Интелигентното растениевъдство може да се използва за подпомагане за взимане на решения за управление на различни етапи на растениевъдството, което помага за оптимизиране му, като същевременно се занимава с качеството на околната среда рентабилност и устойчивост. По-голяма прецизност в селското стопанство означава по-добра защита на околната среда, благодарение на по-малко вложени гориво, вода, торове и средства за растителна защита; по-висока доходност, благодарение на по-малко щети и загуби при културите, както и бързо извършване на дейностите, което води до намалено работно време и по-ниски производствени разходи. Така фермерите получават рентабилно и екологично производство с оптимално използване на ресурсите. На глобално ниво интелигентното растениевъдство може да помогне за справяне с предизвикателствата при осигуряване на храна в бъдеще чрез повишаване ръста на производителността в селското стопанство, като помага да се постигнат по-високи добиви чрез намаляване на труда, необходим за производството на храни, фуражи, горива и биомаса.

Цел на Работен пакет 2.2 е проучване и прилагане на възможностите и разработване на модели за използването на сателитни изображения и дигитални методи за диагностика, прогноза и управление на производството на качествена растениевъдна продукция. Провеждане на пилотни проекти с цел трансфер на космически технологии в растениевъдството за интензифициране на връзките на науката с образованието, бизнеса, държавните органи и обществото като цяло.

Селското стопанство е една от най-важните области на човешката дейност и по тази причина има решаващо въздействие върху околната среда и ландшафта. Основната му цел, преди всичко е производство на висококачествени суровини за хранително-вкусовата промишленост и животновъдството. Максимизиране на производството и печалбата са основни цели при развитието на конвенционалното земеделие. Резултат от тази интензификация е намаляване на биологичното разнообразие в земеделските райони и нарушаване на биологичното равновесие в природните екосистеми.
Методите на биологичното земеделие са свързани с подобряване на биоразнообразието на естествените биотопи, защото те помагат да се създадат по-разнообразни условия на живот, по-добри условия за размножаване и разпространение на отделни видове, увеличаване на предлагането на хранителни вещества и т.н. Това е система, която повече е фокусирана върху проблемите, свързани с опазването на околната среда и човешкото здраве. При биологичното земеделие, биоразнообразието на флората и фауната е по-голяма, отколкото при конвенционалното (Šarapatka and Urban, 2007).
Биологичното земеделие е важен приоритет в тематичните приоритети на европейските научни програми, в политиката за развитие на земеделието в Република България, както и един от акцентите на Общата селскостопанска политика за периода 2014-2020 г. Съобразно приоритетите на Шеста и Седма рамкови програми, научните изследвания, свързани с развитието на биологично земеделие у нас са от голямо значение за развитието на науката в България и превръщането й във фактор за растеж на икономиката.
Основните култури, които се отглеждат у нас по биологичен път са трайни насаждения, зърнено-житни култури, технически култури, зеленчукови култури, някои нетрадиционни видове. През последните години се наблюдава значителен ръст на площите, заети с ливади и пасища, както и тези заети с фуражни бобови култури, поради нарастващия интерес на фермерите към биологично животновъдство (Симинов, 2015).
Някои от фуражните бобови видове се отличават с голяма пластичност, адаптивност и висок продуктивен потенциал, което ги определя като особено подходящи за този тип производство. Правилният избор на вида се определя и от други основни характеристики, включващи широка екологична стабилност, отзивчивост и толерантност към стресови биотични (вредители) и абиотични фактори на средата (воден дефицит, сухоустойчивост и др.).
Биопестицидите заемат все по-важно място в растителнозащитния сектор (Copping and Menn, 2000). Те са високо ефикасни, безопасни и екологично приемливи (Nathan et al., 2004; Isman M. B., 2006). Общите тенденции през последните две десетилетия се изразяват в намаляване на зависимостта от синтетичните продукти при контрол на вредителите в селското и горско стопанство, както и опазване на околната среда. Биопестицидите могат да бъдат отлични алтернативи на химическите пестициди. С повишаване на обществената информираност за здравните и екологични проблеми, свързани с използването на химически продукти, решаването на проблемите, произтичащи от третиране с пестициди, придоби съществено значение и важност за много заинтересовани страни (Saini, 2014).
Бобовите култури притежават ценни, незаменими хранителни качества. Фасулът и грахът са популярни зеленчуци, които са добър източник на протеини и въглехидрати. Те имат важно значение и за агротехниката, като отличен предшественик за житни, зеленчукови и техническите култури. Бобовите растения като фасул и грах играят важна роля в системата за сеитбообращение, като обогатяват почвата с азот, с което подобряват почвеното плодородие.
Бобовите култури се нападат от голям брой болести и неприятели през вегетацията. Продуктите за растителна защита са ключови eлементи при решаването на проблемите, свързани с контрола на неприятелите при бобовите култури. За да не се стига до излишни разходи за тях, замърсяване на продукцията, околната среда и заплаха за здравето на хората, приложението им трябва да се основава на принципи за рационалност и при строго спазване на изискванията за устойчива употреба. Подход, който предлага това, като комплексна борба с вредителите е интегрирано управление, базирано на мониторинг, превенция и интервенция. Устойчивото управление на производството не изключва елементи от конвенционалното, но лансира интегрираните и биологични подходи, съчетани по оптимален начин, осигуряващи запазване на биоравновесието. Интензивното и често монокултурно отглеждане на бобовите култури стимулира натрупване на патогенните форми микроорганизми и инсекти. Процесът на саморегулацията на видовете в почвата и посевите се нарушава, това води до нарастване на инфекциозният фон до критическите граници. Възстановяване и възраждане на биологичната активност на почвата е бавен процес, който може да бъде регулиран и подпомаган с помощта на агротехнически, селекционни и микробиологичски методи. Проучването на биологичната активност на нови продукти за растителна защита, а така също и на биопрепарати е от решаващо значение за разработването на съвременните растителнозащитни системи. Включването на селективни за полезните видове продукти за растителна защита ще даде възможност за оптимално съчетаване на различни методи за контрол на вредителите.
Опазването на почвеното плодородие и осигуряването на балансирано хранене на бобовите култури е от същественно значение. През последните години се обръща все по-голямо внимание на някои нови подходи за управление на почвеното плодородие – биологични торове на базата на амино- и хуминови киселини, полезни почвени микроорганизми и др.

