Размер:
A A A
Цвет: C C C
Изображения Вкл. Выкл.
Обычная версия сайта
Логин
Пароль
EN

Федеральный исследовательский центр 
«Красноярский научный центр
Сибирского отделения Российской академии наук»

 Федеральный исследовательский центр «Красноярский научный центр Сибирского отделения Российской академии наук»

Федеральный исследовательский центр 
«Красноярский научный центр
Сибирского отделения Российской академии наук»

Искусственный интеллект определит границы лесов по космическим фотографиям

6 августа 2019 г. Институт биофизики СО РАН

Искусственный интеллект определит границы лесов по космическим фотографиям

Группа ученых из Красноярского научного центра СО РАН обучила искусственный интеллект классифицировать тип растительности и определять границы биомов по данным дистанционного мониторинга Земли. Система хорошо распознает лес, но пока еще совершает ошибки на полях. 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. Данные, полученные со спутников, представляются в виде фотографий. Информация на современном снимке и традиционной карте часто не совпадают, поскольку карты обновляются редко. 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 Красноярского научного центра СО РАН на основе данных дистанционного зондирования Земли научили искусственный интеллект определять тип растительности на территориях и определять границы биомов. Ученые показали, что тип растительности можно идентифицировать попиксельно, используя 12 спектральных каналов и обучаемый алгоритм с обратной связью. Программа успешно узнает и различает хвойные и лиственные леса, но пока имеет проблемы с распознаванием лугов.

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. Она научилась хорошо отличать типы растительностей, а также различать леса по виду хвойных или лиственных.

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 леса. 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.

«На большой территории, снимки с которой нужно просмотреть, человек может делать ошибки из-за усталости или других факторов. Наша команда решила, что нейросеть будет быстрее и точнее выполнять аналогичную работу. 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», – рассказал Михаил Салтыков, кандидат физико-математических наук, младший научный сотрудник Института биофизики Красноярского научного центра СО РАН.

В ближайшей перспективе такая система сможет отслеживать изменения площадей леса. Нейросеть будет автоматически просматривать и анализировать снимки за разные годы и показывать, как сдвинулись за это время границы лесов. С ее помощью можно будет отслеживать изменения после пожаров, вырубок леса, продвижения границы лесов из-за потепления климата, а также по другим причинам.

Исследование проводилось при поддержке Российского фонда фундаментальных исследований и Русского географического общества.




Поделиться:



Наверх