地理空间智能方法使土地使用管理更准确，更快
来自圣保罗州立大学（UNESP）的研究人员，位于巴西的Tupãcampus，已经开发并测试了一种新的地理空间智能方法，可以更快，更准确地为土地使用管理和领土规划项目做出贡献。 光子电路操纵光以执行各种计算任务，已成为一系列先进技术的重要工具 - 从量子模拟到人工智能。这些电路提供了一种有前途的方法来处理信息，以最小的能量损失，尤其是在诸如量子计算之类的领域中，在其中模拟了复杂系统以测试量子力学理论。
来源:英国物理学家网首页来自圣保罗州立大学（UNESP）的研究人员，位于巴西的Tupãcampus，已经开发并测试了一种新的地理空间智能方法，可以更快，更准确地为土地使用管理和领土规划项目做出贡献。 使用此工具，可以精确地描绘出亚马逊雨林的地区，塞拉多植被（巴西类似萨凡纳的生物群落），牧场和农作物在双重编写系统中，这可以为旨在为农业生产和环境保护提供的公共政策提供支持。 农作物 该研究发表在《农业工程》杂志上。 已发布 农业工程 By combining data cube architecture (ready for analysis), disseminated in Brazil through the Brazil Data Cube project, led by the National Institute for Space Research (INPE), and the Geobia (Geographic Object-Based Image Analysis) approach, the scientists were able to identify vegetation and double cropping—for example, soy and corn—over the course of a harvest in the state of Mato Grosso.他们使用了来自NASA MODIS（中等分辨率成像光谱计）传感器的卫星图像的时间序列。 结果表明，所提出的组合以及机器学习（人工智能）算法的映射精度达到了95％。 当前，映射使用孤立的像素图像分析，最终在某些区域造成了边缘问题。 “以这种方式，我们能够减少重复的边缘误差并准确地识别目标，即使有适度的空间分辨率。” Chaves多年来一直在使用数据立方体体系结构，以开发有助于分析的工具，这些工具专注于农业前沿的发展，尤其是在塞拉多。 实践中的应用
来自圣保罗州立大学（UNESP）的研究人员，位于巴西的Tupãcampus，已经开发并测试了一种新的地理空间智能方法，可以更快，更准确地为土地使用管理和领土规划项目做出贡献。
使用此工具，可以精确地描绘出亚马逊雨林的地区，塞拉多植被（巴西类似萨凡纳的生物群落），牧场和农作物在双重编写系统中，这可以为旨在为农业生产和环境保护提供的公共政策提供支持。农作物
该研究发表在《农业工程》杂志上。 已发布农业工程
By combining data cube architecture (ready for analysis), disseminated in Brazil through the Brazil Data Cube project, led by the National Institute for Space Research (INPE), and the Geobia (Geographic Object-Based Image Analysis) approach, the scientists were able to identify vegetation and double cropping—for example, soy and corn—over the course of a harvest in the state of Mato Grosso.他们使用了来自NASA MODIS（中等分辨率成像光谱计）传感器的卫星图像的时间序列。
结果表明，所提出的组合以及机器学习（人工智能）算法的映射精度达到了95％。
当前，映射使用孤立的像素图像分析，最终在某些区域造成了边缘问题。
“以这种方式，我们能够减少重复的边缘误差并准确地识别目标，即使有适度的空间分辨率。”