ФАО, ЄБРР, NASA Harvest, Страсбурзький університет і Microsoft AI for Good Lab представили пілотний вебінструмент для моніторингу та верифікації сталих агропрактик MRV-інструменту, який відновлює історію культур на полі з 2017 року, порівнює практики господарства з регіональним бенчмарком і може стати незалежним доказом для банків, держави та покупців, пише SEEDS.
Історію використання українських полів тепер можна відновлювати з космосу. Під час онлайн-презентації «Моніторинг, звітність, верифікація (MRV) та дистанційний моніторинг сталого землеробства: практичні можливості для українського агробізнесу» команда міжнародного проєкту представила попередні результати супутникового моніторингу сівозмін та веб-інструмент для потенційних користувачів.
Читайте також: Україна закликає ЄС задіяти тимчасовий механізм часткової компенсації логістичних витрат на агроекспорт
Пілот створено в межах співпраці ФАО та ЄБРР із NASA Harvest, Страсбурзьким університетом, Microsoft AI for Good Lab та українськими партнерами. Наразі система охоплює Сумську і Чернігівську області, але команда розглядає її масштабування на всю Україну.
Від супутникової карти — до доказу того,
як господарює фермер
Дослідницький інженер Страсбурзького університету та NASA Harvest Йозеф Вагнер (Josef Wagner) пояснив, що завдання проєкту — перетворити дані дистанційного зондування Землі на практичний інструмент MRV — monitoring, reporting and verification, тобто моніторингу, звітності та верифікації сталих агропрактик.
У представленій системі супутникові карти дають змогу визначати основну культуру на конкретному полі по роках, розраховувати частоту монокультури, різноманіття сівозміни, зміну груп культур і виконання заданих агрономічних рекомендацій. Для кожного поля історія може відстежуватися з 2017 року.
При цьому команда наголошує: ACES Crop Rotation MRV не замінює сертифікацію. Його роль — додати до процесу незалежний і відносно недорогий супутниковий доказ, який може підтвердити або поставити під сумнів заявлені фермером дані.
Точність карт у пілоті — 98%
Проєкт наразі картує п’ять основних культур: кукурудзу, пшеницю, сою, соняшник і ріпак. Ячмінь, горох та інші культури на цьому етапі потрапляють до категорії «інші».
За результатами пілоту в Сумській та Чернігівській областях середня точність визначення цих п’яти культур за показником F1 становила 98%. Для 97,3% полів культура була правильно визначена в усі роки, доступні для перевірки: йдеться про 1 421 поле з 1 460, які мали щонайменше дворічну історію спостережень.
Крім того, зіставлення супутникових оцінок структури посівів з офіційною статистикою Держстату за 2017–2024 роки дало кореляцію 96%. Водночас автори дослідження прямо застерігають: ці показники отримані саме для двох пілотних областей і не гарантують такої самої точності для всієї України без додаткового навчання та перевірки моделей. Чому це стає важливим для інтеграції в ЄС
Окремий блок презентації стосувався майбутньої відповідності українського агросектору європейським вимогам. У межах Спільної аграрної політики ЄС діє стандарт GAEC 7, пов’язаний із сівозміною на рівні земельних ділянок. Для отримання відповідних виплат фермер має не лише декларувати практики, а й бути готовим їх підтвердити.
Ще один фактор — вимоги покупців до простежуваності ланцюгів постачання та звітності щодо непрямих викидів Scope 3. Для європейського імпортера дедалі важливішим стає не лише походження зерна, а й те, за яких практик воно було вирощене.
Асоційована директорка та старша банкірка департаменту продовольства й агробізнесу ЄБРР Анна Лебединець зазначила, що виробники, які можуть переконливо продемонструвати впровадження сталих практик, потенційно отримують кращий доступ до «зеленого» фінансування або преміальних ринків. Саме тому надійна система моніторингу, звітності та верифікації набуває практичного фінансового значення.
Кейс Kernel:
монокультура — 8,6% проти 26,7% у регіональному бенчмарку
Одним із ключових партнерів пілоту став Kernel. Для кейсу компанія надала 87 полів, з яких 81 було проаналізовано; сукупна площа становить близько 15 тис. га.
Втім, дослідники спеціально не обмежили навчання моделі даними одного агрохолдингу. Як пояснив Йозеф Вагнер (Josef Wagner), однорідна структура культур у такому наборі могла б дати штучно високий результат: модель навчилася б розпізнавати не самі культури, а структуру конкретного масиву даних.
Тому для навчання використали близько 6 200 розмічених полів у Сумській та Чернігівській областях за 2021–2025 роки. Референсні дані надали Kernel, IMC, Nibulon, Zelena Dolyna, Frendt, Beta-Agro, MHP, Світовий банк та інші партнери.
За супутниковою оцінкою, у портфелі Kernel частка випадків, коли на полі два роки поспіль вирощувалася одна й та сама основна культура, за 2017–2025 роки становила 8,6%. Для навколишніх сільгоспугідь у тих самих областях відповідний бенчмарк становив 26,7%.
