Podejście do fuzji danych teledetekcyjnych w celu monitorowania degradacji lasów: nowe badanie

W obliczu globalnych zmian klimatycznych i rosnącej aktywności człowieka, lasy na całym świecie są zagrożone przez różnorodne szkodniki, patogeny i choroby. Zagrożenia te zagrażają zdrowiu, odporności i produktywności zarówno lasów naturalnych, jak i plantacji leśnych.

Skuteczne zarządzanie tymi problemami wymaga wczesnego wykrywania i działania, co jest trudne na dużych obszarach. Uznając wagę tego zagadnienia, naukowcy opracowali nowe technologie oparte na danych z obserwacji Ziemi, aby monitorować i zarządzać degradacją lasów.

Niedawne badanie wprowadza oparte na uczeniu maszynowym podejście do identyfikacji zniszczonych lasów z wykorzystaniem zdjęć teledetekcyjnych z satelity Sentinel-2, opartych na otwartym kodzie źródłowym i danych z Google Earth. Podejście to koncentruje się w szczególności na lasach borealnych dotkniętych kornikiem, Polygraphus proximus Blandford.

W badaniu wykorzystano połączenie obrazów teledetekcyjnych i algorytmów uczenia maszynowego do wykrywania i oceny szkód w lasach. Oto krótkie podsumowanie ich metodologii i ustaleń:

• Adnotacje obrazów i rozwój algorytmów: Naukowcy rozpoczęli od adnotacji obrazów w kanałach odpowiadających naturalnej percepcji kolorów (czerwony, zielony i niebieski) dostępnej w Google Earth. Następnie zastosowali głębokie sieci neuronowe w dwóch sformułowaniach problemu: segmentacji semantycznej i detekcji.
• Wyniki eksperymentów: W wyniku eksperymentów naukowcy opracowali model, który ilościowo ocenia zmiany w obiektach docelowych z wysoką dokładnością. Model uzyskał wynik 84,56% F1, skutecznie określając liczbę uszkodzonych drzew i szacując powierzchnie zajmowane przez uschnięte drzewostany.
• Integracja z obrazami Sentinel-2: Maski uszkodzeń uzyskane z obrazów o wysokiej rozdzielczości zintegrowano z obrazami Sentinel-2 o średniej rozdzielczości. Integracja ta pozwoliła uzyskać dokładność 81,26%, co czyni rozwiązanie odpowiednim dla systemów monitoringu operacyjnego. Ten postęp oferuje szybką i ekonomiczną metodę rozpoznawania uszkodzonych lasów w regionie.
• Unikalny zestaw danych z adnotacjami: Ponadto naukowcy opracowali unikalny, opatrzony adnotacjami zestaw danych, aby zidentyfikować obszary leśne uszkodzone przez kornika poligraficznego w badanym regionie. Ten zestaw danych jest nieoceniony dla przyszłych badań i działań monitorujących.

Wczesne wykrywanie i kwantyfikacja degradacji lasów za pomocą metody łączenia danych teledetekcyjnych stwarzają duże nadzieje dla strategii zarządzania lasami i ich ochrony. Umożliwiając podejmowanie szybkich działań, technologie te mogą pomóc ograniczyć rozprzestrzenianie się szkód i wspierać zrównoważone praktyki gospodarki leśnej.

Chociaż pełna publikacja szczegółowo opisująca te badania nie została jeszcze opublikowana, to wstępne streszczenie podkreśla potencjał integracji danych teledetekcyjnych z zaawansowanymi technikami uczenia maszynowego w celu rozwiązania palącego problemu degradacji lasów. W miarę rozwoju tych technologii, będą one odgrywać kluczową rolę w ochronie naszych lasów przed rosnącymi zagrożeniami wynikającymi ze zmian klimatu i działalności człowieka.

Zapraszamy do zapoznania się z pełną publikacją tych przełomowych badań, które niewątpliwie dostarczą dalszych spostrzeżeń i zastosowań w dziedzinie zarządzania lasami.

Źródło: https://www.frontiersin.org/journals/environmental-science/articles/10.3389/fenvs.2024.1412870/abstract