Группа ученых из Красноярского научного центра СО РАН обучила искусственный интеллект классифицировать тип растительности и определять границы биомов по данным дистанционного мониторинга Земли. Исследование может применяться для отслеживания изменений границ леса. Результаты работы опубликованы в сборнике конференции IOP Conference Series: Materials Science and Engineering.
Многоспектральные спутниковые снимки можно использовать для изучения наземной растительности и определения границ различных биомов, к примеру, леса. Однако данные, полученные со спутников, представляются в виде фотографий, и анализировать изображения тысяч квадратных километров и обводить леса по фотографиям вручную — нереальная задача. Поэтому ученые решили поручить это дело искусственному интеллекту,.
Коллектив исследователей из красноярских Института биофизики и Института вычислительного моделирования КНЦ СО РАН на основе данных дистанционного зондирования Земли научили искусственный интеллект определять тип растительности на территориях и маркировать границы биомов.
«Мы взяли фотографии территорий с точно известными типами растительности в двенадцати спектральных каналах, и обучили на них нейросеть распознавать границы хвойных и лиственных лесов и лугов. Для каждого пикселя снимка она получала на вход значения двенадцати спектральных каналов и обучалась предсказывать тип растительности. Сейчас мы работаем над увеличением точности распознания и количества распознаваемых типов растительности», — пояснил младший научный сотрудник Института биофизики КНЦ СО РАН кандидат физико-математических наук Михаил Салтыков.
Исследователи обучали нейросеть 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. Нейросеть обучалась на хвойных и смешанных лесах возле Красноярска и полях около села Погорелка. Программа успешно узнает и различает хвойные и лиственные леса, но пока имеет проблемы с распознаванием лугов.
«Однако алгоритм пока совершает ошибки в распознавании лугов. Иногда он находит на них небольшие участки, которые обозначает лесом посреди поля. Ученые отмечают, такой „дефект“ может быть связан с наличием там нетипичных растений, с характеристиками больше напоминающими лес. Исследователи планируют повысить точность и улучшить распознавание за счет дополнительного обучения с более широким охватом зон и данных. Также стоит задача уменьшить количество используемых нейросетью каналов», — отмечают ученые.
В ближайшей перспективе такая система сможет отслеживать изменения площади лесов. Нейросеть будет автоматически просматривать и анализировать снимки за разные годы и показывать, как сдвинулись за это время границы. С ее помощью можно отследить трансформации после пожаров, вырубок, а также продвижение границы растительности из-за потепления климата.
Исследование проводилось при поддержке Российского фонда фундаментальных исследований и Русского географического общества.