Pristop z združevanjem podatkov daljinskega zaznavanja za spremljanje degradacije gozdov: nova študija

Zaradi globalnih podnebnih sprememb in vse večjih človeških dejavnosti so gozdovi po vsem svetu ogroženi zaradi različnih škodljivcev, patogenov in bolezni. Te grožnje ogrožajo zdravje, odpornost in produktivnost tako naravnih gozdov kot gozdnih nasadov.

Učinkovito obvladovanje teh težav zahteva zgodnje odkrivanje in ukrepanje, kar je na velikih območjih izziv. Raziskovalci so se zavedali pomena tega in razvili nove tehnologije, ki temeljijo na podatkih opazovanja Zemlje, za spremljanje in obvladovanje degradacije gozdov.

Nedavna študija predstavlja pristop, ki temelji na strojnem učenju, za prepoznavanje poškodovanih gozdov z uporabo odprtokodnih daljinsko zaznanih slik iz Sentinel-2, podprtih s podatki Google Earth. Ta pristop se posebej osredotoča na borealne gozdove, ki jih je prizadel lubadar Polygraphus proximus Blandford.

Študija je uporabila kombinacijo daljinskega zaznavanja in algoritmov strojnega učenja za odkrivanje in oceno škode v gozdovih. Tukaj je kratek povzetek njihove metodologije in ugotovitev:

• Opombe k slikam in razvoj algoritmov: Raziskovalci so začeli z označevanjem slik v kanalih, ki ustrezajo naravni barvni percepciji (rdeča, zelena in modra), ki je na voljo v storitvi Google Earth. Nato so uporabili globoke nevronske mreže v dveh problemskih formulacijah: semantična segmentacija in detekcija.
• Eksperimentalni rezultati: Raziskovalci so s svojimi poskusi razvili model, ki kvantitativno ocenjuje spremembe v ciljnih objektih z visoko natančnostjo. Model je dosegel F1-rezultat 84,56%, s čimer je učinkovito določil število poškodovanih dreves in ocenil površine, ki jih zasedajo uvele sestoje.
• Integracija s slikami Sentinel-2: Maske poškodb, pridobljene iz visokoločljivostnih slik, so bile integrirane s slikami Sentinel-2 srednje ločljivosti. Ta integracija je dosegla natančnost 81,26%, zaradi česar je rešitev primerna za operativne sisteme spremljanja. Ta napredek ponuja hitro in stroškovno učinkovito metodo za prepoznavanje poškodovanih gozdov v regiji.
• Edinstven nabor podatkov z opombami: Poleg tega so raziskovalci zbrali edinstven nabor podatkov z opombami za identifikacijo gozdnih območij, ki jih je v preučevanem območju poškodoval hrošč poligraf. Ta nabor podatkov je neprecenljiv za prihodnja raziskovalna in spremljajoča prizadevanja.

Zgodnje odkrivanje in količinska opredelitev degradacije gozdov z uporabo tega pristopa združevanja podatkov daljinskega zaznavanja predstavljata veliko obljubo za strategije gospodarjenja z gozdovi in ohranjanja narave. Z omogočanjem pravočasnega ukrepanja lahko takšne tehnologije pomagajo omejiti širjenje škode in podprejo trajnostne prakse gospodarjenja z gozdovi.

Čeprav celoten članek s podrobnostmi o tej raziskavi še ni objavljen, ta zgodnji povzetek poudarja potencial integracije podatkov daljinskega zaznavanja z naprednimi tehnikami strojnega učenja za reševanje perečega problema degradacije gozdov. Z nadaljnjim razvojem teh tehnologij bodo imele ključno vlogo pri varovanju naših gozdov pred naraščajočimi grožnjami, ki jih predstavljajo podnebne spremembe in človeške dejavnosti.

Spremljajte objavo celotne raziskave, ki bo nedvomno omogočila nadaljnje vpoglede in uporabo na področju gospodarjenja z gozdovi.

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