（比什凯克，2025年11月25日，卡巴尔通讯社）世界知名科研出版机构 Springer Nature 发布了一项由吉尔吉斯国立大学（КНУ）教授德米特里·米哈伊洛夫带领的吉尔吉斯斯坦科研团队完成的新研究成果。
据国立大学新闻处消息，该项目在联合国毒品和犯罪问题办公室（UNODC）的支持下完成，并被视为全球植物监测技术领域的一项突破。
研究基于吉尔吉斯斯坦独特的地貌条件展开。科研团队选择山地环境作为理想实验场景，使人工智能（AI）能够在传统监测手段几乎无法奏效的地区学习识别植物。
卫星图像往往难以呈现关键差异，而复杂地形又会遮蔽地面监测无法抵达的区域。
科研人员找到了新的思路。他们没有依赖传统的视觉分析，而是训练人工智能根据植物的“光谱特征”进行识别，即不同作物反射太阳光的方式。许多植物拥有独特的光谱“签名”，这些特征肉眼不可见，却能在特定的卫星数据波段中清晰显现。
据悉，研究团队收集了多年积累的卫星数据，并辅以野外测量及 UNODC 提供的标准样本。基于这一数据集，他们成功让系统以高精度识别多种植物类型。
研究显示，关键并不在于单一图像，而是长期动态变化：季节节律、植被密度、地块轮作等。算法能够发现人类和传统分析手段无法识别的规律。
该成果的主要价值在于其通用性。如果系统能在吉尔吉斯斯坦高山地带、气候多变且植被密集的条件下稳定运行，那么它完全可以应用于世界其他地区。该方法可灵活推广至非洲、南美洲、地中海等非法种植风险较高的地区。
研究发表于 Springer Nature，表明中亚正逐步成为创新科技解决方案的生成地。吉尔吉斯科研团队与 UNODC 的这项成果，有望成为全球植被监测的新标准。
吉尔吉斯斯坦水资源、农业与加工工业部已对该系统在农业作物识别方面的应用表示关注。