Раннее определение типов сельскохозяйственных культур с помощью технологии
Исследователи из Университета Миннесоты разработали новый технологический подход, позволяющий ключевым заинтересованным сторонам определять важные типы культур раньше, чем когда-либо.
Спутниковые снимки давно используются агентствами для определения, какие культуры выращиваются в полях. Это позволяет прогнозировать поставки зерна, оценивать ущерб от экологических факторов и координировать логистику цепочек поставок.
Однако существующие продукты картографирования культур, такие как Crop Data Layer (CDL) от USDA, часто публикуются только через 4–6 месяцев после осеннего урожая из-за длительного процесса сбора наземных данных для обучения алгоритмов.
В исследовании, опубликованном в Remote Sensing of Environment, представлен новый метод, позволяющий определять, где выращиваются кукуруза и соя, уже в июле, с точностью, сопоставимой с USDA CDL, и без наземных обследований.
Проблема современных методов — нехватка актуальных ground truth labels (данных о типах культур в конкретных местах). Использование устаревших меток часто приводит к ошибкам, так как погода, почва и методы управления меняют вид культур на спутниковых снимках.
Новый метод обходит необходимость сбора полевых меток, генерируя псевдометки для целевого года на основе исторических карт типов культур. Он имитирует то, как люди идентифицируют объекты по их относительному положению (топологическим отношениям) на изображении, используя компьютерное зрение для распознавания культур в 2D-пространстве, полученном из спутниковых снимков.
«Это меняющий парадигму подход, который использует технологию компьютерного зрения, чтобы имитировать то, как люди идентифицируют разные объекты на фотографиях. Это не только интересно, но и эффективно, так как экономит время и трудозатраты на полевые обследования и позволяет точно предсказывать типы культур уже в июле», — сказал Чжэнонг Цзинь, доцент кафедры биопродуктов и биосистемной инженерии.
«Мы обнаружили, что стабильные топологические отношения существуют для разных культур в разные годы и в разных странах, что указывает на потенциал нашего подхода для создания общего框架, работающего во многих сценариях», — добавил Чэньси Линь, аспирант и первый автор работы.
Ключевые выводы исследования:
- Метод генерирует псевдометки, по качеству схожие с полевыми, для разных культур, лет и регионов.
- В США точность картографирования на основе сгенерированных псевдометок может приближаться к продукту USDA CDL как минимум на шесть месяцев раньше.
- В северной Франции метод может значительно сократить количество наземных меток, необходимых для создания точных карт культур.
Своевременные и точные карты типов культур полезны для:
- Страховых компаний — для улучшения дизайна продуктов и мониторинга застрахованных земель.
- Трейдеров — для оценки посевных площадей, прогнозирования производства и цен.
Внедрение метода зависит от наличия достаточных исторических наземных данных, что не проблема для ресурсообеспеченных регионов (США), но является ограничением для таких регионов, как Африка. Команда планирует адаптировать framework для этих регионов, используя другие алгоритмы глубокого обучения, чтобы снизить потребность в исторических метках.