Крупномасштабный многозадачный мультисенсорный набор данных для климатически осведомленного мониторинга сельхозкультур в США за 2018–2022 годы

Почему наблюдение за полями из космоса важно

Питание растущего населения в условиях глобального потепления зависит от знания о состоянии посевов задолго до сбора урожая. Тепловые волны, засуха и сдвиги сезонов могут вызывать резкие колебания урожаев из года в год, что сильно влияет на цены на продукты и благосостояние фермеров. Тем не менее у исследователей и агрономов долгое время не было единого исчерпывающего источника данных, связывающего спутниковые снимки, погодные условия, характеристики почв и полевые данные о сборе урожая в масштабах страны. В этой статье представлена CropClimateX — новая открытая база данных, созданная для устранения этого пробела в США и помогающая учёным разрабатывать более точные инструменты для прогнозирования стрессов у культур, улучшения управления фермами и укрепления продовольственной безопасности.

Объединяя множество «ракурсов»

CropClimateX строится вокруг простой идеи: ни одно отдельное измерение не может полностью рассказать о том, как растут культуры в меняющейся погоде. Авторы поэтому объединяют множество «ракурсов» на землю. Высокоточные оптические спутники, такие как Sentinel-2 и Landsat-8, показывают, насколько зелёна и плотна растительность на полях. Радарные данные Sentinel-1 добавляют информацию о структуре полей и влажности, в том числе через облака. Более грубые датчики, например MODIS, отслеживают более широкие паттерны роста растений, площади листовой поверхности и температуру поверхности земли. Кроме того, в базу данных включены ежедневные погодные записи, индикаторы засухи, свойства почв (текстура, органическое вещество), характеристики рельефа (высота, крутизна) и статистика по округам о площадях посевов, уборке и урожайности по годам.

Разрезая страну на «умные» плитки

Ключевая проблема в том, что Соединённые Штаты огромны, и хранение каждого пикселя со всех спутников за каждый день было бы непрактично. Вместо того чтобы покрывать всю страну сплошным слоем, команда делит пашни на множество меньших, тщательно отобранных плиток, которые они называют «миникубами». Каждый миникуб охватывает участок 12 × 12 километров и содержит временной ряд всех релевантных спутниковых и погодных данных. В период с 2018 по 2022 год авторы создали 15 500 таких миникубов в 1 527 округах, сосредоточившись на основных продовольственных и технических культурах: кукуруза, соя, озимая пшеница, хлопок и овёс. Такая структура делает данные достаточно компактными для обработки на современных компьютерах, но при этом достаточно детализированными, чтобы фиксировать различия между соседними полями и зонами управления.

Использование алгоритмов для фокусировки на реальных фермах

Чтобы решить, где размещать миникубы, исследователи не просто наложили жёсткую сетку на каждый округ. Многие округа содержат города, леса или озёра, которые не имеют отношения к мониторингу культур. Вместо этого они разработали две стратегии оптимизации, которые ищут положения плиток, захватывающие как можно больше пашни при минимизации пустых площадей. Одна из стратегий, Sliding Grid Algorithm, плавно смещает регулярную сетку до тех пор, пока она хорошо не выровняется с полями. Другая, Genetic Algorithm, имитирует эволюцию, тестируя, мутируя и рекомбинируя кандидаты на план укладки. Комбинируя лучшие решения обоих методов, команда сократила число плиток на 43% по сравнению с наивной сеткой, при этом всё ещё покрыв примерно 93% площади посевов — существенно уменьшив потребности в хранении без потери полезной информации.

Фиксация климатических экстремумов на ферме

CropClimateX — это не просто карта средних условий; база также отслеживает экстремумы, которые наиболее важны для фермеров. Авторы связывают каждый миникуб с недельными категориями засухи из U.S. Drought Monitor и со специально разработанными индикаторами тепловых и холодовых волн, вычисленными из ежедневной температуры. В 2018–2022 годах почти все миникубы хотя бы один раз испытывали умеренную засуху, а многие — сильную или даже исключительную. В базу также включены детальные слои почв и рельефа, что позволяет исследователям, например, выяснять, страдают ли песчаные поля от засухи раньше, чем более тяжёлые почвы, или как склон влияет на водный стресс. В совокупности эти слои дают насыщенное представление о том, как климатические шоки проявляются на мозаике американских полей.

Что это значит для будущих урожаев

Для неспециалистов главный результат заключается в том, что CropClimateX превращает разрозненные спутниковые, погодные и хозяйственные статистики в единый, хорошо организованный ресурс, доступный для всех. Поскольку миникубы сопоставляют урожайность с тем, как выглядели земля и небо в течение вегетационного периода, они служат идеальными обучающими данными для современных моделей машинного обучения. Эти модели могут научиться прогнозировать урожайность, выявлять зарождающийся стресс культур, оценивать, какие датчики наиболее информативны, или моделировать, как будущие климатические экстремумы могут отразиться на продовольственном производстве. На практике это означает лучшие ранние предупреждения, более грамотные рекомендации по управлению и более надёжное планирование в условиях более тёплого и переменного климата — всё это основано на открытых данных, охватывающих реальные фермы по всей территории США.

Цитирование: Höhl, A., Ofori-Ampofo, S., Fernández-Torres, MÁ. et al. A large-scale, multitask, multisensory dataset for climate-aware crop monitoring in the US from 2018–2022. Sci Data 13, 72 (2026). https://doi.org/10.1038/s41597-026-06611-x

Ключевые слова: мониторинг культур, дистанционное зондирование, климатические экстремумы, машинное обучение, сельскохозяйственные данные