Приступ фузије података даљинске детекције за праћење деградације шума: Нова студија

Суочене са глобалним климатским променама и све већим људским активностима, шуме широм света су угрожене разним штеточинама, патогенима и болестима. Ове претње угрожавају здравље, отпорност и продуктивност природних шума и шумских плантажа.

Ефикасно управљање овим проблемима захтева рано откривање и деловање, што је изазов на великим подручјима. Препознајући важност овога, истраживачи су развили нове технологије засноване на подацима посматрања Земље за праћење и управљање деградацијом шума.

Недавна студија представља приступ заснован на машинском учењу за идентификацију оштећених шума коришћењем слика даљинске детекције отвореног кода са Sentinel-2, уз подршку података Google Earth-а. Овај приступ се посебно фокусира на бореалне шуме погођене поткорњаком, Polygraphus proximus Blandford.

Студија је користила комбинацију слика даљинске детекције и алгоритама машинског учења за откривање и процену штете на шумама. Ево кратког резимеа њихове методологије и налаза:

• Анотација слика и развој алгоритма: Истраживачи су започели анотацијом слика у каналима који одговарају природној перцепцији боја (црвена, зелена и плава) доступној на Google Earth-у. Затим су применили дубоке неуронске мреже у две формулације проблема: семантичка сегментација и детекција.
• Експериментални резултати: Кроз своје експерименте, истраживачи су развили модел који квантитативно процењује промене у циљним објектима са високом тачношћу. Модел је постигао F1-скор од 84.56%, ефикасно одређујући број оштећених стабала и процењујући површине које заузимају увенули састојини.
• Интеграција са сликама Sentinel-2: Маске оштећења добијене из слика високе резолуције интегрисане су са сликама Sentinel-2 средње резолуције. Овом интеграцијом постигнута је тачност од 81,26%, што решење чини погодним за оперативне системе за праћење. Овај напредак нуди брз и исплатив метод за препознавање оштећених шума у региону.
• Јединствени анотирани скуп података: Поред тога, истраживачи су саставили јединствени анотирани скуп података како би идентификовали шумска подручја оштећена полиграфском бубом у региону истраживања. Овај скуп података је непроцењив за будућа истраживања и напоре праћења.

Рано откривање и квантификација деградације шума коришћењем овог приступа фузије података даљинске детекције представља значајно обећање за стратегије управљања шумама и њихове заштите. Омогућавањем благовременог деловања, такве технологије могу помоћи у ограничавању ширења штете и подржати праксе одрживог управљања шумама.

Иако цео рад који детаљно описује ово истраживање тек треба да буде објављен, овај рани апстракт истиче потенцијал интеграције података даљинске детекције са напредним техникама машинског учења како би се решило хитно питање деградације шума. Како се ове технологије буду развијале, оне ће играти кључну улогу у заштити наших шума од растућих претњи које представљају климатске промене и људске активности.

Пратите нас и чекајте комплетно објављивање овог револуционарног истраживања, које ће несумњиво пружити даљи увид и примене у области управљања шумама.

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