基于卫星数据与序列到序列网络的土壤含水量预测
图像与视频处理
2019-07-09 v1 计算机视觉与模式识别
机器学习
摘要
本研究的主要目标是将遥感与机器学习相结合以检测土壤含水量。人口增长与食物消费已导致提高农业产量和减少自然资源浪费的需求。在本文中，我们提出了一种基于研究界近期工作的神经网络架构，该架构能够产生强大的社会影响并助力联合国零饥饿可持续发展目标。此处的主要目的在于：提高用水效率；减少对灌溉的依赖；增加总体作物产量；将因干旱与极端天气条件导致的作物损失风险降至最低。我们通过对卫星数据、地面实况与气候数据记录应用卫星影像、作物分割、土壤分类以及NDVI与土壤湿度预测来实现这一目标。通过将机器学习应用于传感器数据与地面数据，农场管理系统可演进为支持实时的AI赋能平台，从而向农民提供可操作的建议与决策支持工具。
引用
@article{arxiv.1907.03697,
title = {Prediction of Soil Moisture Content Based On Satellite Data and Sequence-to-Sequence Networks},
author = {Natalia Efremova and Dmitry Zausaev and Gleb Antipov},
journal= {arXiv preprint arXiv:1907.03697},
year = {2019}
}
备注
Presented on NeurIPS 2018 WiML workshop