Штучний інтелект прискорює розпізнавання ландшафтів за супутниковими знімками

ШІ-модель відкриває потенціал супутникових знімків для картографування земного покриву

Джерело: phys.org

Дослідницька команда під керівництвом Університету Абердіна розробила новаторську модель штучного інтелекту для підвищення точності та зменшення часу обробки при картографуванні покриву землі, особливо рослинності.

Детальне розуміння ландшафту, топографічних особливостей і способів використання земель є ключем до вирішення проблем кліматичних змін, продовольчої безпеки та сталого розвитку.

Традиційні методи картування рослинності аналізують супутникові знімки піксель за пікселем, що є неефективним і схильним до помилок, особливо в складних і різнорідних місцевостях.

Нова модель SAGRNet (Sampling and Attention-based Graph Convolutional Residual Network), розроблена дослідниками, застосовує передові методи глибинного навчання для класифікації типів рослинності з більшою швидкістю і точністю. Вона може аналізувати цілі об’єкти ландшафту — наприклад, поля або ліси — забезпечуючи краще розуміння форми, контексту та взаємозв’язків у природному середовищі.

Дослідження опубліковане в журналі ISPRS Journal of Photogrammetry and Remote Sensing.

SAGRNet створювали на основі супутникових зображень різнорідного ландшафту північно-східної Шотландії для забезпечення валідності результатів.

У центрі уваги дослідження — території, де поєднуються ліси, сільськогосподарські угіддя та луки, розташовані поруч з іншими типами покриву, такими як забудовані зони та водойми в районі Абердіна, Данді та Шотландського нагір’я.

Для перевірки здатності моделі до узагальнення команда також провела додаткові тести в п’яти міських регіонах у різних частинах світу: Гуанчжоу (Китай), Дурбан (ПАР), Сідней (Австралія), Нью-Йорк (США) та Порту-Алегрі (Бразилія).

Ці зони були обрані завдяки різноманітному екологічному фону, структурі рослинності, рівню урбанізації та складності покриву територій, що забезпечило надійну основу для перевірки універсальності моделі.

SAGRNet, яку зробили публічно доступною, може допомогти швидко візуалізувати та зрозуміти вплив таких явищ, як повені, лісові пожежі, посухи чи сильні дощі на великі території, а також на врожаї, які там вирощуються.

Керівниця проєкту докторка Лідія Сем, викладачка геонаук в Університеті Абердіна, зазначає: «Точна інформація про розміри і топографію орних земель є основою для подальшої розробки стратегій сталого управління. Сьогодні в космосі працюють десятки супутників спостереження за Землею, які забезпечують зображення дуже високої роздільності.

Моделі на кшталт SAGRNet надають комплексну систему картографування рослинності, дозволяючи максимально використати потенціал супутникових даних.

Наша система глибокого навчання здатна одразу й точно розпізнати типи покриву землі, рослинності чи сільськогосподарських культур».

Доктор Аншуман Бгардвардж, старший викладач геонаук і співкерівник проєкту, додав: «Наша модель є дуже універсальною і може швидко відповідати на запитання щодо змін ландшафту.

Це важливо для кращого розуміння наслідків кліматичних змін — від ерозії узбережжя й зсувів до змін у розподілі рослин або врожаю.

Її також можна використовувати для моніторингу росту культур, щоб точніше прогнозувати врожаї або відстежувати, як змінювався склад посівів у певній місцевості, що дозволяє ухвалювати більш обґрунтовані рішення щодо сталого землекористування.

Наше дослідження створює надійну основу для практичного застосування в моніторингу земель, сільському господарстві та екологічному управлінні».

Аспірантка та дослідниця проєкту Баолін Гуй підсумувала:

«SAGRNet підходить для інтеграції в масштабні системи, як-от обстеження земельних ресурсів, екологічні моніторингові платформи, національні програми з картування земного покриву та системи аналізу змін довкілля».