Достижения в области спутниковых и сенсорных технологий значительно улучшили способность наблюдать за поверхностью Земли с высоким пространственным разрешением, предоставляя множество изображений с высоким пространственным разрешением, которые играют все более важную роль в мониторинге природных ресурсов, наземной среды, сельского хозяйства, лесного хозяйства и океанов.
В настоящее время эти изображения HSR стали основными источниками данных для сельскохозяйственных приложений, поскольку их HSR приносит пользу детальному наблюдению за распределением типов культур и состоянием роста культур.
С другой стороны, поскольку большинство спутниковых датчиков HSR разработаны с учетом компромиссов между пространственным и временным разрешением в условиях технических и бюджетных ограничений, эти изображения HSR обычно имеют более низкое временное разрешение, что серьезно подрывает их способность отслеживать быстрые изменения в росте культур и реагировать на естественные и антропогенные сельскохозяйственные события своевременно, требуя идеального периода наблюдения не более 1 недели.
Эта проблема также существует со спутниками серии Gaofen в программе Китайской системы наблюдения за Землей с высоким разрешением. Например, спутники Gaofen-1/6 оснащены 2-метровой PAN (панхроматической), 8-метровой PMC (панхроматической многоканальной) и 16-метровой широкоугольной камерой среднего разрешения, но период повторного обзора составляет 41 день. К счастью, некоторые спутниковые датчики обеспечивают получение изображений среднего пространственного разрешения с пространственным разрешением от 10 до 20 м и периодом повторного обзора 5 дней, что может компенсировать этот недостаток, если изображения HSR можно объединить с такими изображениями среднего пространственного разрешения с использованием недавно разработанных методов пространственно-временного слияния (STF).
Группа специалистов из Государственной ключевой лаборатории дистанционного зондирования при Пекинском педагогическом университете в сотрудничестве с другими учреждениями разработала StarFusion — новый метод пространственно-временного слияния.
Опубликованное в журнале Journal of Remote Sensing исследование объединяет методы глубокого обучения и традиционной регрессии для устранения ограничений текущих методов слияния. StarFusion эффективно объединяет данные высокого разрешения Gaofen-1 с данными среднего разрешения Sentinel-2, что приводит к значительному улучшению изображений для сельскохозяйственного мониторинга.
StarFusion представляет собой инновационный подход к пространственно-временному слиянию изображений, сочетающий в себе сильные стороны глубокого обучения и традиционных регрессионных моделей. Благодаря интеграции генеративно-состязательной сети сверхвысокого разрешения (SRGAN) с моделью частичной регрессии наименьших квадратов (PLSR), StarFusion достигает высокой точности слияния, сохраняя мелкие пространственные детали.
Метод эффективно решает такие проблемы, как пространственная неоднородность и ограниченная доступность изображений без облачности, что делает его весьма практичным для реальных сельскохозяйственных приложений.
Обширные испытания на различных сельскохозяйственных участках показали, что StarFusion превосходит существующие методы, особенно в сохранении пространственной детализации и улучшении временного разрешения. Его способность работать с минимальными данными без облаков выделяет его, предоставляя надежное решение для мониторинга урожая в регионах, страдающих от частой облачности.
«StarFusion представляет собой ценную попытку в области технологии дистанционного зондирования для сельского хозяйства. Его способность генерировать высококачественные изображения с улучшенным временным разрешением значительно улучшит точное земледелие и мониторинг окружающей среды», - сказал профессор Цзинь Чен, ведущий автор исследования.
StarFusion предлагает значительные преимущества для цифрового сельского хозяйства, предоставляя изображения высокого разрешения, необходимые для детального мониторинга урожая, прогнозирования урожайности и оценки стихийных бедствий. Его способность создавать точные изображения, несмотря на облачность и ограниченную доступность данных, делает его особенно ценным для управления сельским хозяйством в регионах со сложными погодными условиями. Ожидается, что по мере развития этой технологии StarFusion сыграет решающую роль в повышении производительности и устойчивости сельского хозяйства.