НАУЧНИ ЗАДАЧИ:

2.2.1 Изследване на възможностите за синхронизиране на хиперспектралните данни (спътникови и аеро) с наземните изследвания за мониторинг на екобиологичния статус (контрол на основните химико-физични параметри на почвата) на различни култури.

ДЕЙНОСТИ:
1) Анализ на изискванията на наземните изследвания необходими за синхронизиране на хиперспектрални данни от ново поколение космически сензори (действащи и в процес на разработка, с цел мониторинг на екобиологичния статус (контрол на основните химико-физични параметри на почвата) на различни култури (полски, зеленчукови и трайни насаждения), както и комбинирането им с други данни за целите на растителната феномика.
2) Анализ на оперативните услуги на програма „Коперник” на ЕС за наблюдение на Земята от космоса, с цел интегрирането им в българското растениевъдство и подпомагане участието членовете на консорциума в европейските програми за прецизно земеделие (GEOGLAM, CAP2020+, SOCAP, EO4SD и др.)
3) Разработване на единни протоколи за провеждане на полеви кампании (ПК) за събиране на синхронни наземни данни (измервания чрез интелигентни сензори) на типа тестови участъци (полски, зеленчукови и трайни насаждения), заети с различни култури по предложен списък от партньорите от АУ и ССА за целите на:
a. Определяне фенологията на растенията (РП 2.3) ; -Тестова задача -1 , (ТЗ-1)
b. Оценка на състоянието на посева; Тестова задача -2 , (ТЗ-2)
c. Установяване на продуктивността; Тестова задача -3 , (ТЗ-3)
d. Установяване на добива и неговите елементи Тестова задача -4 , (ТЗ-4)
4) Провеждане на полеви кампании за събиране на синхронни реални данни от тестови полета с различни култури с цел тестване на алгоритми и модели за ИИ , разработвани в Задача 2.1.1 (Полевите кампании ще се проведат на базата на протокола получен в изпълнение на дейност 3): ТЗ-1/ ТЗ-2 /ТЗ-3/ТЗ-4
5) Провеждане на лабораторни анализи и измервания на почвени и растителни проби за избрани култури по време на ПК с цел валидиране на модела за вземане на решение съгласно Задача 2.1.2 ТЗ-1/ ТЗ-2 /ТЗ-3/ТЗ-4

2.2.2. Изследване на способността на изкуствения интелект за вземане на решения за използване на алтернативни технологии за дистанционен мониторинг и диагностика, в зависимост от информацията за климатичните условия от база данни на различни сателити, приведени в единна информационната система за съпоставимост на данните с координатите на площите.

