Искусственный интеллект поможет отслеживать посевы в Сенегале

Исследователи из Кембриджского университета разработали ИИ-модель Tessera для картографирования посевов, которая показала высокую точность в Сенегале.

В Сенегале большинство сельскохозяйственных угодий — небольшие фермы, зависящие от осадков, что делает население уязвимым к климатическим потрясениям. Существующие технологии спутникового картографирования посевов недоступны для страны. Модель Tessera обучена на спутниковых изображениях и позволяет создавать карты посевов с высокой точностью. В тестах она давала правильный результат в 84 % случаев, при этом использовала меньше вычислительных ресурсов и размеченных данных, чем другие методы. В одном из сценариев Tessera показала на 28 % более высокий результат, чем следующая за ней по эффективности модель. Принцип работы Tessera заключается в анализе спутниковых снимков за год и преобразовании каждого участка земли размером 10 метров в числовую последовательность (эмбеддинг), которая содержит информацию об изменениях на участке. Затем простой алгоритм с несколькими калибровочными точками преобразует эмбеддинг в крупномасштабную карту посевов. Исследование проводилось в арахисовой долине Сенегала. Учёные сравнили Tessera с двумя распространёнными методами спутникового картографирования и моделью AlphaEarth от Google DeepMind. Tessera не только показала лучшие результаты, но и сохранила эффективность при использовании данных за один год для анализа другого года. Это означает, что модель можно применять в последующие годы без ежегодных наземных обследований. Однако у исследования есть ограничения: например, наблюдалось снижение точности между 2018 и 2021 годами, что может быть связано с качеством данных наземных обследований. Кроме того, модель не тестировали на полях, где выращиваются несколько культур. Результаты исследования опубликованы в журнале Environmental Research: Food Systems.

По мнению авторов, Tessera может стать важным инструментом для правительств и организаций, занимающихся продовольственной безопасностью, особенно в странах Глобального Юга, где сбор наземных данных затруднён или дорог. Представитель Всемирной продовольственной программы ООН в Сенегале Пьер Лукас отметил, что надёжные сельскохозяйственные данные необходимы для прогнозирования рисков, связанных с продовольственной безопасностью и климатом.

Источник: University of Cambridge