A változók, mint a különböző talajparaméterek (talajtípus, pH, textúra, szerves anyag, nitrogén-, foszfor- és káliumtartalom), havi átlag csapadék mennyiség, havi átlag hőmérséklet és földrajzi koordináta, fontosságát is vizsgálták a modellben. A modelleket a három legnagyobb területen termesztett gabonákra (búza, kukorica, napraforgó) számolták ki. Utolsó lépésként a domborzati viszonyokkal is súlyozták a kapott értékeket. Az eredménytérképek 0 és 100 közötti értékeket tartalmaznak, 100 méteres felbontásban. A javasolt módszertan a kataszteri rendszerekben, valamint a földhasználati tervezésben és a mezőgazdasági fejlesztési programokban való lehetséges alkalmazások mellett a biomassza termelékenység integrált nyomon követésére is alkalmazható. A kutatási eredményeket a Remote Sensing (Q1, IF: 5,349) c. folyóiratban, ingyenesen olvashatóan (open access) tették közzé:
Previous slide
Next slide
Nemzeti termőföld értékelés: távérzékelési adatok és terepi mérések alapján
Az ATK Talajtani Intézet kutatói egy új, mesterséges intelligencián (Random Forest) alapuló országos földértékelési modellt alkottak meg. A hagyományos földértékelési megközelítést alkalmazva a termésátlag volt a függőváltozó, valamint felhasználtak még műholdfelvételeken alapuló mutatókat, digitális talaj- és klímatérképeket.
A díjazott pályamű címe: "A talajok térbeli változékonyságának geostatisztikai alapú kvantitatív értékelése".
© Copyright ATK Minden jog fenntartva. 2023