ДЕЙНОСТИ:
6) Проучване на съвременните тенденции на изкуствения интелект за вземане на решения за използване на алтернативни технологии за дистанционен мониторинг и диагностика на база данни на различни сателити.
7) Идентифициране на параметрите за дистанционен мониторинг и диагностика на екобиологичния статус (контрол на основните химико-физични параметри на почвата) на различни култури (полски, зеленчукови и трайни насаждения), в зависимост от информацията за климатичните условия от база данни на различни сателити.
8) Анализ на методи от изкуствения интелект за вземане на решения за приведени в единна система за съпоставимост на данните с координатите на площите: ТЗ-1/ ТЗ-2 /ТЗ-3/ТЗ-4
9) Подготовка на набор (множество) от данни за обучение за конструиране на модела за машинно обучение: ТЗ-1/ ТЗ-2 /ТЗ-3/ТЗ-4.
10) Изграждане на прототип на модел за вземане на решения за използване на дистанционен мониторинг и диагностика на база данни на различни сателити на различни култури (полски, зеленчукови и трайни насаждения) за целите посочени в 3). ТЗ-1/ ТЗ-2 /ТЗ-3/ТЗ-4
11) Валидиране на модел за вземане на решения с реални данни за използване на дистанционен мониторинг и диагностика на база данни на различни сателити на различни култури (полски, зеленчукови и трайни насаждения): ТЗ-1/ ТЗ-2 /ТЗ-3/ТЗ-4.
12) Обработка на данни и настройка на модела за вземане на решения за използване на дистанционен мониторинг и диагностика на база данни при различни сателити на различни култури (полски, зеленчукови и трайни насаждения): ТЗ-1/ ТЗ-2 /ТЗ-3/ТЗ-4.
13) Изследване възможностите за адаптиране на съществуващите методи за атмосферна корекция с регионални/локални данни за климатичните условия.

2.2.3 Разработване на алгоритми за съвместно използване на получените данни от дистанционното наблюдение на Земята в комбинация с изображенията, получени от алтернативните технологии за мониторинг, за обучение на изкуствения интелект за разпознаване/определяне на вида на културата и степента на нейното развитие.

ДЕЙНОСТИ:
14) Изследване и анализ на радиометрични, пространствени характеристики на различни типове култури и формиране на класове от признаци за обучение на изкуствения интелект (библиотеки, сигнатури, обучаващи множества и др.).
15) Изследване и оценка за адаптиране на алгоритмите за извличане на био-геофизични параметри от глобален мониторинг посочени в 2.1.4 ( Copernicus Global Land Service) и тяхното адаптиране (скалиране) в локален/ регионален мащаб (по висока разделителна способност на получените индекси).
16) Разработване и тестване на регресионни модели, базирани на разработените алгоритми за количествено определяне на определени параметри на изследваните земеделски култури (полски, зеленчукови и трайни насаждения) и за целите на растителната феномика, съгласно работния план на РП2.3 ТЗ-1/ ТЗ-2 /ТЗ-3/ТЗ-4.
17) Дефиниране на времеви серии за анализ на типични признаци за автоматична идентификация на обекти на интерес ТЗ-1/ ТЗ-2 /ТЗ-3/ТЗ-4.
18) Разработване на методология за мониторинг на земеделски култури чрез дистанционни методи за наблюдение на Земята.

2.2.4 Разработване и поддържане на софтуерна платформа (GIS) за интегриране на данните от усъвършенствани технологии за мониторинг на параметрите на почвата и прогноза за добивите на основните култури и данните, получени от сателитите (като Soil Water Index (SWI), Surface Soil Moisture (SSM), Normalized Difference Vegetation Index (NDVI), Burnt Area, и др)., както и изображения от Sentinel-1X, Sentinel-2X, Sentinel-3X и Sentinel-5P.

ДЕЙНОСТИ:
19) Дефиниране на основните случаи на употреба и тяхното приоритизиране при изграждане на ГИС за интелигентно растениевъдство.
20) Проектиране на софтуерна архитектура на платформа (GIS) за интегриране на данните от усъвършенствани технологии за мониторинг на параметрите на почвата и прогноза за добивите на основните култури и данните, получени от сателитите.
21) Проектиране и създаване на машината за анализ на данни чрез използване на способността на изкуствения интелект за вземане на решения, изследван в научна задача 2.
22) Тестване и разработване на модул на база цифров модел (предоставен от РП 2.1) за прогнозиране на срокове за изчерпване на оптималните водни запаси и необходимост от поливане за недопускане загуба на добив поради засушаване и суша.
23) Разработване на модул на база цифров модел (предоставен от РП 2.1) за прогнозиране на очакваните добиви от сеитба до начало на репродуктивния стадии при едногодишните култури по данни от дистанционни измервания.
24) Разработване на модул на база емпиричен модел (предоставен от РП 2.1) за прогнозиране на очакваната дата на узряване на плодовете и добиви, от възстановяване на вегетацията през пролетта до цъфтеж при трайните насаждения по данни от дистанционни измервания.
25) Разработване на прототип на системата, базиран на предложената софтуерна архитектура и интегриране на отделните компоненти.
26) Дефиниране на предварителни пилотни сценарии, базирани на случаите на употреба, за пилотни изпитвания на системата на избраните тестови участъци от предходните задача.
27) Валидиране на системата и алгоритмите посредством оценката на дефинираните пилотни изпитания.

