Группа исследователей под руководством Университета Абердина разработала инновационную модель искусственного интеллекта, которая повышает точность и сокращает время вычислений при картографировании растительного покрова.
Понимание растительного покрова, топографических особенностей и использования земель имеет решающее значение для борьбы с последствиями изменения климата, обеспечения продовольственной безопасности и устойчивого развития.
Традиционные методы картирования растительности анализируют спутниковые снимки попиксельно, что может быть неэффективно и чревато ошибками, особенно в разнообразных или сложных ландшафтах.
Новая модель, разработанная исследовательской группой под названием SAGRNet (Sampling and Attention-based Graph Convolutional Residual Network), использует передовые методы глубокого обучения для классификации типов растительности с большей скоростью и точностью. Она может анализировать целые ландшафтные объекты, такие как поля и леса, обеспечивая лучшее понимание формы, контекста и взаимосвязей в ландшафте, что приводит к более надёжному и масштабируемому картографированию.
Исследование опубликовано в ISPRS Journal of Photogrammetry and Remote Sensing.
Особенности модели SAGRNet
- Использование спутниковых снимков: модель была разработана с использованием спутниковых снимков, охватывающих разнообразные ландшафты северо-востока Шотландии, что позволило провести валидацию результатов.
- Эксперименты в разных регионах: для оценки обобщающей способности модели команда провела дополнительные эксперименты в пяти городах по всему миру: Гуанчжоу (Китай), Дурбан (Южная Африка), Сидней (Австралия), Нью-Йорк (США) и Порту-Алегри (Бразилия).
Эти области были тщательно отобраны для представления различных экологических условий, структур растительности, интенсивности урбанизации и сложности растительного покрова.
Применение модели SAGRNet
Модель SAGRNet, ставшая доступной для открытого использования, может помочь лицам, принимающим решения, быстро визуализировать и понять влияние крупных событий, таких как наводнения, лесные пожары, засуха или проливные дожди, на большие участки земли и сельскохозяйственные культуры.
Доктор Лидия Сэм, преподаватель геонаук в Университете Абердина, сказала: «Точная размерная и топографическая информация об обрабатываемых землях является основой для дальнейшей разработки устойчивых стратегий управления земельными ресурсами. Сегодня на орбите находится множество спутников наблюдения Земли, предоставляющих изображения нашей планеты с очень высоким разрешением».
Доктор Аншуман Бхардвадж, старший преподаватель геонаук в университете и соруководитель проекта, добавил: «Наша модель вполне поддаётся переносу и может даже быстро и точно ответить на вопросы о том, как изменился ландшафт. Это жизненно важно для дальнейшего понимания воздействия изменения климата, от прибрежной эрозии и оползней до сдвигов в распределении растений или сельскохозяйственных культур».
Доктор Баолинг Гуи, аспирант и научный сотрудник проекта, добавил: «SAGRNet подходит для интеграции в крупномасштабные приложения, такие как исследования земельных ресурсов, платформы экологического мониторинга, национальные программы картирования растительного покрова и системы анализа экологических изменений».
Исследование закладывает прочную основу для практического применения в мониторинге земель, сельском хозяйстве и управлении окружающей средой.
Предоставлено: [Университет Абердина](https://phys.org/partners/university-of-aberdeen/)