Разработана ИИ-модель для раскрытия потенциала спутниковых снимков в картографировании земного покрова

Исследовательская группа под руководством Университета Абердина разработала новаторскую модель искусственного интеллекта для повышения точности и сокращения времени вычислений при картографировании земного покрова, особенно растительности. Новая модель SAGRNet (Sampling and Attention-based Graph Convolutional Residual Network) использует передовые методы глубокого обучения для классификации типов растительности с большей скоростью и точностью, анализируя целые ландшафтные объекты, такие как поля и леса.

Детальное понимание земного покрова и его использования критически важно для решения проблем изменения климата, продовольственной безопасности и устойчивого развития. Традиционные методы, анализирующие спутниковые изображения попиксельно, часто неэффективны и подвержены ошибкам. Модель SAGRNet, опубликованная в журнале ISPRS Journal of Photogrammetry and Remote Sensing, позволяет получать более надежные и масштабируемые карты.

Модель была разработана на основе снимков северо-востока Шотландии, а её способность к обобщению дополнительно проверена на пяти глобально распределенных пригородных зонах: Гуанчжоу (Китай), Дурбан (ЮАР), Сидней (Австралия), Нью-Йорк (США) и Порту-Алегри (Бразилия). Эти территории представляют разнообразные экологические условия и сложности земного покрова.

Руководитель проекта, доктор Лидия Сам, отмечает, что подобные модели позволяют раскрыть истинный потенциал данных дистанционного зондирования для разработки стратегий устойчивого землепользования. Модель способна оперативно и точно распознавать типы растительности, что критически важно для реагирования на изменение климата, обезлесение и нехватку продовольствия.

Со-руководитель проекта доктор Аншуман Бхардвай подчеркивает, что модель переносима и может быстро анализировать изменения ландшафта, что важно для понимания последствий изменения климата и мониторинга сельскохозяйственных культур. SAGRNet, находящаяся в открытом доступе, подходит для интеграции в крупномасштабные приложения, такие как национальные программы картографирования земного покрова и экологического мониторинга.