NASA-ini naučnici uspješno su koristili lasere instalirane na Međunarodnoj svemirskoj stanici za skeniranje polja kukuruza u toj zemlji USA, Kina i Francuska na karti. U budućnosti, istraživački tim namjerava napraviti mapu proizvodnje kukuruza širom svijeta koja bi se mogla koristiti za određivanje izgleda za žetvu ove poljoprivredne kulture važne za održavanje prehrambene sigurnosti, prenosi internet stranica FutureFarming.
To bi takođe moglo pomoći poljoprivrednicima i naučnicima da procijene pitanja sigurnosti hrane i odaberu poljoprivrednu tehniku koja bi pomogla poboljšanju proizvodnje u ključnim regijama - proizvođačima kukuruza.
Laseri na Međunarodnoj svemirskoj stanici dio su NASA-inog istraživanja Global Ecosystem Dynamics (GEDI). Svake sekunde šalju 242 brza impulsa svjetlosti na Zemlju, koji se odbijaju od površine naše planete i mogu se koristiti za kreiranje trodimenzionalnih profila Zemljine površine. Glavni zadatak GEDI-a je mjerenje visine drveća i strukture šume kako bi se procijenila količina ugljika akumuliranog u šumama i mangrovima. Međutim, nova studija koju je podržala NASA Harvest pokazuje da se ovi podaci mogu koristiti i za kreiranje mapa na kojima se uzgajaju različite vrste usjeva.
Mapiranje površina određenih usjeva je važno za procjenu njihove ukupne proizvodnje u svijetu. Međutim, prema NASA-i, ispravno mapiranje vrsta usjeva iz svemira bilo je teško jer bi mnoge biljke mogle izgledati isto na optičkim slikama.
David Lobell, agroekolog sa Univerziteta Stanford, direktor je NASA-inog projekta Harvest. On i njegov tim počeli su koristiti GEDI podatke za mapiranje kukuruza. Kada je u potpunosti uzgojen, prosječne stabljike kukuruza su oko metar više od ostalih kultura, a ta razlika je primjetna u GEDI profilima. Na osnovu ove činjenice, podaci o lidarskom profilu iz GEDI-a kombinovani su sa optičkim snimcima sa satelita Sentinel-2 Evropske svemirske agencije. Bili su u mogućnosti da daljinski mapiraju polja kukuruza u tri regije u kojima su postojali pouzdani podaci o zemljištu koji podržavaju njihova zapažanja: Iowa do USA, Jilin u Kini i region Grand Est u Francuskoj.
Stanfordski algoritam ima Više ispravno razlikovati od drugih kultura sa tačnošću većom od 83%. Model koji koristi samo podatke Sentinel-2 imao je prosječnu ukupnu tačnost od 64%.