Nový model je konvoluční neuronová síť (CNN). To znamená, že algoritmus ukládá filtr
Během vývoje jich vědci použili milionyPříklady snímků ze dvou družic Copernicus Sentinel-2 provozovaných Evropskou kosmickou agenturou (ESA). Tyto satelity zaznamenávají každé místo na Zemi každých pět dní s rozlišením 10 x 10 metrů na pixel. Výsledkem jsou aktuálně nejkvalitnější snímky.
Pro výpočet výšky stromů byla použita data získaná během mise NASA GEDI.
„Mise GEDI poskytuje globálnírozdělil nesourodá data o výšce vegetace mezi 51 stupni severní a jižní šířky, takže v procesu učení počítač vidí mnoho různých typů vegetace, “vysvětluje jeden z výzkumníků.
Výsledný model je schopen automaticky odhadnout výšku vegetace z více než 250 000 snímků (asi 160 TB dat).
S vysokou účinností neuronové sítě je také spojenoSkutečnost, že výzkumníci nepoužili jednu CNN, ale pět. Cvičili nezávisle na sobě a každý z nich si udělal vlastní odhad výšky stromu. Model zohledňuje i nejistotu v samotných datech: pokud je například satelitní snímek zamlžený, je nejistota vyšší než za dobrých atmosférických podmínek.
„Důležitým aspektem pro nás bylo informovatuživatelů o nejistotě odhadu,“ říká Lang, jeden z výzkumníků. - Pokud se všechny modely shodují, pak je odpověď jasná na základě tréninkových dat. Pokud modely dojdou k různým odpovědím, znamená to, že v odhadu je větší nejistota.“
Globální mapa získaná pomocí neuronové sítěvýška koruny rostlin pomůže ekologům sledovat změny klimatu. Může to být také zajímavé pro vlády a správní orgány.
„S Sentinel-2 lze každých pět dní přepočítat výšku vegetace, což vám umožní sledovat odlesňování v deštném pralese,“ říká Lang.
Přečtěte si více:
Loví se po staletí: co víme o planetě Vulcan vedle Slunce
Fyzici experimentálně potvrdili nový základní zákon pro kapaliny
Astronomové našli zdroj záhadných rádiových výbuchů, které pocházejí z vesmíru