От космоса до болота: метод ИИ классифицирует виды мангровых зарослей с беспрецедентной точностью
Мангровые леса имеют решающее значение для биоразнообразия, смягчения последствий изменения климата и защиты побережья, но сталкиваются с угрозами со стороны изменения климата и деятельности человека. Традиционные методы мониторинга недостаточно точно фиксируют их сложные особенности.
Исследователи из Китайской академии наук разработали новую систему для классификации видов мангровых зарослей с использованием алгоритма ансамблевого обучения XGBoost, как сообщается в Journal of Remote Sensing от 6 июня 2024 года. Исследование, сочетающее мультиисходные данные дистанционного зондирования, предлагает значительный скачок в точности картирования видов мангров.
Исследование проводилось в Национальном природном заповеднике мангровых лесов Чжаньцзян в Китае с использованием данных со спутников WorldView-2, OrbitaHyperSpectral и ALOS-2. Исследователи извлекли 151 признак дистанционного зондирования и разработали 18 схем классификации для анализа данных. Комбинируя эти признаки с алгоритмом XGBoost и рекурсивным исключением признаков, они достигли впечатляющей точности классификации в 94,02%.
Интеграция мультиспектральных, гиперспектральных данных и данных радиолокатора с синтезированной апертурой оказалась высокоэффективной для различения шести различных видов мангровых зарослей. Этот подход показал, что комбинированные источники данных значительно улучшают результаты классификации по сравнению с данными из одного источника.
Доктор Цзюньцзе Ван, автор-корреспондент исследования, подчеркивает потенциальное влияние этой работы: «Наши выводы не только продвигают область классификации видов мангровых зарослей, но и способствуют более широкому применению ИИ в экологической защите, предоставляя надежный инструмент для ученых-экологов и политиков».
Применение этой системы ИИ выходит за рамки классификации видов, предлагая информацию о здоровье мангровых лесов, динамике экосистем и помогая в оценке деградации и усилий по восстановлению.