации региона.
Источник: Правительство РБ.







