Mô hình AI SAGRNet Cách Mạng Hóa Bản Đồ Bìa Đất Với Độ Chính Xác Cao Hơn

Các nhà nghiên cứu tại Đại học Aberdeen đã phát triển SAGRNet, một mô hình AI tiên tiến được thiết kế để cải thiện đáng kể độ chính xác của bản đồ bìa đất, đặc biệt là đối với thảm thực vật. Mô hình sáng tạo này sử dụng học sâu để phân tích toàn bộ các đối tượng cảnh quan, tăng cường hiệu quả và độ chính xác so với các phương pháp pixel-by-pixel truyền thống. Nghiên cứu chi tiết về sự phát triển của SAGRNet đã được công bố trên Tạp chí ISPRS về Trắc địa ảnh và Viễn thám. SAGRNet đã được huấn luyện bằng cách sử dụng hình ảnh vệ tinh của các cảnh quan đa dạng ở phía đông bắc Scotland và được thử nghiệm thêm trên năm khu vực ngoại ô đô thị được phân bố trên toàn cầu. Các khu vực này, bao gồm Quảng Châu, Durban, Sydney, Thành phố New York và Porto Alegre, đã được chọn để đại diện cho các bối cảnh sinh thái đa dạng. Cách tiếp cận này đảm bảo tính mạnh mẽ và khả năng chuyển đổi của mô hình trong các môi trường khác nhau. Khả năng truy cập mở của mô hình cho phép những người ra quyết định nhanh chóng đánh giá tác động của các sự kiện như lũ lụt và hạn hán trên các khu vực đất đai rộng lớn. SAGRNet cũng có thể theo dõi sự phát triển của cây trồng, hỗ trợ dự đoán thu hoạch và đưa ra các quyết định sử dụng đất bền vững. Công nghệ này phù hợp với những tiến bộ liên tục trong AI và viễn thám, như được nhấn mạnh bởi hội nghị chuyên đề IEEE IGARSS 2025 sắp tới và bản cập nhật bản đồ bìa đất gần đây của Esri. Khả năng đánh giá nhanh chóng và chính xác những thay đổi cảnh quan của SAGRNet là rất quan trọng để hiểu được tác động của biến đổi khí hậu. Tính linh hoạt của mô hình làm cho nó phù hợp với các ứng dụng quy mô lớn như khảo sát tài nguyên đất và giám sát sinh thái. Sự phát triển của SAGRNet thể hiện một bước tiến quan trọng trong giám sát môi trường và quản lý đất bền vững, cung cấp các công cụ có giá trị cho các nhà nghiên cứu và nhà hoạch định chính sách trên toàn cầu.