Прогнозы урожайности являются ключевым двигателем региональной экономики и финансовых рынков, влияя почти на всю цепочку поставок сельскохозяйственной продукции. Вот почему экономисты, исследователи сельского хозяйства, государственные учреждения и частные компании работают над повышением точности этих прогнозов.
Ежемесячный отчет Министерства сельского хозяйства США «Оценки мирового спроса и предложения в сельском хозяйстве» (WASDE) прогнозирует урожайность в конце сезона на основе опросов фермеров в режиме реального времени и анализа Национальной службы сельскохозяйственной статистики Министерства сельского хозяйства США (NASS). Многие считают его золотым стандартом для прогнозирования урожайности. Но исследователи из Университета Иллинойса разработали новый метод, который превосходит оценки WASDE Министерства сельского хозяйства США с научной точки зрения и воспроизводимым образом..
«Используя сезонные прогнозы и спутниковые данные, мы разработали очень продвинутую систему прогнозирования урожайности как на национальном уровне, так и на уровне округа. Наше исследование показывает, что мы можем работать лучше, чем оценка Министерства сельского хозяйства США в режиме реального времени», - говорит Кайю Гуан, главный исследователь исследования «Письма о геофизических исследованиях» и доцент кафедры природных ресурсов и наук об окружающей среде (NRES) в Университете I и профессор Blue Waters в Национальном центре суперкомпьютерных приложений (NCSA).
Гуань и его коллеги не первые, кто использует спутниковые данные, чтобы попытаться предсказать урожайность, но их комбинированное использование прогноза сезонного климата вместе с информацией о росте урожая со спутниковых снимков является уникальным.
В исследовании оценивалась точность отдельных и комбинированных источников данных на конец сезона по сравнению с национальным прогнозом урожайности кукурузы в ежемесячных отчетах USDA WASDE.
"По сравнению с использованием исторической климатической информации для неизвестного будущего, на которой основано большинство предыдущих исследований, использование сезонного прогнозирования климата от Национальных центров прогнозирования окружающей среды NOAA дало более высокие результаты прогнозирования, особенно в снижении неопределенностей, ", - говорит Бин Пэн, ведущий автор этого исследования и научный сотрудник с докторской степенью в NRES и NCSA.
Гуань добавляет: «Но если мы будем использовать только данные сезонного прогнозирования климата - температуру, осадки и дефицит давления пара - наши прогнозы будут не лучше, чем у Министерства сельского хозяйства США. Только когда мы добавили спутниковые данные, мы начали увидеть улучшение. Это явный признак того, что спутниковые данные чрезвычайно полезны в этом случае."
Новый подход позволяет делать более точные прогнозы на конец сезона в начале сезона. В конце вегетационного периода, когда сбор урожая кукурузы завершен, можно оглянуться назад и оценить точность прогноза каждого предыдущего месяца. Например, в период с 2010 по 2016 год отчет WASDE за июнь отличался в среднем на 17,66 бушелей на акр. За тот же период система Гуана и Пэна отставала всего на 12,75 бушелей на акр. В августе WASDE отклонялся в среднем на 5,63 бушеля на акр, в то время как система Гуана и Пэна снизила этот показатель до 4,37.
Улучшение нашей способности прогнозировать урожайность действительно важно для многих приложений. Фермеры хотят знать эту информацию, потому что она напрямую связана с ценой, которую они могут ожидать. Экономическое прогнозирование и рыночные цены на кукурузу и сою зависят от этого Информация. Также логистика: Зерновые компании должны выяснить, в каких местах производится зерно и в каком количестве. Имеют ли они возможность его собирать и перерабатывать? Страхование урожая также зависит от этой информации. Это проблема, имеющая большое практическое значение, - говорит Гуань.
«Новая система реализована на Blue Waters, одном из самых передовых суперкомпьютеров в США», - говорит Пэн. «Нам нужен высокопроизводительный вычислительный комплекс, такой как Blue Waters, для обработки огромного количества сезонных прогнозов климата и спутниковых данных».