Aberdeen Üniversitesi'ndeki araştırmacılar, özellikle bitki örtüsü için arazi örtüsü haritalama doğruluğunu önemli ölçüde artırmak üzere tasarlanmış gelişmiş bir yapay zeka modeli olan SAGRNet'i geliştirdiler. Bu yenilikçi model, geleneksel piksel-piksel yöntemlerine kıyasla verimliliği ve hassasiyeti artıran, tüm manzara nesnelerini analiz etmek için derin öğrenmeyi kullanır. SAGRNet'in gelişimini detaylandıran çalışma, ISPRS Fotogrametri ve Uzaktan Algılama Dergisi'nde yayınlandı.
SAGRNet, İskoçya'nın kuzeydoğusundaki çeşitli manzaraların uydu görüntüleri kullanılarak eğitildi ve daha sonra dünya çapında dağıtılmış beş kentsel çevre alanında test edildi. Guangzhou, Durban, Sidney, New York City ve Porto Alegre dahil olmak üzere bu alanlar, çeşitli ekolojik arka planları temsil etmek üzere seçildi. Bu yaklaşım, modelin çeşitli ortamlarda sağlamlığını ve aktarılabilirliğini sağlar.
Modelin açık erişilebilirliği, karar vericilerin sel ve kuraklık gibi olayların geniş arazi alanları üzerindeki etkisini hızla değerlendirmesini sağlar. SAGRNet ayrıca mahsul büyümesini izleyebilir, hasat tahminlerine ve sürdürülebilir arazi kullanımı kararlarına yardımcı olabilir. Bu teknoloji, yaklaşan IEEE IGARSS 2025 sempozyumu ve Esri'nin son arazi örtüsü haritası güncellemesi tarafından vurgulandığı gibi, yapay zeka ve uzaktan algılamadaki devam eden gelişmelerle uyumludur.
SAGRNet'in manzara değişikliklerini hızlı ve doğru bir şekilde değerlendirme yeteneği, iklim değişikliğinin etkilerini anlamak için çok önemlidir. Modelin çok yönlülüğü, arazi kaynakları araştırmaları ve ekolojik izleme gibi büyük ölçekli uygulamalar için uygun hale getirir. SAGRNet'in geliştirilmesi, çevresel izleme ve sürdürülebilir arazi yönetiminde önemli bir adım olup, dünya çapındaki araştırmacılar ve politika yapıcılar için değerli araçlar sunmaktadır.