Ще виразніше виглядає порівняння двох періодів усередині самого портфеля: у 2017–2020 роках частота монокультури становила 16,5%, тоді як у 2021–2025 роках — 0,8%. На слайдах команда уточнила, що 0,8% після 2021 року припадають на два поля врожаю 2022 року, де дані господарства і результати супутникового картування розійшлися. Фермер завантажує контури полів — система формує оцінку та звіт
Практичну роботу прототипу показав член команди проєкту Рохан Саван (Rohan Sawahn). Користувач може завантажити контури власних полів, після чого система витягує супутникову історію культур і розраховує показники для портфеля.
Інтерфейс дозволяє переглядати окремі поля, порівнювати два часові періоди — наприклад до і після зміни агропрактик, — зіставляти власні показники з усіма сільгоспугіддями відповідного району або області, а також перевіряти, чи збігається заявлена фермером культура з тією, яку визначив супутниковий алгоритм.
У демонстраційному прикладі система аналізувала портфель із 70 полів загальною площею 8 330 га; збіг заявлених культур із супутниковими картами становив 94%. Це був приклад роботи інтерфейсу, а не той самий набір полів Kernel.
Після аналізу система може сформувати PDF-звіт із показниками сівозміни та порівняннями. Такий документ розглядається не як сертифікат, а як незалежне supporting evidence — додаткове підтвердження для банку, покупця, аудитора чи іншого контрагента.
Банки та держава можуть стати користувачами MRV
Старший економіст Інвестиційного центру ФАО Дмитро Приходько зазначив, що практичними користувачами такого інструменту можуть бути як фінансові установи, так і держава. Якщо банк кредитує агрокомпанію за умовами, що передбачають дотримання певних екологічних або агрономічних вимог, супутникова верифікація може стати одним із способів підтвердження їх виконання.
Аналогічний підхід потенційно може бути використаний у державних програмах підтримки сталого землеробства. Після завершення поточної роботи команда планує обговорювати з урядом, Державним аграрним реєстром і профільними органами, чи може інструмент бути інтегрований у наявні механізми підтримки.
Приходько окремо підкреслив, що наразі йдеться не про заміну систем сертифікації вуглецевих кредитів. На цьому етапі команда відпрацьовує дистанційну верифікацію конкретних практик, які реально спостерігати із супутника.
Заступник міністра аграрної політики та продовольства України Віталій Головня звернув увагу, що подібні інструменти можуть у майбутньому зменшувати адміністративне навантаження та транзакційні витрати як для агробізнесу, так і для держави, а також створювати історію змін для конкретної компанії або земельного масиву.
Наступний крок — обробіток ґрунту, покривні культури і масштабування на всю Україну
Сівозміна — лише перший модуль. Команда вже працює над картуванням і моніторингом обробітку ґрунту: чи було поле оброблене, коли саме це сталося і який тип обробітку застосовувався. Окремий напрям — виявлення покривних культур між основними культурами.
У перспективі розробники хочуть поширити ті самі карти та метрики за межі Сумської й Чернігівської областей на всю Україну. Ще одна ідея — створити своєрідний агрокадастр із 2017 року: єдину базу меж полів і культур по роках, яку згодом можна доповнювати даними про обробіток ґрунту та інші сталі практики.
Керівна директорка Microsoft AI for Good Lab, співдиректорка NASA Harvest та професорка-дослідниця Університету Меріленда і Страсбурзького університету Інбал Бекер-Решеф (Inbal Becker-Reshef) нагадала, що з 2022 року команда вже використовує супутникові дані в Україні для оцінки площ культур, урожайності, виробництва, пошкоджень і змін землекористування в умовах, коли наземні дані отримати складно або неможливо. Накоплена за роки війни методологія тепер може бути використана і для відбудови та «зеленого» переходу агросектору.
Головне обмеження — якісні наземні дані
Фінальний висновок команди проєкту доволі практичний: дані Earth Observation можуть суттєво підтримувати MRV, але лише за умови наявності достатньої кількості якісних референсних даних для навчання та контролю моделей.
Щорічне оновлення карт і підтримка платформи, за оцінкою розробників, можуть мати невисоку операційну вартість. Це відкриває можливість у майбутньому зробити сервіс безкоштовним або дуже дешевим для фермерів, банків і державних установ. Водночас питання довгострокової моделі роботи платформи після завершення проєктного фінансування ще належить вирішити.
Для українського агробізнесу цінність цієї технології виходить далеко за межі простої відповіді на питання «що росте на полі». Супутниковий MRV поступово формує інфраструктуру, здатну показати, як саме господарство працює із землею, як змінює практики з часом і чи може незалежно підтвердити ці зміни перед банком, державою або покупцем. За матеріалами онлайн-презентації ФАО, ЄБРР, NASA Harvest, Страсбурзького університету та Microsoft AI for Good Lab, 30 вересня 2026 року.
Катерина Звєрєва для Seeds.org.ua
