AI模型SAGRNet以增强的精度革新土地覆盖制图

阿伯丁大学的研究人员开发了SAGRNet，这是一种先进的AI模型，旨在显著提高土地覆盖制图的准确性，尤其是在植被方面。这种创新模型采用深度学习来分析整个景观对象，与传统的逐像素方法相比，提高了效率和精度。详细介绍SAGRNet开发的这项研究发表在《ISPRS摄影测量与遥感杂志》上。 SAGRNet使用苏格兰东北部不同景观的卫星图像进行训练，并在全球分布的五个城市边缘地区进行了进一步测试。这些地区包括广州、德班、悉尼、纽约市和阿雷格里港，它们被选中代表不同的生态背景。这种方法确保了该模型在各种环境中的稳健性和可转移性。 该模型的开放性使决策者能够快速评估洪水和干旱等事件对大面积土地的影响。SAGRNet还可以监测作物生长，帮助预测收成和做出可持续的土地利用决策。这项技术与人工智能和遥感领域的持续进步相一致，正如即将举行的IEEE IGARSS 2025研讨会和Esri最近的土地覆盖地图更新所强调的那样。 SAGRNet快速准确地评估景观变化的能力对于理解气候变化的影响至关重要。该模型的通用性使其适用于大规模应用，如土地资源调查和生态监测。SAGRNet的开发代表了环境监测和可持续土地管理方面的重要一步，为全球研究人员和政策制定者提供了有价值的工具。