Projekta nosaukums latviski: Augsnes bioloģiskā indeksa (QBS) noteikšana, izmantojot mašīnmācīšanos
Projekta nosaukums angliski: Soil biological quality index (QBS) determination using machine learning
Projekta numurs: lzp-2024/1-0643
Projekta īstenotājs: Latvijas Universitāte (LU)
Projekta sadarbības partneri: Elektronikas un datorzinātņu institūts
Projekta vadītājs: Antra Boča
Projekta īstenošanā vadošā iestāde LU ir Medicīnas un dzīvības zinātņu fakultāte
Projekta īstenošanas periods: 01.01.2025. – 31.12.2027.
Projekta kopējais finansējums: 300 000 EUR, tajā skaitā LU projekta daļai piešķirtais finansējums: 169 104 EUR
Plānotie projekta rezultāti:
- 2 oriģināli anonīmi recenzēti zinātniski raksti
- Iesniegts projekta pieteikums starptautiskā projektu uzsaukumā
- Izstrādāts studiju noslēguma darbs
- Publicētas augsnes faunas datu kopas
- Mašīnmācīšanās modelis augsnes bioloģiskā indeksa noteikšanai
Zinātniskā grupa: Antra Boča, Uģis Kagainis, Ineta Salmane, Edīte Juceviča, Roberts Kadiķis, Maksims Ivanovs
Informācija par projektu:
Izpratne par augsnes bioloģiskās daudzveidības stāvokli pasaulē ir salīdzinoši zema. Tas rada grūtības noteikt augšņu ekoloģiskā stāvokļa kategorijas (kas ir vesela vai nevesela augsne) un veidot vadlīnijas efektīvam augsnes veselības monitoringam. Lai gan detalizēta augsnes bioloģiskās daudzveidības izpēte sniegtu būtisku informāciju, tā bieži vien ir sarežģīta un izmaksu ziņā dārga. Tāpēc kā vienkāršāks un pieejamāks risinājums ir izstrādāts bioloģiskās kvalitātes indekss QBS-ar, kas balstās uz augsnes posmkāju analīzi. Šī projekta galvenais mērķis ir izstrādāt mašīnmācīšanās (ML) modeļus, kas var noteikt QBS-ar, analizējot no augsnes paraugiem iegūto mazo posmkāju populācijas attēlus. Šie modeļi būs piemēroti plaša mēroga pētījumiem, tostarp augsnes monitoringa programmām.
Izstrādāti mašīnmācīšanās modeļi augsnes organismu atpazīšanai. Sagatavota marķētu mikroskopijas attēlu datu kopa un apmācīti modeļi augsnes sīko posmkāju atpazīšanai, veidojot pamatu automatizētai augsnes bioloģiskās kvalitātes indeksa (QBS-ar) noteikšanai. Labākais modelis sasniedza atpazīšanas kvalitātes rādītāja (mAP₅₀) vērtību 89,7 %, turklāt, izmantojot attēlus ar ikdienas laboratorijas darbam raksturīgām nepilnībām. Šis ir būtiski, domājot par metodes ieviešanu regulāra augsnes monitoringa procesā.
Pilnveidota augsnes bioloģiskā indeksa (QBS) novērtēšanas metode. Izstrādāta augsnes ērču klasifikācija piecās funkcionālās apakšgrupās, kas ļauj detalizētāk raksturot to pielāgošanos dzīvei augsnē. Klasifikācija pilnveidota sadarbībā ar Parmas Universitātes pētniekiem. Metodes piemērotība augsnes apsaimniekošanas ietekmes novērtēšanai tiks pārbaudīta projektā ievāktajos paraugos.
Iegūti pirmie dati par augsnes bioloģiskā indeksa (QBS) vērtībām Latvijas lauksaimniecības zemēs. Apsekoti 14 lauki, aptverot konvencionāli un bioloģiski apsaimniekotas platības, kā arī ilggadīgās ganības, un noteikts QBS-ar indekss un augsnes fizikālās un ķīmiskās īpašības. Rezultāti atklāj ievērojamu QBS indeksa mainību pat viena lauka robežās, uzsverot reprezentatīvas paraugu ievākšanas nozīmi.