Ученые научили нейросеть анализировать изменения границ лесов по данным дистанционного зондирования
Как передаёт ТАСС, российские ученые на основе данных дистанционного зондирования Земли (ДЗЗ) научили искусственный интеллект определять тип растительности на территориях и границы биомов. В дальнейшем система может быть использована для мониторинга изменения площади и границ лесов после пожаров, вырубок или из-за потепления климата, сообщила в понедельник пресс-служба Министерства науки и высшего образования РФ.
"Коллектив исследователей из Института биофизики и Института вычислительного моделирования Красноярского научного центра Сибирского отделения (СО) РАН на основе данных ДЗЗ научили искусственный интеллект определять тип растительности на территориях и границы биомов. <...> В ближайшей перспективе такая система сможет отслеживать изменения площадей леса. С ее помощью можно будет отслеживать изменения после пожаров, вырубок леса, продвижения границы лесов из-за потепления климата, а также по другим причинам", - говорится в сообщении.
Многоспектральные спутниковые снимки используются для изучения растительности и определения границ различных биомов, например, леса. Данные, полученные со спутников, представляются в виде фотографий. Информация на таком снимке и традиционной карте часто не совпадают, поскольку карты обновляются редко. При этом анализировать изображения тысяч квадратных километров и обводить леса по фотографиям вручную - нереальная задача. Поэтому ученые решили ее автоматизировать.
Исследователи обучали нейросеть распознавать границы лесов, лугов и других биомов по спутниковым изображениям, полученным в период с мая по сентябрь 2018 года. Данные предоставлялись с нескольких регионов Красноярского края, для которых хорошо известны типы растительности. В итоге нейросеть научилась отличать типы растительности, а также различать леса по виду: хвойные или лиственные.
Однако алгоритм пока совершает ошибки в распознавании лугов. Исследователи планируют повысить точность и улучшить распознавание за счет дополнительного обучения с более широким охватом зон и данных. Исследование проводилось при поддержке Российского фонда фундаментальных исследований и Русского географического общества.