Исследователи из Абердинского университета разработали SAGRNet, передовую модель ИИ, предназначенную для значительного повышения точности картографирования землепользования, особенно для растительности. Эта инновационная модель использует глубокое обучение для анализа целых ландшафтных объектов, повышая эффективность и точность по сравнению с традиционными методами «пиксель за пикселем». Исследование, подробно описывающее разработку SAGRNet, было опубликовано в журнале ISPRS Journal of Photogrammetry and Remote Sensing.
SAGRNet был обучен с использованием спутниковых изображений различных ландшафтов на северо-востоке Шотландии, а затем протестирован в пяти глобально распределенных пригородных районах. Эти районы, включая Гуанчжоу, Дурбан, Сидней, Нью-Йорк и Порту-Алегри, были выбраны для представления различных экологических условий. Такой подход обеспечивает надежность и переносимость модели в различных средах.
Открытая доступность модели позволяет лицам, принимающим решения, быстро оценивать воздействие таких событий, как наводнения и засухи, на большие площади земли. SAGRNet также может отслеживать рост сельскохозяйственных культур, помогая в прогнозировании урожая и принятии решений по устойчивому землепользованию. Эта технология соответствует текущим достижениям в области ИИ и дистанционного зондирования, о чем свидетельствует предстоящий симпозиум IEEE IGARSS 2025 и недавнее обновление карты землепользования Esri.
Способность SAGRNet быстро и точно оценивать изменения ландшафта имеет решающее значение для понимания последствий изменения климата. Универсальность модели делает ее подходящей для крупномасштабных приложений, таких как обследования земельных ресурсов и экологический мониторинг. Разработка SAGRNet представляет собой значительный шаг вперед в области экологического мониторинга и устойчивого землепользования, предлагая ценные инструменты для исследователей и политиков во всем мире.