Метод объединения данных дистанционного зондирования для мониторинга деградации лесов: новое исследование.

В условиях глобального изменения климата и усиления антропогенной активности леса по всему миру находятся под угрозой со стороны различных вредителей, патогенов и болезней. Эти угрозы ставят под угрозу здоровье, устойчивость и продуктивность как естественных лесов, так и лесных плантаций.

Для эффективного решения этих проблем необходимы раннее выявление и принятие мер, что является сложной задачей на больших территориях. Понимая важность этого, исследователи разработали новые технологии на основе данных дистанционного зондирования Земли для мониторинга и управления деградацией лесов.

В недавнем исследовании представлен подход, основанный на машинном обучении, для выявления поврежденных лесов с использованием общедоступных данных дистанционного зондирования Sentinel-2, дополненных данными Google Earth. Этот подход специально ориентирован на бореальные леса, пораженные короедом Polygraphus proximus Blandford.

В исследовании использовалось сочетание данных дистанционного зондирования и алгоритмов машинного обучения для обнаружения и оценки повреждений лесов. Вот краткое описание методологии и полученных результатов:

• Аннотирование изображений и разработка алгоритмов: Исследователи начали с аннотирования изображений в каналах, соответствующих естественному восприятию цвета (красный, зеленый и синий), доступных в Google Earth. Затем они применили глубокие нейронные сети в двух вариантах решения задачи: семантическая сегментация и обнаружение.
• Результаты эксперимента: В ходе своих экспериментов исследователи разработали модель, которая с высокой точностью количественно оценивает изменения целевых объектов. Модель достигла показателя F1-меры 84,56%, эффективно определяя количество поврежденных деревьев и оценивая площади, занятые увядшими насаждениями.
• Интеграция с изображениями Sentinel-2: Полученные из изображений высокого разрешения маски повреждений были объединены с изображениями Sentinel-2 среднего разрешения. Эта интеграция позволила достичь точности 81,261 TP3T, что делает решение пригодным для оперативных систем мониторинга. Это достижение предлагает быстрый и экономически эффективный метод распознавания поврежденных лесов в регионе.
• Уникальный аннотированный набор данных: Кроме того, исследователи составили уникальный аннотированный набор данных для выявления лесных массивов, поврежденных жуком-полиграфистом в исследуемом регионе. Этот набор данных имеет неоценимое значение для будущих исследований и мониторинга.

Раннее выявление и количественная оценка деградации лесов с использованием этого подхода, основанного на объединении данных дистанционного зондирования, открывают значительные перспективы для стратегий управления лесами и их сохранения. Благодаря возможности своевременного принятия мер, такие технологии могут помочь ограничить распространение ущерба и поддержать устойчивые методы управления лесами.

Хотя полная версия статьи, подробно описывающей это исследование, еще не опубликована, этот предварительный тезис подчеркивает потенциал интеграции данных дистанционного зондирования с передовыми методами машинного обучения для решения актуальной проблемы деградации лесов. По мере дальнейшего развития этих технологий они будут играть решающую роль в защите наших лесов от растущих угроз, связанных с изменением климата и деятельностью человека.

Следите за обновлениями, скоро будет опубликована полная версия этого новаторского исследования, которое, несомненно, предоставит новые знания и возможности для применения в области управления лесными ресурсами.

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