Первая региональная карта лесов с разрешением 1 метр создана с помощью машинного обучения
Исследователь из Арканзаса разработал первый набор данных о лесном пологе с высоким разрешением для целого штата, что предоставляет ценную информацию для управления лесами и их сохранения — ключевого экономического сектора в Арканзасе.
«У меня было видение создать нечто, на что мы можем положиться, — сказал Хамди Зуркани, доцент Колледжа лесного хозяйства, сельского хозяйства и природных ресурсов Университета Арканзаса в Монтичелло. — Подобных данных для целого штата раньше не существовало. Обычно люди создают аналогичные данные только для конкретных проектов».
Измерения с разрешением 1 метр уникальны. До сих пор наиболее распространенные измерения и наборы данных о лесах основывались на спутниковых снимках с пространственным разрешением 30 метров, отметил Зуркани.
Лесной полог — это мера покрытия земли кронами деревьев с высоты птичьего полета. Он показывает, насколько верхний слой ветвей, листьев и растительности образует сплошной покров. Эта детальная информация крайне важна для оценки здоровья леса, так как полог играет ключевую роль в секвестрации углерода, обеспечении среды обитания для диких животных и регулировании водного режима.
Точное картирование покрытия деревьями помогает ученым эффективно отслеживать и управлять лесными ресурсами, обеспечивая устойчивость этих экосистем. Эта информация также может помочь в оценке риска лесных пожаров, отслеживании угроз здоровью лесов от вредителей и изменения климата, а также в городском планировании.
Исследование Зуркани было опубликовано в журнале Remote Sensing Applications: Society and Environment.
Согласно последнему профилю сельского хозяйства Арканзаса, леса покрывают 57% территории штата, а древесина была одним из основных товаров штата в 2021 году с поступлениями около $409 миллионов.
Машинное обучение
Для создания набора данных о лесном пологе Арканзаса Зуркани использовал методы машинного обучения и платформу Google Earth Engine.
Машинное обучение — это раздел искусственного интеллекта, который позволяет компьютерам «учиться» на данных и улучшать свою производительность без явного программирования. Алгоритмы машинного обучения выявляют закономерности в данных, делают прогнозы и адаптируются к новой информации.
Google Earth Engine — это облачная платформа, предназначенная для обработки и анализа крупномасштабных геопространственных данных. Она предоставляет доступ к обширному репозиторию спутниковых снимков и геопространственных наборов данных.
В исследовании использовались высокодетальные аэрофотоснимки Национальной программы сельскохозяйственной съемки (NAIP) для применения и тестирования методов.
Пространство для роста
Более высокое пространственное разрешение данных об лесах Арканзаса обеспечивает более точную оценку структуры и состава полога. Эта точность необходима для мониторинга изменений в динамике лесов, выявления уязвимых районов и реализации целевых стратегий сохранения. Зуркани надеется, что его набор данных с разрешением 1 метр может стать новым стандартом для измерения лесного полога.
«В будущем мы сможем использовать этот набор данных, чтобы охватить все лесные территории и увидеть, какие деревья здоровы, а какие больны, — сказал Зуркани. — Поскольку это изображения высокого разрешения, мы можем определить местоположение деревьев в городских районах».
В Арканзасе 502 города и 75 округов, и Зуркани оценил леса и покрытые деревьями территории в их пределах. Хотя изначально работа была сосредоточена на штате Арканзас, Зуркани планирует расширить этот инновационный подход на все 50 штатов.
«Исследования демонстрируют, что технологии машинного обучения и облачных вычислений могут производить надежные наборы данных о лесном покрове с высоким разрешением, — сказал Зуркани. — Эти методы могут быть применены к другим регионам по всему миру, улучшая усилия по управлению лесами и их сохранению во всем мире».