Rusijos mokslų akademijos Tolimųjų Rytų filialo Botanikos sodo instituto rusų mokslininkai išmokė konvoliucinį nervų tinklą atpažinti pažeistų miškų vietas - vėjo pūtimą ir negyvus medžius, kuriuos puola žievės vabalai. Šis metodas veikia 94 procentų tikslumu ir gali naudoti viešai prieinamus itin didelės skiriamosios gebos palydovinius vaizdus kaip informacijos šaltinį. Ateityje mokslininkai planuoja pritaikyti sukurtą metodą ne tik palydoviniams, bet ir vaizdams, gautiems iš nepilotuojamų orlaivių.
Darbo rezultatai, paremti Rusijos mokslo fondo (RSF) prezidento programos dotacija, buvo paskelbti žurnale „Remote Sensing in Ecology and Conservation“. „Gavome programą, leidžiančią greitai ir dideliuose plotuose ekspertų tikslumu surasti mus dominančias miško trikdžių sritis“, - sako daktaras Kirilas Korznikovas.
„Palyginome savo požiūrį į sutrikdytų miškų zonų atpažinimą su kitais„ tradiciniais “mašininio mokymosi metodais. Pranokome analogus: tikslumas buvo apie 94 proc. Šiuo atveju naudojami tik viešai prieinami spalvoti palydoviniai vaizdai, padaryti matomame elektromagnetiniame diapazone, neatsižvelgiant į spektrinių kanalų reikšmes ultravioletinėje ar infraraudonųjų spindulių spektro dalyje “.
Miškai užima trečdalį viso žemės paviršiaus, tačiau jų plotas nuolat mažėja: nuo 1990 m. - 178 milijonais hektarų. Tai atsitinka ne tik dėl žmonių veiksmų, bet ir veikiant natūraliems elementams, tokiems kaip audros ir stiprus vėjas. Kitas veiksnys yra gyvybiškai svarbi vabzdžių veikla, tarp kurių garsėja žievės vabalų tipografas, kenkiantis šiaurės Eurazijos eglių miškams nuo Vakarų Europos iki Japonijos.
Nuotolinis stebėjimas naudojamas pažeidimams stebėti. Dėl specialių projektų, naudojančių „Landsat“ir „Sentinel“palydovus, didelės skiriamosios gebos vaizdus taip pat galima rasti viešojoje erdvėje. Todėl jie naudojami daugumai tyrimų, susijusių su miškų stebėsena. Norint aptikti ir apskaičiuoti tokių vaizdų pažeidimo plotą, naudojama informacija apie pikselių ryškumą - visuotinis stebėjimas remiasi jų palyginimo rezultatais.
Naudojant ypač didelę skiriamąją gebą (mažiau nei vienas metras pikseliui) atsiveria galimybės tiksliau įvertinti pažeistų medynų plotus, nustatyti pavienių medžių vietos žūties vietas ir nustatyti jų mirties priežastis..
Rusijos mokslininkai iš Rusijos mokslų akademijos Tolimųjų Rytų filialo Botanikos sodo instituto (Vladivostokas) pritaikė konvoliucinius neuronų tinklus, panašius į U-Net architektūrą, kad atpažintų negyvus miškus itin didelės skiriamosios gebos RGB vaizduose. Originalus neuronų tinklas „U-Net“buvo sukurtas analizuoti biomedicinos vaizdus 2015 m. Tai leidžia naudoti mažiau mokymo duomenų ir leidžia juos naudoti, įskaitant vaizdo segmentavimą ir objektų atpažinimą.
Įvairių rūšių miško trikdžiai turi labai atpažįstamus palydovinių vaizdų modelius. Autoriai jau turėjo vizualinio ekspertinio miško būklės įvertinimo patirties ir lauko tyrimų, atliktų Kunashiro ir Sachalino salose, duomenų. Remdamiesi jais, jie sukūrė kaukes tikslinėms sritims - vėjo pūtimams ir negyviems medžiams, kuriuos užpuolė žievės vabalas -tipografas. Kaukės ir atitinkami palydoviniai vaizdai tapo pirminiais neuronų tinklų mokymo duomenimis.
Tada apmokyti neuroniniai tinklai buvo sėkmingai pritaikyti palydoviniams vaizdams, siekiant aptikti panašaus pobūdžio sutrikimus salų miškuose. Ateityje mokslininkai planuoja pritaikyti sukurtą metodą ne tik palydoviniams, bet ir vaizdams, gautiems iš nepilotuojamų orlaivių. Nauji miškų dangos dinamikos stebėjimo metodai žymiai išplės miškininkystės inventorizacijos sistemų ir miškų išteklių apsaugos galimybes: bus daug lengviau sekti ir fiksuoti pokyčius, o tai reiškia, kad informacija gali būti greitai perduodama tolesniems veiksmams.