Евгений, спасибо за ваш комментарий! Вы совершенно правы — я осветила в статье базовые принципы фенологического моделирования, но не коснулась практической стороны внедрения. В статье я сфокусировалась на концептуальном понимании факторов, влияющих на развитие растений, поскольку это основа для аналитиков без агрономического образования. В реальности наша модель реализована на Python с использованием библиотек NumPy, Pandas и Rasterio для обработки спутниковых снимков. Что касается практических результатов:
Для яровых культур (пшеница, овес) точность прогноза даты созревания составила ±3-6 дней в большинстве случаев; Озимые культуры прогнозируются с точностью ±4-7 дней; Наибольшие отклонения (до 10 дней) наблюдались в годы с экстремальными погодными условиями
К сожалению, я не могу поделиться кодом, так как это часть рабочих проектов, но основная логика описана в статье — расчет накопления активных температур с поправкой на водный стресс и другие факторы. Если у вас есть интерес к практической реализации подобных моделей, я могла бы подготовить отдельный материал с примерами простых реализаций на открытых данных или более детально рассказать о процессе калибровки модели на исторических данных конкретного хозяйства.
Евгений, спасибо за ваш комментарий! Вы совершенно правы — я осветила в статье базовые принципы фенологического моделирования, но не коснулась практической стороны внедрения.
В статье я сфокусировалась на концептуальном понимании факторов, влияющих на развитие растений, поскольку это основа для аналитиков без агрономического образования. В реальности наша модель реализована на Python с использованием библиотек NumPy, Pandas и Rasterio для обработки спутниковых снимков.
Что касается практических результатов:
Для яровых культур (пшеница, овес) точность прогноза даты созревания составила ±3-6 дней в большинстве случаев;
Озимые культуры прогнозируются с точностью ±4-7 дней;
Наибольшие отклонения (до 10 дней) наблюдались в годы с экстремальными погодными условиями
К сожалению, я не могу поделиться кодом, так как это часть рабочих проектов, но основная логика описана в статье — расчет накопления активных температур с поправкой на водный стресс и другие факторы.
Если у вас есть интерес к практической реализации подобных моделей, я могла бы подготовить отдельный материал с примерами простых реализаций на открытых данных или более детально рассказать о процессе калибровки модели на исторических данных конкретного хозяйства.