Русское географическое общество и Российский фонд фундаментальных исследований помогут восстановить Сибирь после пожаров и незаконных вырубок. На грант РГО и РФФИ группа учёных из Красноярского научного центра Сибирского отделения Российской академии наук учит искусственный интеллект определять границы лесов.
Пожар в лесу. Фото: Игорь Капустин
Исследование ведётся уже два года. За это время искусственный интеллект научился классифицировать типы растительности и определять их границы по данным спутникового мониторинга Земли. Искусственный интеллект определит динамику изменений на основе расшифровки спутниковых фотографий разных лет. Эти знания помогут проанализировать масштаб ущерба, нанесённого лесными пожарами, скорость восстановления, определить участки с незаконными вырубками и те, на которых лесникам стоит провести посадку деревьев.
Фото предоставлено авторами проекта
"Разработка нового подхода к дешифрированию границ растительных сообществ, основанного на динамических характеристиках фенособытий по данным спутниковых систем" – так называется наш проект, – рассказывает младший научный сотрудник Института биофизики КНЦ СО РАН кандидат физико-математических наук Михаил Салтыков. – Мы побывали в экспедициях в нескольких районах Красноярского края, детально изучили там растительность, а потом взяли спутниковые снимки этих территорий и обучили на них нейросети распознавать границы хвойных и лиственных лесов, а также лугов. Сейчас мы работаем над увеличением точности распознания и количества распознаваемых типов растительности".
Изображение предоставлено авторами проекта
Как отмечает учёный, искусственный интеллект успешно обучается на хвойных и смешанных лесах возле Красноярска и полях около села Погорелка. Даже относительно простая нейронная сеть может распознавать растительность по 12 спектральным полосам с достаточной точностью.
Фото предоставлено авторами проекта
Интерпретировать спутниковые фотографии вручную (а речь о тысячах квадратных километров) – очень долгая и кропотливая работа, а зачастую и невозможная, поэтому обучение этому нейросети перспективно и, как ожидается, весьма эффективно впоследствии.
Результаты работы опубликованы в сборнике конференции IOP Conference Series: Materials Science and Engineering.