剑桥AI模型以有限数据实现塞内加尔作物84%识别率

剑桥大学研究团队于9月29日在《环境研究：粮食系统》期刊发表成果，验证开源人工智能模型Tessera在塞内加尔花生带小农作物监测中的应用潜力。针对西非地区雨养农业气候脆弱性强、传统实地勘测成本高昂的问题，该模型仅需微量预标注数据与低算力，即可对2018至2021年的卫星遥感影像进行高精度分析，作物识别准确率达84%，在特定测试中较同类方法提升28%。Tessera通过压缩地表植被时序特征生成嵌入向量，配合简易校准算法即可生成大范围作物图谱。其核心突破在于模型可跨年份直接复用，彻底免除了逐年实地调查的繁琐流程。研究首席作者莱斯乌斯强调，该技术真正价值在于大幅降低专业遥感分析门槛，推动地理空间数据普惠。联合国世界粮食计划署代表卢卡斯指出，在强厄尔尼诺现象加剧区域干旱风险的背景下，Tessera能为各国政府与粮安机构提供高效作物统计，显著提升粮食安全规划与气候灾害预警的决策效率。此项成果标志着先进卫星农业监测技术正加速向全球南方国家普及，为脆弱地区的粮食安全构筑了低成本、高可扩展的数字化防线。