โมเดลใหม่คือโครงข่ายประสาทเทียมแบบหมุนวน (CNN) นั่นคืออัลกอริทึมกำหนดตัวกรอง
В ходе разработки ученые использовали миллионы примеров изображений с двух спутников Copernicus Sentinel-2, эксплуатируемых Европейским космическим агентством (ЕКА). Эти спутники фиксируют каждое место на Земле каждые пять дней с разрешением 10×10 метров на пиксель. В результате получаются изображения самого высокого качества, доступные в настоящее время.
ในการคำนวณความสูงของต้นไม้ จะใช้ข้อมูลที่ได้รับระหว่างภารกิจ NASA GEDI
“ภารกิจ GEDI ให้บริการทั่วโลกกระจายข้อมูลที่แตกต่างกันเกี่ยวกับความสูงของพืชระหว่างละติจูด 51 องศาเหนือและใต้ ดังนั้นในกระบวนการเรียนรู้คอมพิวเตอร์จะเห็นพืชพรรณหลายประเภท” นักวิจัยคนหนึ่งอธิบาย
โมเดลที่ได้จะสามารถประมาณความสูงของพืชได้โดยอัตโนมัติจากภาพมากกว่า 250,000 ภาพ (ข้อมูลประมาณ 160 TB)
ประสิทธิภาพสูงของโครงข่ายประสาทเทียมนั้นสัมพันธ์กับความจริงที่ว่านักวิจัยไม่ได้ใช้ CNN หนึ่งรายการ แต่ใช้ห้ารายการ พวกเขาฝึกฝนอย่างอิสระและแต่ละคนก็ประเมินความสูงของต้นไม้ด้วยตัวเอง แบบจำลองยังคำนึงถึงความไม่แน่นอนในข้อมูลด้วย ตัวอย่างเช่น หากภาพถ่ายดาวเทียมมีเมฆมาก แสดงว่ามีความไม่แน่นอนสูงกว่าภายใต้สภาวะบรรยากาศที่ดี
«Важным аспектом для нас было информирование ผู้ใช้เกี่ยวกับความไม่แน่นอนของการประมาณค่า” Lang หนึ่งในนักวิจัยกล่าว - หากทุกรุ่นตรงกัน คำตอบก็จะชัดเจนตามข้อมูลการฝึก หากแบบจำลองมีคำตอบที่แตกต่างกัน แสดงว่าประมาณการมีความไม่แน่นอนมากขึ้น”
Полученная с помощью нейросети глобальная карта высоты растительного навеса поможет экологам следить за изменениями климата. Также она может представлять интерес для правительств и административных органов.
“ด้วย Sentinel-2 ความสูงของพืชสามารถคำนวณใหม่ได้ทุกๆ ห้าวัน ทำให้สามารถติดตามการตัดไม้ทำลายป่าในป่าฝนได้” Lang กล่าว
อ่านเพิ่มเติม:
มันถูกตามล่ามาหลายศตวรรษ: เรารู้อะไรเกี่ยวกับดาววัลแคนข้างดวงอาทิตย์?
นักฟิสิกส์ได้ทดลองยืนยันกฎพื้นฐานใหม่สำหรับของเหลว
นักดาราศาสตร์ได้ค้นพบที่มาของการระเบิดวิทยุลึกลับที่มาจากอวกาศ