AI模型SAGRNet以增強的精確度革新土地覆蓋製圖

阿伯丁大學的研究人員開發了SAGRNet，這是一種先進的AI模型，旨在顯著提高土地覆蓋製圖的準確性，尤其是在植被方面。這種創新模型採用深度學習來分析整個景觀物件，與傳統的逐像素方法相比，提高了效率和精度。詳細介紹SAGRNet開發的這項研究發表在《ISPRS攝影測量與遙感雜誌》上。 SAGRNet使用蘇格蘭東北部不同景觀的衛星圖像進行訓練，並在全球分佈的五個城市邊緣地區進行了進一步測試。這些地區包括廣州、德班、雪梨、紐約市和阿雷格里港，它們被選中代表不同的生態背景。這種方法確保了該模型在各種環境中的穩健性和可轉移性。 該模型的開放性使決策者能夠快速評估洪水和乾旱等事件對大面積土地的影響。SAGRNet還可以監測作物生長，幫助預測收成和做出可持續的土地利用決策。這項技術與人工智慧和遙感領域的持續進步相一致，正如即將舉行的IEEE IGARSS 2025研討會和Esri最近的土地覆蓋地圖更新所強調的那樣。 SAGRNet快速準確地評估景觀變化的能力對於理解氣候變化的影響至關重要。該模型的通用性使其適用於大規模應用，如土地資源調查和生態監測。SAGRNet的開發代表了環境監測和可持續土地管理方面的重要一步，為全球研究人員和政策制定者提供了有價值的工具。