数据稀疏区的快速响应作物图
计算机视觉与模式识别
2020-07-01 v1 机器学习
图像与视频处理
摘要
关于耕地分布的空间信息（常称耕地或作物图）是广泛农业与粮食安全分析及决策的关键输入。然而，大多数国家并不具备现成的高分辨率耕地图，在以小农农业为主的地区（如撒哈拉以南非洲）尤为如此。在危机时期，当决策者需要快速制定并实施农业相关政策与缓解策略（包括提供人道主义援助、发放定向补助或提升农民生产力）时，这些图尤为关键。开发作物图的一大挑战在于，许多地区缺乏可用于训练与验证预测模型的现成耕地地面真值数据，且野外考察在快速响应中并不可行。我们提出了一种在几乎无地面数据可用地区快速绘制耕地的方法。我们在多哥展示了该方法的结果：为助力多哥政府对COVID-19大流行进行快速响应，我们在10天内交付了一幅高分辨率（10 m）耕地图。这证明了机器学习应用研究向真实人道主义危机中操作性快速响应的成功转化。所有地图、数据与代码均公开可用，以支持数据稀疏区的未来研究与业务系统。
引用
@article{arxiv.2006.16866,
title = {Rapid Response Crop Maps in Data Sparse Regions},
author = {Hannah Kerner and Gabriel Tseng and Inbal Becker-Reshef and Catherine Nakalembe and Brian Barker and Blake Munshell and Madhava Paliyam and Mehdi Hosseini},
journal= {arXiv preprint arXiv:2006.16866},
year = {2020}
}
备注
Presented at KDD 2020 Humanitarian Mapping Workshop