Австралийские саванны меняются, и ИИ показывает нам как

Австралия обладает крупнейшими нетронутыми саваннами на Земле. Они простираются от полуострова Кейп-Йорк в Квинсленде до Кимберли в Западной Австралии, занимая почти 25% площади страны. Эти обширные ландшафты богаты биоразнообразием, имеют культурное значение и играют ключевую роль в хранении углерода.

Однако саванны находятся под давлением лесных пожаров, интенсивного землепользования, инвазивных видов и изменения климата.

Для прогнозирования изменений команда создала инструмент искусственного интеллекта (ИИ) под названием Themeda (акроним от Thematic Mapping of Ecosystem Dynamics). Он обучен на 33 годах спутниковых наблюдений по всей северной Австралии, используя данные о пожарах, рельефе, температуре, осадках и почвах.

Инструмент может прогнозировать изменение растительного покрова для каждого участка размером 25 на 25 метров на территории северных саванн площадью 1.5 миллиона квадратных километров — год за годом.

Прогнозирование позволяет предвидеть риски, такие как потеря биоразнообразия, эрозия и деградация пастбищ, а не просто реагировать на них. Например, Themeda может показать, приведет ли низкое количество осадков к переходу лугов и водно-болотных угодий от плотного покрова к оголенной почве, что ухудшит качество воды ниже по течению.

Прогнозы также помогают менеджерам по пожарной безопасности предсказывать количество горючих материалов, направляя контролируемые выжигания в прохладный сезон для снижения риска катастрофических пожаров.

Глубокое обучение для прогнозирования

В основе инструмента лежит глубокое обучение — раздел ИИ, который учится на огромных массивах данных, чтобы обнаруживать закономерности и делать прогнозы. Модель с миллионами параметров обучалась 33 года, постоянно корректируя прогнозы на основе реальных данных.

Были протестированы две архитектуры модели. Новая архитектура, разработанная командой для лучшего учета локальных деталей и региональных закономерностей в пространстве и времени, показала более высокую точность.

Результат модели — не просто единый ответ, а вероятность для каждого типа растительного покрова на каждом участке 25x25 м. Это позволяет отображать «наиболее вероятный» покров или анализировать шансы на более резкие изменения, например, сокращение лугов или распространение древесной растительности.

От экологического прогнозирования к принятию решений

Цель работы над Themeda — улучшить принятие решений для динамичных и быстро меняющихся сред. Это гибкий и универсальный подход к экологическому прогнозированию, адаптируемый к различным экосистемам благодаря открытому исходному коду.

Следующие проекты планируют использовать прогнозы Themeda для моделирования экосистемных услуг в сценариях землепользования, управления пожарами и изменения климата. Например, можно будет картировать эрозию и движение наносов в водотоках, чтобы сосредоточить усилия по управлению выпасом и восстановлению на смягчении ускоренной эрозии.

Поскольку большие площади саванн в настоящее время отведены под выпас, экологическое прогнозирование позволит изучить стратегии управления для каждой части ландшафта. Это может включать восстановление, управление пожарами и методы выпаса, оценивая их последствия и компромиссы для производства, биоразнообразия и хранения углерода.

Интеграция глубокого обучения с дистанционным зондированием в Themeda открывает новые возможности для мониторинга окружающей среды и моделирования изменений земного покрова, основанных на данных.