Application of artificial intelligence to improve the economic efficiency of land use management in the agricultural sector

Abstract

The purpose of the study was to assess the cost-effectiveness of using artificial intelligence (AI) to predict environmental changes in land use and optimise agricultural production. It was determined that the introduction of machine learning and big data analysis algorithms can significantly improve the accuracy of forecasts of agricultural land conditions, optimise the use of resources, including fertilisers and water, and reduce costs. The study analysed how AI can contribute to a more rational choice of crops and planning of sowing and harvesting, which has a positive impact on yields. In addition, the study addressed the environmental aspect: the use of AI can reduce the negative impact on the environment through precise resource management and reduced soil and water pollution. The work included modelling yields for different climate scenarios, which allows forecasting possible outcomes and developing adaptive strategies for the sustainable development of Ukraine’s agricultural sector. The study demonstrated that the introduction of AI in the Ukrainian agricultural sector contributes to the improvement of land use efficiency, allowing farmers to respond more quickly to changing climate conditions. Machine learning algorithms, including those based on the analysis of data collected from satellite images and sensors, can help determine the timely need for fertiliser and water, which ensures the rational use of resources and reduces production costs. The forecasting models used in the article reflect possible yield scenarios for the period 2025-2028 for different climatic conditions, which allows enterprises to better plan agrotechnical measures and minimise risks. Thus, the study results emphasised the importance of AI as a tool for long-term strategic planning in the agricultural sector.

-

Метою дослідження була оцінка економічної ефективності використання штучного інтелекту (ШІ) для прогнозування екологічних змін у землекористуванні та оптимізації аграрного виробництва. Визначено, що впровадження алгоритмів машинного навчання та аналізу великих даних може значно покращити точність прогнозів щодо стану сільськогосподарських земель, оптимізувати використання ресурсів, зокрема добрив і води, та знизити витрати. Проаналізовано, як застосування ШІ може сприяти більш раціональному вибору культур і плануванню посівів та збирання врожаю, що позитивно впливає на врожайність. Додатково, у дослідженні розглянуто екологічний аспект: використання ШІ дозволяє зменшити негативний вплив на довкілля завдяки точному управлінню ресурсами та зниженню забруднення ґрунтів і водних ресурсів. Робота включала моделювання врожайності для різних кліматичних сценаріїв, що дозволяє прогнозувати можливі результати та розробляти адаптивні стратегії для стабільного розвитку агропромислового комплексу України. Дослідження продемонструвало, що впровадження ШІ в агропромисловий сектор України сприяє підвищенню ефективності землекористування, дозволяючи фермерам оперативніше реагувати на змінні кліматичні умови. За допомогою алгоритмів машинного навчання, зокрема на основі аналізу даних, зібраних із супутникових знімків і сенсорів, можна своєчасно визначати потребу рослин у добривах та воді, що забезпечує раціональне використання ресурсів і знижує виробничі витрати. Моделі прогнозування, застосовані у статті, відображають можливі сценарії врожайності на період 2025-2028 років для різних кліматичних умов, що дозволяє підприємствам краще планувати агротехнічні заходи та мінімізувати ризики. Таким чином, результати дослідження підкреслюють важливість ШІ як інструмента для довгострокового стратегічного планування в аграрному секторі.