Pesquisadores da Universidade de Aberdeen desenvolveram o SAGRNet, um modelo de IA avançado projetado para melhorar significativamente a precisão do mapeamento da cobertura terrestre, especialmente para a vegetação. Este modelo inovador emprega aprendizado profundo para analisar objetos de paisagem inteiros, aprimorando a eficiência e a precisão em comparação com os métodos tradicionais pixel a pixel. O estudo detalhando o desenvolvimento do SAGRNet foi publicado no ISPRS Journal of Photogrammetry and Remote Sensing.
O SAGRNet foi treinado usando imagens de satélite de diversas paisagens no nordeste da Escócia e posteriormente testado em cinco áreas de periferia urbana distribuídas globalmente. Essas áreas, incluindo Guangzhou, Durban, Sydney, Nova York e Porto Alegre, foram selecionadas para representar diversos contextos ecológicos. Essa abordagem garante a robustez e a transferibilidade do modelo em vários ambientes.
A disponibilidade aberta do modelo permite que os tomadores de decisão avaliem rapidamente o impacto de eventos como inundações e secas em grandes áreas de terra. O SAGRNet também pode monitorar o crescimento das culturas, auxiliando nas previsões de colheitas e nas decisões de uso sustentável da terra. Essa tecnologia está alinhada com os avanços contínuos em IA e sensoriamento remoto, conforme destacado pelo próximo simpósio IEEE IGARSS 2025 e pela recente atualização do mapa de cobertura terrestre da Esri.
A capacidade do SAGRNet de avaliar de forma rápida e precisa as mudanças na paisagem é crucial para entender os impactos das mudanças climáticas. A versatilidade do modelo o torna adequado para aplicações em larga escala, como levantamentos de recursos terrestres e monitoramento ecológico. O desenvolvimento do SAGRNet representa um avanço significativo no monitoramento ambiental e no manejo sustentável da terra, oferecendo ferramentas valiosas para pesquisadores e formuladores de políticas em todo o mundo.