Model založený na metódach strojového učenia pomôže určiť aktuálny stav plodín aj trendy ich vývoja v čase.
Aktuálny stav plodín, ale aj trendy ich vývoja v čase – toto dokáže určiť nový automatizovaný model, ktorý je založený na metódach strojového učenia.
SK-CROP-net (Satellite based crop classification model) dokáže identifikovať aktuálne využitie poľnohospodárskych parciel v širšej regionálnej mierke. Na tvorbe modelu sa podieľali vedecké tímy z Ústavu krajinnej ekológie SAV, v. v. i. a Ústavu informatiky SAV, v. v. i.
Prístup doménovej generalizácie
„V našej štúdii sme implementovali prístup doménovej generalizácie, ktorého cieľom je trénovať model na viacerých zdrojových doménach, často s rôznymi charakteristikami tak, aby ho bolo možné použiť na nové cieľové domény bez potreby jeho ďalšieho doladenia alebo adaptácie na novú doménu. Využívame najmä 5-ročné série produktov Sentinel a referenčné údaje, čo umožňuje hlbšie preskúmať potenciál údajov Sentinel-2 pri medziročnom mapovaní plodín,“ uviedol Tomáš Rusňák z Ústavu krajinnej ekológie SAV, v. v. i.
Vyhodnotenie dopadu klimatických zmien
Keďže model je dostatočne robustný a otestovaný na viacročných časových radoch, je možné s jeho pomocou určiť nielen aktuálny stav plodín, ale aj trendy ich vývoja v čase.
Spolu s ďalšími vplyvmi prostredia, ako sú napríklad klimatické ukazovatele alebo pôdne parametre, je možné následne komplexne vyhodnotiť dopad klimatických extrémov, osevných postupov alebo prísunu živín na stav poľnohospodárskych plodín.
Projektová výzva Európskej vesmírnej agentúry
„Výskum sme realizovali v rámci projektovej výzvy Európskej vesmírnej agentúry ESA PECS (Plan for European Cooperating States) v spolupráci s firmou YMS a. s., ktorá tieto poznatky preniesla do služby pre poľnohospodárov formou tzv. vesmírneho prekladača. Ten okrem iného umožňuje sledovanie stavu plodín na poliach počas ich vegetačnej sezóny,“ dodal Tomáš Rusňák.
Zdroj: TS SAV
(zh)