محولات للاستشعار عن بُعد: مراجعة وتحليل منهجي

يواجه البحث عن المحولات في الاستشعار عن بُعد (RS)، الذي بدأ بالازدياد بعد عام 2021، مشكلة نقص المراجعة النسبي. لفهم اتجاهات المحولات في RS، قمنا بإجراء تحليل كمي للأبحاث الرئيسية عن المحولات على مدار العامين الماضيين من خلال تقسيم تطبيق المحولات إلى ثمانية مجالات: تصنيف استخدام الأرض/غطاء الأرض (LULC)، والتجزئة، والدمج، واكتشاف التغيرات، واكتشاف الأشياء، والتعرف على الأشياء، والتسجيل، وغيرها. تُظهر النتائج الكمية أن المحولات تحقق دقة أعلى في تصنيف LULC والدمج، مع أداء أكثر استقرارًا في التجزئة واكتشاف الأشياء. من خلال الجمع بين نتائج التحليل في تصنيف LULC والتجزئة، وجدنا أن المحولات تحتاج إلى مزيد من المعلمات مقارنة بالشبكات العصبية الالتفافية (CNNs). بالإضافة إلى ذلك، هناك حاجة إلى مزيد من البحث بشأن سرعة الاستدلال لتحسين أداء المحولات. تم تحديد أن أكثر مشاهد التطبيقات شيوعًا للمحولات في قاعدة بياناتنا هي المناطق الحضرية، والأراضي الزراعية، والمساحات المائية. كما وجدنا أن المحولات تُستخدم في العلوم الطبيعية مثل الزراعة وحماية البيئة بدلاً من العلوم الإنسانية أو الاقتصاد. أخيرًا، يلخص هذا العمل نتائج تحليل المحولات في الاستشعار عن بُعد التي تم الحصول عليها خلال عملية البحث ويقدم وجهة نظر حول الاتجاهات المستقبلية للتطوير.