预测非洲沙漠蝗虫繁殖地的地理空间方法
机器学习
2024-03-22 v2 计算机视觉与模式识别
摘要
沙漠蝗虫群对农业和粮食安全构成重大威胁。为应对这一挑战，本研究开发了一种可投入运行的模型来预测蝗虫繁殖地，该模型有望增强早期预警系统和针对性控制措施。我们整理了来自联合国粮食及农业组织 (UN-FAO) 的蝗虫观测记录数据集，并使用两类时空输入特征进行分析：遥感环境和气候数据以及多光谱地球观测图像。我们的方法采用了定制深度学习模型（三维和基于 LSTM 的循环卷积网络），以及 Jakubik 等人于 2023 年最近发布的地理空间基础模型 Prithvi。这些模型显著优于现有基线，其中基于 Prithvi 的模型在 NASA 的协调 Landsat 和 Sentinel-2 (HLS) 数据集的多光谱图像上进行微调后，取得了最高的准确率、F1 和 ROC-AUC 分数（分别为 83.03%、81.53% 和 87.69%）。我们研究的一个重要发现是，仅凭多光谱地球观测图像就足以有效预测蝗虫繁殖地，无需显式纳入气候或环境特征。
引用
@article{arxiv.2403.06860,
title = {A Geospatial Approach to Predicting Desert Locust Breeding Grounds in Africa},
author = {Ibrahim Salihu Yusuf and Mukhtar Opeyemi Yusuf and Kobby Panford-Quainoo and Arnu Pretorius},
journal= {arXiv preprint arXiv:2403.06860},
year = {2024}
}