残茬密度分割用于监测与优化耕作措施
计算机视觉与模式识别
2021-02-10 v1 人工智能
摘要
“免耕”和覆盖作物常被视作农业中碳封存首要的简易最佳管理措施。然而，问题的根源更为复杂，这些方法的潜在效益取决于诸多因素，包括田块的土壤类型、地形和管理历史。我们不使用计算机视觉方法简单地将田块分类为留茬与免耕，而是通过概率深度学习分割方法识别田块中残茬覆盖的程度，以实现对碳持有潜力和实现情况的更精确分析。该方法不仅将提供对当前实施措施的更精准洞察，还将实现对最具采纳新措施潜力田块的更准确识别，从而显著影响农业中的碳封存。
引用
@article{arxiv.2102.04866,
title = {Residue Density Segmentation for Monitoring and Optimizing Tillage Practices},
author = {Jennifer Hobbs and Ivan Dozier and Naira Hovakimyan},
journal= {arXiv preprint arXiv:2102.04866},
year = {2021}
}