Suočene s globalnim klimatskim promjenama i sve većim ljudskim aktivnostima, šume diljem svijeta su ugrožene raznim štetnicima, patogenima i bolestima. Ove prijetnje ugrožavaju zdravlje, otpornost i produktivnost prirodnih šuma i šumskih nasada.
Učinkovito upravljanje ovim problemima zahtijeva rano otkrivanje i djelovanje, što je izazovno na velikim područjima. Prepoznajući važnost toga, istraživači su razvili nove tehnologije temeljene na podacima promatranja Zemlje za praćenje i upravljanje degradacijom šuma.
Nedavna studija predstavlja pristup temeljen na strojnom učenju za identifikaciju oštećenih šuma korištenjem slika daljinskog istraživanja otvorenog koda sa Sentinela-2, potkrijepljenih podacima iz Google Eartha. Ovaj pristup posebno se fokusira na borealne šume pogođene potkornjakom, Polygraphus proximus Blandford.
Studija je koristila kombinaciju slika daljinskog istraživanja i algoritama strojnog učenja za otkrivanje i procjenu štete na šumama. Evo kratkog sažetka njihove metodologije i nalaza:
- Anotacija slike i razvoj algoritma: Istraživači su započeli označavanjem slika u kanalima koji odgovaraju prirodnoj percepciji boja (crvena, zelena i plava) dostupnoj na Google Earthu. Zatim su primijenili duboke neuronske mreže u dvije formulacije problema: semantička segmentacija i detekcija.
- Eksperimentalni rezultati: Kroz svoje eksperimente, istraživači su razvili model koji kvantitativno procjenjuje promjene u ciljanim objektima s visokom točnošću. Model je postigao F1-rezultat od 84.56%, učinkovito određujući broj oštećenih stabala i procjenjujući površine koje zauzimaju usahnule sastojine.
- Integracija sa slikama Sentinel-2: Maske oštećenja dobivene iz slika visoke rezolucije integrirane su sa slikama Sentinel-2 srednje rezolucije. Ovom integracijom postignuta je točnost od 81.26%, što rješenje čini prikladnim za operativne sustave praćenja. Ovaj napredak nudi brzu i isplativu metodu za prepoznavanje oštećenih šuma u regiji.
- Jedinstveni anotirani skup podataka: Osim toga, istraživači su sastavili jedinstveni označeni skup podataka kako bi identificirali šumska područja oštećena poligrafskim kukcem u području istraživanja. Ovaj skup podataka neprocjenjiv je za buduća istraživanja i napore praćenja.
Rano otkrivanje i kvantifikacija degradacije šuma korištenjem ovog pristupa fuzije podataka daljinskog istraživanja predstavljaju značajno obećanje za strategije gospodarenja šumama i očuvanja. Omogućavanjem pravovremenog djelovanja, takve tehnologije mogu pomoći u ograničavanju širenja štete i podržati održive prakse gospodarenja šumama.
Iako cjeloviti rad s detaljima ovog istraživanja tek treba biti objavljen, ovaj rani sažetak ističe potencijal integracije podataka daljinskog istraživanja s naprednim tehnikama strojnog učenja kako bi se riješio gorući problem degradacije šuma. Kako se ove tehnologije nastavljaju razvijati, igrat će ključnu ulogu u zaštiti naših šuma od rastućih prijetnji koje predstavljaju klimatske promjene i ljudske aktivnosti.
Ostanite s nama i pratite cjelovitu objavu ovog revolucionarnog istraživanja koje će nesumnjivo pružiti daljnje uvide i primjene u području gospodarenja šumama.
Daljinska istraživanja
English 
German 
Ukrainian 
French 
Kazakh 
Portuguese 
Spanish 
Arabic 
Swedish 
Serbian 
Romanian 
Norwegian 
Finnish 
Lithuanian 
Estonian 
Latvian 
Croatian 
Slovenian 
Slovak 
Japanese 
Polish 