Forscher der University of Aberdeen haben SAGRNet entwickelt, ein fortschrittliches KI-Modell, das die Genauigkeit der Landbedeckungskartierung, insbesondere für Vegetation, deutlich verbessern soll. Dieses innovative Modell verwendet Deep Learning, um ganze Landschaftsobjekte zu analysieren, wodurch Effizienz und Präzision im Vergleich zu herkömmlichen Pixel-für-Pixel-Methoden verbessert werden. Die Studie, die die Entwicklung von SAGRNet detailliert beschreibt, wurde im ISPRS Journal of Photogrammetry and Remote Sensing veröffentlicht.
SAGRNet wurde mithilfe von Satellitenbildern verschiedener Landschaften in Nordost-Schottland trainiert und anschließend in fünf global verteilten Stadtrandgebieten getestet. Diese Gebiete, darunter Guangzhou, Durban, Sydney, New York City und Porto Alegre, wurden ausgewählt, um vielfältige ökologische Hintergründe zu repräsentieren. Dieser Ansatz gewährleistet die Robustheit und Übertragbarkeit des Modells in verschiedenen Umgebungen.
Die offene Verfügbarkeit des Modells ermöglicht es Entscheidungsträgern, die Auswirkungen von Ereignissen wie Überschwemmungen und Dürren auf große Landflächen schnell zu beurteilen. SAGRNet kann auch das Pflanzenwachstum überwachen und so bei Erntevorhersagen und nachhaltigen Landnutzungsentscheidungen helfen. Diese Technologie steht im Einklang mit den laufenden Fortschritten in den Bereichen KI und Fernerkundung, wie das bevorstehende IEEE IGARSS 2025 Symposium und das kürzlich erfolgte Update der Landbedeckungskarte von Esri unterstreichen.
Die Fähigkeit von SAGRNet, Landschaftsveränderungen schnell und genau zu bewerten, ist entscheidend für das Verständnis der Auswirkungen des Klimawandels. Die Vielseitigkeit des Modells macht es für groß angelegte Anwendungen wie Landressourcenuntersuchungen und ökologisches Monitoring geeignet. Die Entwicklung von SAGRNet stellt einen bedeutenden Fortschritt in der Umweltüberwachung und dem nachhaltigen Landmanagement dar und bietet Forschern und politischen Entscheidungsträgern weltweit wertvolle Werkzeuge.