利用遥感技术分析土地利用和稻作种植模式
通过训练 19 个基于机器学习的模型,研究使用气候、卫星和稻谷产量数据预测印度 Kharif 季稻谷产量,结果表明可以以相当准确的水平进行预测,并通过分析推断出气候和遥感变量对稻谷产量的重要性和方向影响,最终开发出一个证明性仪表盘以便用户探索各个地区的产量变化。
Mar, 2024
利用自然语言处理分析了十亿个字,来研究中国最大的社交媒体平台之一微博上的文化差异。比较了关于中国文化差异的两种常见解释(经济发展和城乡差异),并与不那么明显的稻谷种植与小麦种植的遗留影响进行对比。稻谷种植地区使用了更多反映紧密社会关系、整体性思维和谨慎、预防导向的词汇,从而测试这种遗留影响是否使中国南方更加相互依存。通过对日本的推特数据进行比较,得到了与中国几乎相同的结果,从而为稻谷理论提供了重要证据。
Aug, 2023
利用机器学习模型评估农业管理实践对农田适宜性的影响,研究发现在比利时的 Flanders 地区,农作物轮作对 NPP 没有显著影响,而景观作物多样性对 NPP 有小幅负面影响,并发现在空间上存在显著的异质性效应。
Apr, 2022
全球人口不断增长,对自然资源的需求也在增加。遗憾的是,人类活动占到了 23% 的温室气体排放。幸运的是,遥感技术已经成为管理我们的环境的有价值的工具。这些技术使我们能够监测土地利用,规划城市区域,并推动农业、气候变化缓解、灾难恢复和环境监测等领域的进展。通过利用迁移学习和细调 RGB 波段,我们在土地利用分析方面取得了令人印象深刻的 99.19% 准确度。这样的研究结果可以用来制定保护和城市规划政策。
Nov, 2023
这项研究通过遥感分析在两个热带季风国家 —— 越南和斯里兰卡的降雨模式和水库水域范围之间的关系,揭示了降雨格局与水库水域范围动态变化之间的明确关联,对深入了解降雨变异性如何影响热带季风地区的水资源,提供了支持水资源管理策略和决策流程的初步发现。
Oct, 2023
本研究提出了一种基于机器学习的、利用遥感数据预测印度尼西亚森林火灾的新方法,其对近年来由森林砍伐和气候变化导致的森林火灾有着显著的影响并提出了可靠且高效的预测方案。
Jan, 2021
本文使用高分辨率卫星图像检测孟加拉国水稻田的自然灾害损害,研发了可用于训练 DeepLabV3plus 模型的地面真实数据,并通过 NDVI 差异图像进行了损害区域的检测和识别。
Apr, 2023