Para peneliti di University of Aberdeen telah mengembangkan SAGRNet, model AI canggih yang dirancang untuk secara signifikan meningkatkan akurasi pemetaan penutup lahan, terutama untuk vegetasi. Model inovatif ini menggunakan pembelajaran mendalam untuk menganalisis seluruh objek lanskap, meningkatkan efisiensi dan presisi dibandingkan dengan metode tradisional piksel-demi-piksel. Studi yang merinci pengembangan SAGRNet diterbitkan dalam ISPRS Journal of Photogrammetry and Remote Sensing.
SAGRNet dilatih menggunakan citra satelit dari berbagai lanskap di timur laut Skotlandia, dan selanjutnya diuji di lima area pinggiran kota yang didistribusikan secara global. Area-area ini, termasuk Guangzhou, Durban, Sydney, New York City, dan Porto Alegre, dipilih untuk mewakili latar belakang ekologis yang beragam. Pendekatan ini memastikan ketahanan dan kemampuan transfer model di berbagai lingkungan.
Ketersediaan model secara terbuka memungkinkan para pengambil keputusan untuk dengan cepat menilai dampak dari peristiwa seperti banjir dan kekeringan di area lahan yang luas. SAGRNet juga dapat memantau pertumbuhan tanaman, membantu dalam prediksi panen dan keputusan penggunaan lahan yang berkelanjutan. Teknologi ini sejalan dengan kemajuan berkelanjutan dalam AI dan penginderaan jauh, seperti yang disoroti oleh simposium IEEE IGARSS 2025 yang akan datang dan pembaruan peta penutup lahan Esri baru-baru ini.
Kemampuan SAGRNet untuk menilai perubahan lanskap dengan cepat dan akurat sangat penting untuk memahami dampak perubahan iklim. Fleksibilitas model membuatnya cocok untuk aplikasi skala besar seperti survei sumber daya lahan dan pemantauan ekologi. Pengembangan SAGRNet merupakan langkah maju yang signifikan dalam pemantauan lingkungan dan pengelolaan lahan yang berkelanjutan, menawarkan alat yang berharga bagi para peneliti dan pembuat kebijakan secara global.