Daljinska detekcija igra vitalnu ulogu u praćenju poljoprivrednih pejzaža, ali sadašnji satelitski senzori se često bore sa kompromisom između prostorne i vremenske rezolucije.
Slike visoke prostorne rezolucije, iako su detaljne, često su ograničene retkim snimanjem i smetnjama u oblaku, smanjujući njihovu korisnost u okruženjima koja se brzo menjaju. Nasuprot tome, slikama sa boljom vremenskom rezolucijom nedostaju neophodni prostorni detalji za preciznu analizu.
Ovi izazovi naglašavaju potrebu za naprednim metodama fuzije koje mogu bolje služiti poljoprivrednim aplikacijama.
Tim iz Državne ključne laboratorije za nauku o daljinskom detekciji na Pekinškom normalnom univerzitetu, u saradnji sa drugim institucijama, razvio je StarFusion, novu metodu prostorno-vremenske fuzije.
Objavljena u časopisu Journal of Remote Sensing, studija kombinuje duboko učenje i tradicionalne tehnike regresije kako bi odgovorila na ograničenja trenutnih metoda fuzije. StarFusion efikasno spaja Gaofen-1 podatke visoke rezolucije sa podacima Sentinel-2 srednje rezolucije, što rezultira značajno poboljšanim slikama za praćenje poljoprivrede.
StarFusion predstavlja inovativni pristup fuziji prostorno-vremenske slike, spajajući snage dubokog učenja i tradicionalnih modela regresije. Integracijom generativne adversarijske mreže super rezolucije (SRGAN) sa modelom delimične regresije najmanjih kvadrata (PLSR), StarFusion postiže visoku tačnost fuzije uz očuvanje finih prostornih detalja.
Metoda efikasno upravlja izazovima kao što su prostorna heterogenost i ograničena dostupnost slika bez oblaka, što ga čini veoma praktičnim za poljoprivredne aplikacije u stvarnom svetu.
Opsežna testiranja na različitim poljoprivrednim lokacijama pokazala su da StarFusion nadmašuje postojeće tehnike, posebno u održavanju prostornih detalja i poboljšanju vremenske rezolucije. Njegova sposobnost da funkcioniše sa minimalnim podacima bez oblaka izdvaja ga, pružajući pouzdano rešenje za praćenje useva u regionima koji su pogođeni čestim oblacima.
„StarFusion predstavlja vredan pokušaj u tehnologiji daljinskog senzora za poljoprivredu“, rekao je profesor Jin Chen, glavni autor studije. „Njegova sposobnost da generiše visokokvalitetne slike sa poboljšanom vremenskom rezolucijom će u velikoj meri poboljšati preciznu poljoprivredu i praćenje životne sredine.
StarFusion nudi značajne prednosti za digitalnu poljoprivredu, pružajući slike visoke rezolucije neophodne za detaljno praćenje useva, predviđanje prinosa i procenu katastrofe. Njegova sposobnost da proizvodi tačne slike uprkos oblačnosti i ograničenoj dostupnosti podataka čini ga posebno vrednim za upravljanje poljoprivredom u regionima sa izazovnim vremenskim uslovima.
Kako se ova tehnologija razvija, očekuje se da će StarFusion igrati ključnu ulogu u unapređenju poljoprivredne produktivnosti i održivosti.
