GMV prezentuje postępy w testach pilotażowych dla projektu CYBELE
GMV uczestniczy w finansowanym przez Unię Europejską projekcie CYBELE, którego celem jest wprowadzanie innowacji i tworzenie wartości w sektorze rolno-spożywczym poprzez wdrażanie metod rolnictwa precyzyjnego (PA) i precyzyjnej hodowli zwierząt (PLF).
Od początku projektu GMV jest liderem jednego z dziewięciu działań pilotażowych, którego cel to ocena skuteczności usług meteorologicznych opartych na najnowszych technologiach w procesie podejmowania decyzji w precyzyjnym rolnictwie i hodowli. Szczególnie dużo uwagi poświęcono rozwojowi usług klimatycznych wspomagających podejmowanie decyzji w zakresie zarządzania gospodarstwami zajmującymi się uprawą owoców.
Pod koniec stycznia odbyły się warsztaty zorganizowane przez europejską platformę HiPEAC, podczas których zaprezentowano pierwszą prototypową wersję platformy CYBELE. Prezentowana wersja jest wynikiem prac przeprowadzonych w ciągu pierwszych 2 lat projektu, obejmujących hardware i software HPC, Big Data i Cloud, które służą do realizacji skalowalnych analiz danych.
Firma GMV wskazała wyzwania w obszarze przetwarzania danych dla rolnictwa precyzyjnego i hodowli zwierząt, a także zaprezentowała rozwiązania i sposoby optymalizacji w zakresie wdrażania pełnoskalowej analizy danych produkcyjnych w ramach platformy CYBELE.
Podczas testów pilotażowych firma GMV poczyniła duże postępy w zakresie rozwoju koncepcji oraz eksploracji metod opartych na machine learning (ML) służących do prognozowania przymrozków i opadów gradu. Testy te zostały przeprowadzone na dwóch obszarach w regionie Walencji.
Ze względu na złożoność prognozowania ekstremalnych zjawisk pogodowych testy podzielono na trzy bloki: jeden poświęcony prognozowaniu opadów gradu, drugi prognozowaniu przymrozków i ostatni poświęcony fenologii poszczególnych typów owoców.
Wyniki uzyskane przez firmę w ramach programu pilotażowego opierają się na danych pochodzących z Meteorologicznego Systemu Archiwizacji i Wyszukiwania (Meteorological Archival and Retrieval System) Europejskiego Centrum Prognoz Średnioterminowych (ECMWF) oraz z Hiszpańskiej Agencji Meteorologicznej (AEMET).
