摘要: 农业数字化发展迅速，越来越多的公司和开发商为作物监测、资产管理、开发肥料优化工具以及其他惊人的数字技术提供解决方案，以提高农业业务的效率。每当谈到农业管理时，基本实体是地块和具有特定坐标和边界的田地，所有的遥感数据都参考了田地。这就是为什么许多农业应用程序从农...
农业数字化发展迅速，越来越多的公司和开发商为作物监测、资产管理、开发肥料优化工具以及其他惊人的数字技术提供解决方案，以提高农业业务的效率。每当谈到农业管理时，基本实体是地块和具有特定坐标和边界的田地，所有的遥感数据都参考了田地。这就是为什么许多农业应用程序从农田地图开始，其中许多应用程序将这样的地图作为产品的核心功能来实现。
如何在地图上放置所有字段
以贝尔戈罗德地区（俄罗斯）的试验区为例，俄罗斯有相当大的农田地块，在 Sentinel 图像中能够清晰可见。面积为 2422 平方公里的地区包括 ：
- 大约 4,500 个多边形的农田；
- 平均多边形有大约 100 个顶点。
据估计，手工绘制地图需要制图师大约 160 个工作日。但如今，可以将部分常规地图绘制工作委托给人工智能（AI），以便更专注于实施阶段以及产品对最终用户需求的应用，我们可以使用相同的试点区域，包括：
- 人工智能地图制图运输在约 30 分钟内处理该区域的单个图像；
- 通常需要几个图像来覆盖该区域的所有区域（以避免云层，阴影等），这里使用了六张图像，整个区域需要三个小时的处理时间。
虽然人工智能在速度表现上多次战胜了人类制图师，但在某些情况下，它也会由于不稳定而出现错误，比如多云区域、云层阴影、不同的季节和田野模式等。
人工智能的速度和人类准确性相结合
接下来讨论两个潜在的用例，更具体地说，农田地图制图的自动化将非常有帮助，并提出一个制图员的工作流程，用于迭代处理和合并生成的字段掩码。
案例1：统计境内所有耕地的数量和面积
如您在免费和流行的 QGIS ( qgis.org )中有些许经验，那么在这里可使用插件 Mapflow-QGIS 及 Sentinel-2 和字段掩码。该插件由 Mapflow API 提供支持，此时只需创建一个帐户并获取登录令牌显示QGIS插件Mapflow中掩码和裁剪选项的屏幕截图即可开始工作。下图是有关如何在 Mapflow-QGIS 中搜索、预览和 运行 Sentinel-2 图像处理的完整用户指南。
如果幸运地找到覆盖了所在区域的无云图像，即可以使用单个 Sentinel-2 图像处理350 平方公里的区域，大约需要5 分钟（如上图所示）。
案例2：盘点境内所有领域
要获得在特定时间段内在该地区耕种的所有农田的精确地图（比如需要更新图像的植被季节），必须对可用的 Sentinel-2 图像进行一些初步分析，原因如下：
- 不要错过在不同时间培养的物体（见图4（a，b））；
- 确保全境覆盖（如遇云、雾、雪等情况，见图4(c)）。
为此，我们设计了特殊的迭代 AI 映射工作流程，该工作流程基于从多个卫星图像中提取的字段掩码组合。例如在俄罗斯的样本领土，它如何工作，内容如下：
- 包含六个要处理的图像;
- 制图员的迭代 AI 制图指南。
其中重要的一点是，制图师如果以前不熟悉此制图工作流程，算法大约需要三个小时，一位制图师需要两天时间才能最终确定结果（而不是 165 天）！
迭代式 AI 地图制图工作流程的先睹为快
迭代地图制图工作流基于以下原则：
- 从多个卫星图像中选择 AI 生成的成功多边形；
- 最大限度地减少制图师的点击次数。
任何制图师都可以在数小时内完成此工作流程，我们已经在开发一系列教程来解释其工作原理。当谈到卫星图像中关于地图制图的有效性时，还需要考虑一件重要的事情，通常需要一个方便的工具来搜索和处理图像。这就是为什么我们很高兴地宣布专用工具可供每位制图师免费使用。使用最新的插件 Mapflow-QGIS (1.6.*) ，通过 Mapflow AI 进行搜索、查看和处理 Sentinel-2 图像。
总结
- Sentinel-2 字段地图制图的新模型已成功实施到 Mapflow 中，并可供 Mapflow-QGIS 插件的所有用户使用，可与之前发布的高分辨率模型一起尝试使用。
- Mapflow-QGIS 1.6 已发布，主要的新功能是实现了前哨图像的目录和处理 （Sentinel 搜索由 SkyWatch API 提供支持，属于很酷的服务和图像提供者）。
- 我们已经描述了一个实验性农业领域的基准，表明人工智能制图可以将整个过程加速80 倍。
- 同时正在寻找准备好尝试迭代 AI 制图工作流程的勇敢制图师和开发人员。
- 除此项服务外，Mapflow 还提供高分辨率图像模型用于田间和道路掩膜提取，这对整个农业制图项目都很有用。
