


A Víz Világnapjának apropóján szeretnénk felhívni a figyelmet a talajnedvesség kiemelkedő fontosságára, hiszen egyre szélsőségesebbé váló éghajlatunkon hatalmas kihívást jelent talajaink kiszáradása.
A Víz Világnapjának apropóján szeretnénk felhívni a figyelmet a talajnedvesség kiemelkedő fontosságára, hiszen egyre szélsőségesebbé váló éghajlatunkon hatalmas kihívást jelent talajaink kiszáradása. A probléma sikeres kezelésének egyik záloga a talajnedvesség folyamatos monitoringja földi és műholdas eszközökkel. E tekintetben javasolnak innovatív megoldásokat Dr. Blanka-Végi Viktória és szerzőtársai cikkükben, mely a rangos Water Resources Management című szaklapban jelent meg.
A cikkben bemutatott kutatás célja olyan gépi tanuláson alapuló modellek kifejlesztése és tesztelése, amely műholdas, terepen mért, valamint térképi adatokat integrál a talajnedvesség tér- és időbeli változásainak becslésére. A kutatás célterülete a Dél-Alföld, ami fokozódó mértékben van kitéve a szélsőséges hidrológiai eseményeknek.
Eredményeink azt mutatják, hogy a különböző adatforrások integrálása javíthatja a talajnedvesség becslését az egyetlen adatforrásból történő becslésekhez képest. A talajnedvességet befolyásoló tényezők, (mint például a területhasználat, a talaj, vagy a szezonálisan változó meteorológiai tényezők és vegetációborítás) és a modellezésbe bevont adatforrások szerepének és hatásainak értékelése rámutatott az adatforrásokkal és a modellezéssel kapcsolatos korlátozó tényezőkre is, ami elősegíti a felépített modell további pontosítását.
Az integrált megközelítést alkalmazó gépi tanulási módszerek, hatékonyabbá tehetik a talajnedvesség tér-időbeli változásainak becslését és jelentős lehetőségeket rejtenek magukban a talajnedvesség nagy területeken történő megfigyelésében. Ezáltal hatékonyan támogathatják a vízgazdálkodás és mezőgazdaság tervezését, és az aszályos események negatív ökológiai és gazdasági hatásainak csökkentését támogató monitoring és előrejelzési megoldások fejlesztését.
A modellezett és a terepi állomásokon mért napi átlagos talajnedvesség összehasonlításának eredménye (a színek a talajnedvesség értékét, a feliratok a modellezett és a mért talajnedvesség relatív különbségét jelzik).