تحليل سلسلة زمنية لمستشعر سينتيل 2 باستخدام شبكة هرمية للسمات ثلاثية الأبعاد وفواصل تفعيل الفئة في المجال الزمني لخرائط المحاصيل

في هذه الورقة، نقدم مساهمة مبتكرة في مجال البحث المخصص لرسم خرائط المحاصيل من خلال استغلال سلسلة من صور قمر سنتينل-2 الزمنية، بهدف محدد هو استخلاص معلومات حول "أين ومتى" تُزرع المحاصيل. الهدف النهائي هو إعداد عملية عمل (Workflow) قادرة على تحديد (تصنيف) المحاصيل المختلفة التي تُزرع في منطقة معينة، وذلك من خلال استغلال شبكة عصبية تلافيفية (CNN) ثلاثية الأبعاد (3+2)D نهائية إلى نهائية (end-to-end) لتحليل المعاني (Semantic Segmentation). كما تسعى هذه الطريقة إلى توفير معلومات على مستوى البكسل فيما يتعلق بالفترة الزمنية التي تُزرع فيها محصول معين خلال الموسم. ولتحقيق ذلك، نقترح حلًا يُسمى "فترة تفعيل الفئة" (Class Activation Interval - CAI)، والتي تتيح لنا تفسير التفكير الذي تقوم به الشبكة العصبية في عملية التصنيف، من خلال تحديد الفترة الزمنية في سلسلة الصور الزمنية المدخلة التي يكون فيها احتمال وجود فئة معينة مرتفعًا أو منخفضًا. وقد أظهرت تجاربنا، باستخدام مجموعة بيانات مفتوحة المصدر، أن النهج قادِر على الكشف بدقة عن فئات المحاصيل بدقة إجمالية تبلغ حوالي 93٪، وأن الشبكة قادرة على تحديد الفترات الزمنية التمييزية التي تُزرع فيها المحاصيل. تمتلك هذه النتائج أهمية مزدوجة: (أ) إثبات قدرة الشبكة على فهم التفاعل الفيزيائي المدروس بشكل صحيح (أي الحالة غير المزروعة للتربة، ونمو النبات، وتحلل النبات، والحصاد، وفقًا للنوع الزراعي المحدد)، و(ب) توفير معلومات إضافية للمستخدم النهائي (مثل وجود المحاصيل ودينامياتها الزمنية).