Всеобъемлющая британская база данных урожайности с использованием спутниковых, метеорологических и почвенных данных

Почему это важно для нашего продовольственного будущего

То, сколько продовольствия страна может вырастить, зависит не только от погоды, но и от тонкого взаимодействия климата, почвы и повседневных условий в полях фермеров. До сих пор исследователям в Соединенном Королевстве не хватало большой открытой базы данных, связывающей реальные показатели урожайности с подробными измерениями со спутников и метеостанций. В этой статье представлено такое ресурсное собрание — набор данных CYCleSS, объединяющий урожаи, климат, почвы и спутниковые наблюдения для сотен полей по всей Англии. Он предоставляет ученым, политикам и даже агротехнологическим компаниям новый инструмент для понимания и прогнозирования урожаев в условиях потепления и растущей неопределенности.

Собирая вместе многие части сельскохозяйственной головоломки

Авторы создали CYCleSS, исходя из «эталонных» данных об урожайности, собранных современными комбайнами на 934 полях по всей Англии в период с 2015 по 2017 годы. Эти машины регулярно фиксируют, сколько зерна собрано с высокой пространственной детализацией, но такие данные обычно остаются на ферме, поскольку являются коммерчески чувствительными. Команда сотрудничала с Британским центром экологии и гидрологии (UK Centre for Ecology and Hydrology) и другими партнёрами, чтобы анонимизировать эту информацию так, чтобы невозможно было идентифицировать отдельную ферму, при этом сохранив её достаточной точности для научного использования. Помимо показателей урожайности они зафиксировали, какие культуры выращивались на каждом поле — в основном озимая пшеница, рапс и ячмень, а также бобы.

Погода, почва и спутники на одной карте

Чтобы понять, почему урожайность варьируется, набор данных сочетает несколько источников информации, все выровненные по сетке с ячейками размером один километр. Суточные погодные записи — такие как температура, осадки, солнечная радиация, ветер, атмосферное давление и испарение — взяты из национальных климатических архивов, охватывающих всю территорию Великобритании. Свойства почв, включая влагоемкость, скорость дренажа и соотношение песка, ила и глины, добавлены из европейских карт почв. Исследователи затем отфильтровали сетку, оставив только участки, фактически используемые под сельхозкультуры, используя подробную карту землепользования с разрешением 10 метров, различающую типы посевов.

Наблюдение за ростом посевов из космоса

Ключевым преимуществом CYCleSS является интеграция спутниковых данных с полевыми показателями урожайности. С использованием облачной платформы команда извлекла временные ряды радиолокационных измерений с европейской миссии Sentinel‑1 для каждой выбранной километровой ячейки. Радиолокация имеет преимущество работы сквозь облака и в ночное время, а её сигналы меняются по мере нарастания листовой массы и биомассы культур. Для каждого 10‑метрового пикселя спутниковых данных в пределах выбранных областей исследователи собрали радиолокационные показания каждые пять дней в двух поляризациях и их отношение, которые известны своей чувствительностью к типу культуры и стадии роста. Эти сигналы на уровне пикселей затем усредняли до масштаба поля и связывали с соответствующими данными об урожае и его ведении.

Сохранение анонимности фермеров при сохранении полезности данных

Поскольку карты урожайности напрямую связаны с средствами к существованию фермеров, конфиденциальность была ключевой задачей. Чтобы защитить участников, авторы ввели процесс с двумя командами. Одна команда занималась выравниванием спутниковых, почвенных и климатических данных на детализированной сетке; отдельная команда в UKCEH связывала эти сетки с реальными полями и урожаями, а затем удаляла точные координаты. В итоге поля были идентифицированы только случайными кодами и более крупными 10‑километровыми ячейками, в которых они расположены. Это означает, что в любой такой ячейке содержится много хозяйств, что делает практически невозможным соотнесение конкретной записи об урожайности с отдельным бизнесом, при этом научная связь между средой и урожайностью сохраняется.

Что это открывает для сельского хозяйства и климатической устойчивости

Набор данных CYCleSS открывает путь к более мощным моделям производительности культур в Великобритании. Поскольку он объединяет реальные результаты уборки с богатыми потоками погодных, почвенных и спутниковых измерений, он идеально подходит для обучения и тестирования инструментов машинного обучения, таких как глубокие нейронные сети, которым нужны большие хорошо структурированные наборы данных. Его также можно использовать для проверки и улучшения традиционных моделей роста растений и для изучения способов их комбинирования со спутниковыми наблюдениями в почти реальном времени. Хотя данные в основном поступают с более оснащённых хозяйств южной Англии и всё ещё содержат некоторые погрешности измерений, они предоставляют редкое, открытое окно в то, как британские культуры реагируют на окружающую среду, помогая исследователям разрабатывать более надежные прогнозы урожайности и поддерживать усилия по повышению продуктивности и устойчивости сельского хозяйства.

Цитирование: Corcoran, E., Bebber, D.P., Curceac, S. et al. A comprehensive UK crop yield dataset incorporating satellite, weather, and soil type information. Sci Data 13, 491 (2026). https://doi.org/10.1038/s41597-025-06528-x

Ключевые слова: прогнозирование урожайности, спутниковая дистанционная съемка, сельскохозяйственные данные, фермерство в Великобритании, машинное обучение