Российские ученые применили нейросети для обнаружения повреждений лесного массива со спутниковых фотографий. Точность метода составила 94%. Исследование опубликовано в журнале Remote Sensing in Ecology and Conservation.
«Мы получили программу, позволяющую находить участки интересующих нас лесных нарушений с экспертной точностью, быстро и на огромных площадях. Мы сравнили наш подход распознавания нарушенных участков лесов с другими "традиционными" методами машинного обучения. Мы превзошли аналоги: точность составила порядка 94%. При этом используются лишь общедоступные цветные спутниковые изображения, выполненные в видимом электромагнитном диапазоне, без учета значений спектральных каналов в ультрафиолетовой или инфракрасной части спектра», — рассказал руководитель проекта по гранту Президентской программы Российского научного фонда, ведущий научный сотрудник Ботанического сада-института ДВО РАН Кирилл Корзников.
Около трети всей суши на планете покрывают леса. Однако их площадь неуклонно сокращается. Только с 1990 года на Земле стало на 178 миллионов гектаров леса меньше. Обезлесение чаще всего ассоциируется с деятельностью человека, но природа тоже вносит свой вклад. Помимо бурь и сильных ветров важным природным фактором является жизнедеятельность насекомых. Особенно среди них выделяется жук короед-типограф, который повреждает еловые леса севера Евразии от Западной Европы до Японии.
Большинство исследований, связанных с мониторингом леса, сегодня основаны на изучении спутниковых снимков. Чтобы обнаружить повреждения и вычислить их площадь, ученые используют информацию о яркости пикселей, на результате сравнения которых основан глобальный мониторинг. Этот метод можно сделать еще более точным благодаря использованию сверхвысокого разрешения (менее одного метра на пиксель). Это откроет новые возможности для более точной оценки площади поврежденных древостоев, выявления мест локальной гибели одиночных деревьев и определения причин их гибели.
Российские ученые нашли способ, который позволит с высокой точностью распознавать погибшие леса. Они применили сверточные нейронные сети U-Net-подобной архитектуры, которые распознавали погибшие участки леса на цветных RGB снимках сверхвысокого разрешения. Нейронная сеть U-Net была разработана в 2015 году и первоначально была призвана анализировать биомедицинские изображения. Она требует меньшего количества обучающих данных, а использовать ее можно для сегментации изображений и распознавания объектов.
Разные типы повреждений лесов имеют свои хорошо узнаваемые паттерны на спутниковых снимках. Опираясь на свой опыт визуальной оценки состояния лесов и данные полевых исследований на островах Кунашир и Сахалин, ученые создали маски целевых областей. Ими стали ветровалы и усохшие деревья, которые атаковал короед-типограф. Эти маски и соответствующие им спутниковые снимки и стали исходными данными для обучения нейросетей. Затем ученые применили нейросети, чтобы обнаружить на спутниковых снимках те же повреждения лесного массива.
Исследователи надеются, что в будущем их метод удастся применить к изображениям не только со спутников, но и с беспилотников. Это позволит значительно расширить возможности наблюдения за лесными массивами и сделать их охрану более эффективной.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
