Ученые Ботанического сада-института ДВО РАН во Владивостоке научили нейросеть распознавать на спутниковых снимках участки поврежденных лесов — ветровалов и усохших деревьев, атакованных жуками-короедами. Метод работает с точностью 94 %. В дальнейшем ученые планируют применить его не только к спутниковым снимкам, но и к изображениям, полученным с беспилотных летательных аппаратов. Новые методы наблюдений за динамикой лесного покрова существенно расширят возможности систем инвентаризации лесного хозяйства и охраны лесных ресурсов: будет намного проще отслеживать и фиксировать изменения, а значит, можно оперативно передавать информацию для дальнейшего принятия мер. Результаты работы, поддержанной грантом Российского научного фонда (РНФ), опубликованы в журнале Remote Sensing in Ecology and Conservation, кратко о них сообщает пресс-служба РНФ.
«Мы получили программу, позволяющую находить участки интересующих нас лесных нарушений с экспертной точностью, быстро и на огромных площадях, — рассказывает руководитель проекта по гранту РНФ Кирилл Корзников, ведущий научный сотрудник Ботанического сада-института ДВО РАН. — Мы сравнили наш подход распознавания нарушенных участков лесов с другими "традиционными" методами машинного обучения. Мы превзошли аналоги: точность составила около 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».
С 1990 года площадь лесов на Земле сократилась на 178 миллионов гектаров. Это происходит не только из-за действий человека, но и под влиянием природных стихий, таких как бури и сильные ветра. Еще одним фактором является деятельность насекомых, среди которых печально известен жук короед-типограф, повреждающий еловые леса севера Евразии от Западной Европы до Японии. Для отслеживания повреждений применяют дистанционное зондирование. Благодаря специальным проектам с применением спутников Landsat и Sentinel снимки высокого разрешения можно найти и в открытом доступе. Поэтому они используются для большинства исследований, связанных с мониторингом лесов. Чтобы на таких снимках обнаружить и подсчитать площадь повреждения, используют информацию о яркости пикселей — на результатах их сравнений основан глобальный мониторинг. Использование сверхвысокого разрешения (менее одного метра на пиксель) открывает возможности более точной оценки площадей поврежденных древостоев, выявления мест локальной гибели одиночных деревьев, а также установления причины их гибели.
Исследователи применили сверточные нейронные сети U-Net-подобной архитектуры для распознавания погибших лесов на цветных RGB-снимках сверхвысокого разрешения. Оригинальная нейронная сеть U-Net была создана для анализа биомедицинских изображений в 2015 году. Она позволяет использовать меньшее количество обучающих данных и дает возможность использовать ее, в том числе, для сегментации изображений и распознавания объектов.
У разных типов нарушений лесов есть хорошо узнаваемые паттерны на спутниковых снимках. У авторов уже были опыт визуальной экспертной оценки состояния лесного покрова и данные полевых исследований, выполненных на островах Кунашир и Сахалин. На их основе ученые создали маски целевых областей — ветровалов и усохших деревьев, атакованных короедом-типографом. Маски и соответствующие им спутниковые изображения стали исходными данными для обучения нейронных сетей. Далее обученные нейронные сети были успешно применены к спутниковым снимкам для обнаружения аналогичных типов нарушений в островных лесах.
