Aprendizaje profundo y teledetección para restaurar tierras agrícolas abandonadas en el Medio Volga (Rusia)
Autores: Gafurov, Artur; Ivanov, Maxim
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Aprendizaje profundo y teledetección para restaurar tierras agrícolas abandonadas en el Medio Volga (Rusia)
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Tierras agrícolas abandonadas
Región del Medio Volga
Desarrollo económico
Métodos de aprendizaje automático
Datos de teledetección
Idoneidad del suelo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Las tierras agrícolas abandonadas en la región del Medio Volga en Rusia, que surgieron debido a transformaciones socioeconómicas tras el colapso de la URSS y la liquidación de las granjas colectivas, representan un potencial significativo para aumentar la producción agrícola y el desarrollo económico de la región. Este estudio desarrolla un enfoque integral para evaluar la idoneidad de estas tierras para su retorno al ciclo agrícola utilizando métodos de aprendizaje automático y datos de teledetección. Se utilizaron imágenes de satélite Sentinel-2 y una red neuronal profunda basada en la arquitectura MAnet con un codificador Mix Vision Transformer (MiT-b5), que logró una precisión del 93.4% y un coeficiente de IoU de 0.84, para la segmentación semántica de tierras agrícolas modernas. Se analizaron las dinámicas de uso del suelo desde 1985 utilizando datos de Landsat 4-9, revelando áreas significativas de tierras cultivables abandonadas. La idoneidad de la tierra se evaluó teniendo en cuenta factores de recursos naturales como la topografía, los suelos y las condiciones climáticas. Los resultados mostraron que la superficie total de tierra adecuada para tierras recuperadas es de 2,014,845 ha, lo que podría llevar a un aumento en el rendimiento del trigo de 7.052 millones de toneladas. La ganancia neta acumulativa potencial se estima en 35.26 mil millones de rublos (alrededor de 352.6 millones de dólares estadounidenses). Las principales conclusiones indican el significativo potencial económico y social de devolver las tierras abandonadas al ciclo agrícola, lo que requiere un enfoque integral que incluya inversión en infraestructura y la introducción de agro-tecnologías modernas.
Descripción
Las tierras agrícolas abandonadas en la región del Medio Volga en Rusia, que surgieron debido a transformaciones socioeconómicas tras el colapso de la URSS y la liquidación de las granjas colectivas, representan un potencial significativo para aumentar la producción agrícola y el desarrollo económico de la región. Este estudio desarrolla un enfoque integral para evaluar la idoneidad de estas tierras para su retorno al ciclo agrícola utilizando métodos de aprendizaje automático y datos de teledetección. Se utilizaron imágenes de satélite Sentinel-2 y una red neuronal profunda basada en la arquitectura MAnet con un codificador Mix Vision Transformer (MiT-b5), que logró una precisión del 93.4% y un coeficiente de IoU de 0.84, para la segmentación semántica de tierras agrícolas modernas. Se analizaron las dinámicas de uso del suelo desde 1985 utilizando datos de Landsat 4-9, revelando áreas significativas de tierras cultivables abandonadas. La idoneidad de la tierra se evaluó teniendo en cuenta factores de recursos naturales como la topografía, los suelos y las condiciones climáticas. Los resultados mostraron que la superficie total de tierra adecuada para tierras recuperadas es de 2,014,845 ha, lo que podría llevar a un aumento en el rendimiento del trigo de 7.052 millones de toneladas. La ganancia neta acumulativa potencial se estima en 35.26 mil millones de rublos (alrededor de 352.6 millones de dólares estadounidenses). Las principales conclusiones indican el significativo potencial económico y social de devolver las tierras abandonadas al ciclo agrícola, lo que requiere un enfoque integral que incluya inversión en infraestructura y la introducción de agro-tecnologías modernas.