2.2.5 Интегриране на големи обеми от данни (от спътникови, аеро- и наземни измервания) за почвен анализ и използване на методите на изкуствения интелект за създаване Национален цифров почвен каталог.

ДЕЙНОСТИ:
28) Организация на хранилище за агрегиране и анализ на източниците на наземни и дистанционни данни (включително отворените бази за данни и услуги на програмата Коперник-ЕС) и определяне на формата на данни.
29) Проектиране на разпределена база данни от цифрови мултиспектрални и хиперспектрални изображения, от стационарните и дистанционните сензори на полски, зеленчукови култури и трайни насаждения и почви за последващо комплексно, изследване на основните им качествени показатели от лабораторен и полски скрининг, която се изгражда с данни получени от РП 2.1.
30) Проектиране на разпределена база данни с информация за състоянието на културите, фази на развитие, плевели и болести, която се изгражда с данни получени от РП 2.1
31) Проектиране на гео-база данни за всички тестови полета (реални производствени парцели и опитните полета на участниците в задачата). В нея ще бъдат въведени референтни данни (релеф, почвени карти и др.), събраните данни от полевите кампании (ПК) и спътникови изображения получени синхронно с проведените ПК.
32) Проектиране, изграждане и актуализиране на гео-базата данни за всички тестови полета (реални производствени парцели и опитните полета на участниците в задачата).
33) Събиране и изграждане на масиви от данни (от спътникови, аеро- и наземни измервания) за почвен анализ и използване на методите на изкуствения интелект за създаване Национален цифров почвен каталог.

2.2.6 Анализ на ефективността на новосъздадените технологии чрез изследване на реални участъци с различни култури (полски, зеленчукови и трайни насаждения) за наблюдение на растителността чрез прецизни сателитни изображения за вегетационни индекси.

ДЕЙНОСТИ:
34) Анализ и подбор на тестовите обекти и разработването на план за провеждане на Полевите кампании за срока на проекта.
35) Събиране на синхронни наземни и дистанционни данни от за избраните тестови участъци (реални производствени парцели и опитните полета на участниците в задачата) заети с различни култури (полски, зеленчукови и трайни насаждения) ТЗ-1/ ТЗ-2 /ТЗ-3/ТЗ-4.
36) Генериране на данни от лабораторни анализи на събраните почвени и растителни проби по време на ПК ТЗ-1/ ТЗ-2 /ТЗ-3/ТЗ-4.
37) Агрегиране, анализ и оценка на точностите на получените данни от различните източници
38) Верифициране на алгоритмите и тестване на моделите за автоматична класификации с реални параметри от различно обекти (култури или сортове при растителната феномика).
39) Валидиране на резултатите и оценка приложимостта на различите алгоритми в конкретни области на растениевъдството.
40) Разработване на пилотни проекти, базирани на съществуващите платформи с отворен достъп за данни и услуги за различни приложни задачи от растениевъдството.
41) Създаване на национална мрежа от тестови полета за валидиране на спътникови данни и продукти

Ръководител на Работния пакет Камен Илиев – РСТ-ТТО 02 979 24 53 k.iliev@rst-tto.com
Членове на научния колектив Проф. д-р Евгения Руменина – ИКИТ-БАН
Проф. д-р Георги Желев – ИКИТ-БАН
Проф. дн Ирена Атанасова – ИПАЗР „Н. Пушкаров“, ССА
Проф. д-р инж. Мартин Банов – ИПАЗР „Н. Пушкаров“, ССА
Проф. Д-р Венета Кръстева – ИПАЗР „Н. Пушкаров“, ССА
Проф. д-р Валентин Казанджиев – НИМХ
Проф. д-р Николай Панайотов – АУ
Доц. д-р Александър Гиков – ИКИТ-БАН
Доц. д-р Петър Димитров – ИКИТ-БАН
Доц. д-р инж. Аделина Алексиева – РСТ-ТТО
Доц. д-р Лъчезар Филчев – ИКИТ-БАН
Доц. д-р Виктор Колчаков – ССА, ИПАЗР „Н. Пушкаров“
Доц. д-р инж. Жулиета Арнаудова – АУ
Доц. д-р Димка Хайтова – АУ
Гл. ас. д-р инж. Вера Стефанова – АУ
Гл. ас д-р Боян Сталев – АУ
Ас. д-р Златомир Димитров – ИКИТ-БАН
Ас. д-р Десислава Ганева-Кирякова – ИКИТ-БАН
Ас. Илина Каменова – ИКИТ-БАН
д-р Светлин Фотев – РСТ-ТТО
докторант Милен Чанев – ИКИТ-БАН
докторант Ивайло Ченчев – РСТ-ТТО
Катя Димитрова – РСТ-ТТО
Невена Митева – ИПАЗР „Н. Пушкаров“, ССА

I am text block. Click edit button to change this text. Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.