새로운 모델은 CNN(Convolutional Neural Network)입니다. 즉, 알고리즘은 필터를 적용합니다.
개발 과정에서 과학자들은 수백만 달러를 사용했습니다.유럽우주국(ESA)이 운영하는 두 개의 Copernicus Sentinel-2 위성에서 촬영한 이미지의 예. 이 위성은 5일마다 지구상의 모든 위치를 픽셀당 10 x 10미터의 해상도로 기록합니다. 그 결과 현재 사용 가능한 최고 품질의 이미지가 생성됩니다.
나무의 높이를 계산하기 위해 NASA GEDI 임무 중에 얻은 데이터를 사용했습니다.
“Mission GEDI는 글로벌한 연구원은 "북위 51도와 남위 51도 사이에 식생의 높이에 대한 이질적인 데이터가 분포되어 있기 때문에 컴퓨터를 학습하는 과정에서 다양한 유형의 식생을 본다"고 설명했다.
결과 모델은 250,000개 이상의 이미지(약 160TB의 데이터)에서 초목 높이를 자동으로 추정할 수 있습니다.
신경망의 높은 효율성은 또한 다음과 관련이 있습니다.연구원들이 CNN을 하나가 아니라 다섯 개 사용했다는 사실. 그들은 서로 독립적으로 훈련했고, 그들 각각은 나무의 높이를 스스로 추정했습니다. 이 모델은 또한 데이터 자체의 불확실성을 고려합니다. 예를 들어 위성 이미지가 흐릿한 경우 불확실성은 좋은 대기 조건보다 더 높습니다.
“우리에게 중요한 측면은 정보를 제공하는 것이었습니다.사용자는 추정 불확실성에 대해 걱정합니다.”라고 연구원 중 한 명인 Lang은 말합니다. - 모든 모델이 일치하면 훈련 데이터를 기반으로 답이 명확해집니다. 모델의 답변이 서로 다르다면 추정치의 불확실성이 더 커진다는 뜻입니다.”
신경망을 사용하여 얻은 세계 지도식물 캐노피의 높이는 생태학자들이 기후 변화를 모니터링하는 데 도움이 될 것입니다. 또한 이는 정부 및 행정 기관의 관심을 끌 수도 있습니다.
"Sentinel-2를 사용하면 초목 높이를 5일마다 다시 계산할 수 있으므로 열대 우림의 삼림 벌채를 추적할 수 있습니다."라고 Lang은 말합니다.
더 읽어보기 :
그것은 수세기 동안 사냥되었습니다. 우리는 태양 옆에 행성 Vulcan에 대해 무엇을 압니까?
물리학자들은 액체에 대한 새로운 기본 법칙을 실험적으로 확인했습니다.
천문학자들은 우주에서 오는 신비한 전파 폭발의 근원을 발견했습니다