地理空間技術の進歩と、ますます画期的な人工知能とディープ ラーニングの使用により、効果的な環境モニタリングへの科学的でデータ駆動型のアプローチが可能になっています。リモート センシング技術により、植生、水面、人工物、さまざまな土地利用パターンなど、地球の土地被覆の変化の研究が可能になっています。
過去数世紀の人間の活動は、地球の表面の変容を加速し、激化させてきました。この観点から、土地利用と土地被覆 (LULC) パターンの分類と評価は、地球規模の監視研究、環境保全、土地利用計画、資源管理、および世界中の持続可能な開発にとって重要です。
土地は農業の主要かつ最も重要な投入物であり、言うまでもなく、農業目的に十分な土地がなければ、世界人口に十分な食料、飼料、および繊維を生産することは不可能です.このため、耕作可能な土地の分布の分析は、さまざまな地域で農業目的の土地の利用可能性を判断し、その結果、世界中の農業生産を高めるために不可欠になります。異なる時点で取得されたリモート センシング衛星データを比較することで、LULC の変化を監視して、気象現象や人間活動による農地の縮小を特定することもできます。
Cropin は AI とディープ ラーニングを使用して土地利用と土地被覆をどのように定義していますか?
Cropin の AI 搭載エンジンは、米国地質調査所 (USGS) によって開発された土地利用分類システムに基づいて土地利用を分類します。このシステムは、土地利用と土地被覆を複数のレベルに分類し、それぞれのカテゴリがサブカテゴリの入れ子になった階層を形成します。たとえば、レベル I の大まかなカテゴリの 1 つである農業には、「農地と牧草地」などの詳細なカテゴリが含まれます。 '、'果樹園、果樹園、ブドウ園、苗床 」、および「閉じ込められた給餌操作 」。レベル I のカテゴリは LANDSAT タイプのデータですが、レベル II のカテゴリは、空間、スペクトル、および時間の解像度がより優れた高高度データ (12400m 以上) です。
Cropin による LULC マッピングは、地域およびさまざまな大規模アプリケーションに関連する USGS システムのレベル I に基づいています。 Cropin のエンジンは、レベル I の 9 つのサブカテゴリのうち 5 つを採用しています。viz 農地、不毛の地、市街地または市街地の土地、森林、および水域。
LULC 分類の最初のステップとして、生の衛星画像からのデータが抽出され、Cropin 独自のアルゴリズムを使用してトレーニングされ、インドの州および地区レベルの境界にジオタグが付けられます。次に、データをクリーニングして、不規則なプロット境界を取り除き、データ ポイントの精度を向上させます。次に、現在の季節 (Rabi/Kharif) の土地利用をマッピングするために再度トレーニングします。
5 つのカテゴリのそれぞれを明確で正確な境界でマッピングするために、トレーニング済みのモデルはさらに 2 段階の外れ値の除去を受けます。データポイントのサニタイズが繰り返されると、「ビルトアップ/アーバン」に水域が含まれないか、「農業用地」内に「不毛の地」が存在しない純粋なピクセルが生成されます。次に、これらのモデルの精度をテストし、精度が 90% 以上になるまで、さまざまな方法を使用して再トレーニングします。
Cropin のシステムによって作成されたラビ シーズン用の土地利用マップは、光学モデルに基づいています。ただし、ハリフ シーズンについては、期間中の雲量の増加を考慮して、合成開口レーダー (SAR) 画像データに基づいてモデルが構築されています。
図 1:マディヤ プラデーシュ州北西部の地域の LULC マップ
LULC の分類と精度の監査が完了すると、SmartRisk によって農業用の土地利用マッピングが抽出されます ユーザーの要件に応じて、特定の地域のどの作物が識別されるかに基づいて、インタラクティブな地図ベースのダッシュボードに表示されます。
これはどのように農業関係者の価値に変換されますか?
最新かつ信頼できる LULC 情報は、特に政府機関や農業融資機関が効果的な農業政策を策定するために使用する場合、農業分野で多くの利点があります。
SmartRisk は、政府機関の主要な利害関係者を支援します その特定の季節の特定の地域 (農場/郵便番号/州/国レベル) での農地の利用可能性を判断します。インテリジェントなプラットフォームは、地域の過去のパフォーマンスも確立します。これにより、ユーザーは現在のデータを過去の記録と比較して、地域の都市化、侵略、または悪天候の結果としての LULC の変化を調べることができます。この最先端のプラットフォームの LULC 機能を使用することで、灌漑のニーズに合わせた水供給の計画などの他の活動も効果的になります。
図 2:マディヤ プラデーシュ州バレリの LULC 分類を表示する SmartRisk ダッシュボード
銀行、保険、その他の金融機関 地域レベルで純播種面積を分析して、融資ポリシーと新しい地域への事業拡大を決定できます。区画レベルでは、機関は農場区画が耕作されているかどうかを特定し、区画の過去のパフォーマンスの記録を活用して、代替農業データに裏打ちされた迅速なローン引受とリスク評価を行うことができます。 AI が世界最大級の農作物保険プログラムの保険金支払いを最適化する方法について学びましょう。
種子製造業者およびその他 農業投入企業 SmartRisk のダッシュボードで利用できる正味播種面積と作物分類データに基づいて、販売戦略を最適化できます。どの作物がどこで育つか、作物の段階と健康状態がどのように見えるかについての知識は、投入企業が自社の製品を最寄りの流通ポイントで利用できるようにすることを可能にします。
一方、ソーシングおよび調達企業 、および商品トレーダーは、このアグリインテリジェンスを活用して、地域全体に広がる作物を特定し、作物の入手可能性に基づいてよりスマートな購入決定を下すことができます。
