Исследование университетов Кордовы и Севильи разрабатывает метод, позволяющий легко и быстро проверить, является ли оливковая плантация традиционной, интенсивной или суперинтенсивной.
Традиционная оливковая роща с большими и хорошо разделёнными деревьями заменяется плантациями с большей плотностью, такими как интенсивные или суперинтенсивные, где пространство между деревьями уменьшено. Хотя производительность увеличивается при использовании интенсивных и суперинтенсивных плантаций, это также приводит к более интенсивному использованию ресурсов, таких как вода.
Из-за агрономических и экологических последствий этого преобразования государственные администрации внедряют политику и оказывают помощь для его регулирования. Для этого им необходимо постоянно иметь обновлённую информацию о том, сколько гектаров каждого типа плантаций существует и как быстро они меняются.
Эту потребность удовлетворяет метод, основанный на свёрточных сетях — типе нейронных сетей, разработанный командой Университета Кордовы в сотрудничестве с Университетом Севильи. Метод автоматически идентифицирует закономерности в оливковых рощах, используя бесплатные открытые спутниковые снимки Sentinel-2. Работа опубликована в журнале Computers and Electronics in Agriculture.
«Проблема, с которой мы столкнулись, заключается в том, что до сих пор у нас была эта информация благодаря снимкам PNOA (Национального плана аэрофотосъёмки), которые имеют большое пространственное разрешение, но обновляются каждые 3 года, поэтому у нас была очень устаревшая информация», — объясняет Изабель Кастильехо, исследователь из Департамента графической и геоматической инженерии UCO.
Чтобы преодолеть эту проблему, команда обратилась к использованию снимков Sentinel-2 (миссия по наблюдению за Землёй, разработанная ЕКА), которые доступны бесплатно каждые 5 дней. Однако эти снимки имеют более низкое пространственное разрешение, что затрудняет идентификацию закономерностей, поскольку верхушки деревьев не могут быть непосредственно видны на снимках. Именно здесь на помощь приходят свёрточные нейронные сети (CNN), которые представляют собой тип методов глубокого обучения, используемых для решения сложных задач распознавания закономерностей в данных.
«Мы обучили три разных алгоритма обучения для обнаружения систем посадки с использованием этих спутниковых снимков и обнаружили, что лучший из трёх (подход B) показал точность 80%, что является очень высоким процентом, учитывая сложность задачи и разрешение входных изображений», — объясняет Кристина Мартинес, исследователь из Департамента электронной и вычислительной техники UCO.
Исследователи указывают на ещё одно важное преимущество этого метода — его автоматизацию. «Просто введя текстовый файл с кодом участка или кадастровой ссылкой, участок определяется с его границами, и с этой информацией спутниковые снимки за запрашиваемый период идентифицируются, загружаются и вводятся в сеть, которая определяет тип оливковой рощи — всё это автоматизировано», — говорится в сообщении.
Этот инновационный метод устраняет зависимость от традиционных методов, которые обычно включают полевые визиты и случайную выборку, предлагая более эффективную и точную альтернативу для управления и мониторинга оливковых рощ. Команда уже проводит исследования по применению этого типа обработки с использованием нейронных сетей и спутниковых снимков для изучения и прогнозирования водного стресса в оливковых рощах.
Предоставлено Университетом Кордовы.