Небольшие крестьянские хозяйства производят значительную часть продовольствия для собственного потребления, однако их поля остаются практически невидимыми с орбиты. Участки менее гектара слишком малы и разрозненны для систем космического мониторинга, которые проектировались под масштабные агропромышленные угодья. Теперь эту проблему решает модель Tessera, разработанная исследователями Кембриджского университета совместно с зарубежными партнёрами.
Tessera (Temporal Embeddings of Surface Spectra for Earth Representation and Analysis) — базовая нейросетевая модель для дистанционного зондирования земной поверхности. Она обрабатывает данные радарной съёмки Sentinel-1 и оптических снимков Sentinel-2 программы «Коперник», преобразуя петабайты спутниковой информации в компактные цифровые представления — эмбеддинги.
В ходе испытаний на полях Австрии Tessera с высокой точностью определяла типы культур и границы участков на крошечных раздробленных наделах, превосходя действующие методы и затрачивая при этом всего 8% вычислительных ресурсов. При этом система не нуждается в ручной калибровке, которая требуется существующим аналогам.
Эти данные критически важны для организаций, отвечающих за продовольственную безопасность: ФАО, Всемирного банка, национальных правительств. На уровне страны погрешность в данных может определить, хватит ли зерна или придётся закупать его в объёмах, способных предотвратить продовольственный кризис. По словам ведущего автора исследования Маделин Лисайус (завершившей работу над проектом в качестве аспиранта кафедры компьютерных наук и технологий Кембриджа): «На уровне страны и континента это вопрос продовольственной безопасности — закупать ли 100 тонн риса или 10 000, потому что собственного урожая не хватит, и через месяцы люди окажутся на грани голода».
Результаты исследования представлены на конференции ISPRS 2026 в Торонто. Модель распространяется как открытый инструмент (open-source), что позволяет учёным из любой страны загружать данные своих локальных полей и расширять глобальную карту ИИ, повышая его точность и охват распознаваемых культур.
