Двухветвевая модель улучшает картографирование типов культур на разрозненных сельхозугодьях

Во многих азиатских регионах, особенно в Китае, сельскохозяйственные поля обычно небольшие, разрозненные и не имеют четких границ, что осложняет эффективный анализ распределения культур и сельскохозяйственный анализ с помощью технологий дистанционного зондирования.

Исследовательская группа из Хэфэйского института физических наук Китайской академии наук предложила решение этой проблемы с помощью новой двухветвевой модели глубокого обучения (DBL).

Эта модель предназначена для картографирования типов культур на нерегулярных сельскохозяйственных полях в Азии. «Она решает задачу картографирования типов культур на большинстве посадочных участков Азии», — сказал доцент Сюй Таошэн, руководивший командой. Результаты исследования были опубликованы в журнале Remote Sensing of Environment.

В этом исследовании ученые представили новую модель глубокого обучения и временные ряды данных, а также разработали двухветвевую сеть для картографирования типов культур на временных рядах изображений дистанционного зондирования. Модель состоит из двух ветвей: одна фиксирует крупномасштабные ландшафтные паттерны, а другая фокусируется на мелкозернистых деталях, таких как тонкие изменения в росте культур с течением времени. Такая комбинация позволяет модели точно распознавать типы культур даже на сложных и неорганизованных полях.

По словам исследователей, модель способна анализировать как временные, так и пространственные данные. «Культуры растут и меняются со временем, и модель отслеживает эти изменения», — сказал Сюй. Исследователи создали два новых набора данных (CF и JM), чтобы отразить характеристики разрозненных сельхозугодий с участками разных размеров и форм. Модель может отслеживать рост культур во времени, фиксируя динамическую природу сельского хозяйства.

Новая модель показала общую точность 97,7% и точность 90,7% в определении типов культур и небольших полей. Это доказало, что модель обладает высокой адаптивностью и точностью для практического применения, особенно в регионах с фрагментированными сельхозугодьями.

«Наше открытие может способствовать развитию сельскохозяйственных исследований в регионах со схожими схемами посадки, особенно в некоторых азиатских областях, с использованием анализа временных рядов дистанционного зондирования», — сказал Сюй.