此文档介绍了如何使用 ArcGIS Living Atlas of the World 上提供的农田描绘深度学习模型。 此模型使用 Sentinel-2 影像描绘农田。
农田界限描绘在多个领域中都有广泛应用，例如作物管理、精细农业、土地利用规划以及农作物保险等。 手动从影像中绘制农田界限既费时又费力。 该深度学习模型实现了自动化提取卫星影像中的农田界限，大幅度降低了所需的时间和劳动力成本。 模型能够适应不同作物种类、地理区域和成像条件的变化，非常适合大规模作业。
许可要求
要完成此工作流，需满足以下许可要求：
- ArcGIS Desktop - ArcGIS Pro 的 ArcGIS Image Analyst 扩展模块
- ArcGIS Enterprise - 已配置栅格分析的 ArcGIS Image Server。
- ArcGIS Online - ArcGIS Image for ArcGIS Online
模型详细信息
此模型具有以下特征：
- 输入 - 采用大气底层 (BOA) 反射率产品的 Sentinel-2 L2A 12 波段多光谱影像。
- 输出 - 包含已描绘农田的要素类。
- 计算 - 此为计算密集型工作流，建议使用计算能力为 6.0 或以上的 GPU。
- 适用地理位置 - 此模型适用于美国。
- 架构 - 此模型使用 ArcGIS API for Python 中实施的 Mask R-CNN 模型架构。
- 准确率指标 - 此模型在农田识别方面的平均精确率得分为 0.64。
- 局限性 - 该模型在平坦的农田区域表现良好，但在多山地区的效果可能不尽如人意。
访问和下载模型
请从 ArcGIS Living Atlas of the World 下载农田描绘预训练模型。 也可以从 ArcGIS Pro 直接访问模型，或在 ArcGIS Image for ArcGIS Online 中使用模型。
- 浏览至 ArcGIS Living Atlas of the World。
- 使用您的 ArcGIS Online 凭据进行登录。
- 搜索 Agricultural Field Delineation，然后从搜索结果中打开项目页面。
- 单击下载按钮以下载模型。
您可以在 ArcGIS Pro 中直接使用下载的 .dlpk 文件，或者在 ArcGIS Enterprise 中上传并使用文件。 还可以根据需要微调预训练模型。
发布说明
以下为发布说明：
| 日期 | 描述 |
|---|---|
| 2024 年 1 月 | 农田描绘 |