Innowacyjny algorytm LSTM do tworzenia map stanu rozwojowego i kondycji roślin w Etiopii

Rehaan Ahmad, Brian Yang, Kalifornia, Stany Zjednoczone 16-18

W przedstawionym badaniu opracowaliśmy nową metodę prognozowania stanu rozwojowego i kondycji roślinności w Etiopii. Do pomiaru tych charakterystyk są używane satelity i znormalizowany różnicowy wskaźnik wegetacji (NDVI). Dotychczasowe metody umożliwiają prognozowanie na obszarach o wymiarach 1 piksela (1 km kwadratowego), co sprawia, że są trudno skalowalne na większe obszary. W tym projekcie przedstawiamy Annual Gate ConvLSTM, ulepszając dotychczasowe metody prognozowania NDVI w celu opracowania prognoz NDVI w obszarach Afryki Subsaharyjskiej. Ta sieć umożliwia przetwarzanie obszarów o wielkości 10 tys. kilometrów kwadratowych i generowanie niezwykle dokładnych zdjęć o wymiarach 100 na 100 pikseli.

Pokaż więcej