人工智能地圖捕捉全球每日土地變化

 (https://spj.science.org/doi/10.34133/remotesensing.0728)

 

準確的土地覆蓋製圖是生物多樣性保護、氣候調適和永續土地利用的基礎。儘管遙感技術取得了進展，但僅依靠衛星的方法仍然受到雲量、重訪間隔和缺乏地面實況資料的限制。諸如「動態世界」之類的動態產品已經提高了時效性，但仍難以捕捉到突發變化或驗證其結果。

近地表攝影機網路的快速擴張為透過增加局部高頻觀測來增強監測提供了機會。然而，視角不匹配和覆蓋範圍有限等挑戰仍然存在。基於這些挑戰，需要進行新的研究，將多模態觀測與人工智能工具結合，以實現陸地即時監測。

這篇論文開發了一個融合衛星影像、近地表相機和先進人工智能分割模型的框架。這項創新解決了陸地監測中長期存在的障礙，包括雲干擾和重複拍攝時間有限，從而提供了一個能夠近乎即時地繪製全球土地覆蓋圖的系統，可用於從農業到生態系統保護等各種應用。

研究結果顯示:在精度和時間密度方面均超越了以往的產品。例如透過從相機觀測資料中重建密集的每日植生指數(NDVI)時間序列，該框架實現了 70.52% 的平均精度。它能夠捕捉到突發變化，例如北美的積雪和歐洲的濕地擴張，而這些是純衛星系統無法偵測到的。此外，整合的「任意分割模型」（SAM）能夠實現地塊級測繪，降低雜訊並提升邊界清晰度，從而提供農田、城區和自然棲息地的高解析度洞察。這些創新技術成為追蹤全球環境變化的靈活、可擴展且及時的解決方案。