アバディーン大学の研究者たちは、特に植生に関して、土地被覆マッピングの精度を大幅に向上させるように設計された高度なAIモデルであるSAGRNetを開発しました。この革新的なモデルは、深層学習を利用して、景観全体を分析し、従来のピクセルごとの方法と比較して効率性と精度を向上させます。SAGRNetの開発を詳述した研究は、ISPRS Journal of Photogrammetry and Remote Sensingに掲載されました。
SAGRNetは、スコットランド北東部の多様な景観の衛星画像を使用してトレーニングされ、さらに世界的に分散した5つの都市周辺地域でテストされました。広州、ダーバン、シドニー、ニューヨーク市、ポルトアレグレなど、これらの地域は、多様な生態学的背景を表現するために選ばれました。このアプローチにより、さまざまな環境におけるモデルの堅牢性と移植性が確保されます。
このモデルを公開することで、意思決定者は、洪水や干ばつなどのイベントが広大な土地に及ぼす影響を迅速に評価できます。SAGRNetはまた、作物の成長を監視し、収穫予測と持続可能な土地利用の決定を支援できます。この技術は、IEEE IGARSS 2025シンポジウムやEsriによる最近の土地被覆マップの更新など、AIとリモートセンシングにおける継続的な進歩と一致しています。
SAGRNetが景観の変化を迅速かつ正確に評価できる能力は、気候変動の影響を理解するために不可欠です。このモデルの汎用性により、土地資源調査や生態学的モニタリングなどの大規模なアプリケーションに適しています。SAGRNetの開発は、環境モニタリングと持続可能な土地管理における大きな一歩であり、世界中の研究者や政策立案者に貴重なツールを提供します。