Підхід до об'єднання даних дистанційного зондування для моніторингу деградації лісів: нове дослідження

В умовах глобальної зміни клімату та зростання людської діяльності ліси в усьому світі знаходяться під загрозою з боку різних шкідників, патогенів та хвороб. Ці загрози ставлять під загрозу здоров'я, стійкість та продуктивність як природних лісів, так і лісових насаджень.

Ефективне управління цими проблемами вимагає раннього виявлення та вжиття заходів, що є складним завданням на великих територіях. Визнаючи важливість цього, дослідники розробили нові технології на основі даних спостереження Землі для моніторингу та управління деградацією лісів.

Нещодавнє дослідження представляє підхід на основі машинного навчання для виявлення пошкоджених лісів з використанням зображень дистанційного зондування з відкритого коду Sentinel-2, що підтримуються даними Google Earth. Цей підхід спеціально зосереджений на бореальних лісах, уражених короїдом Polygraphus proximus Blandford.

У дослідженні використовувалося поєднання зображень дистанційного зондування та алгоритмів машинного навчання для виявлення та оцінки пошкоджень лісів. Ось короткий виклад їхньої методології та висновків:

• Анотація зображень та розробка алгоритму: Дослідники почали з анотування зображень у каналах, що відповідають природному сприйняттю кольорів (червоний, зелений та синій), доступному в Google Earth. Потім вони застосували глибокі нейронні мережі у двох постановках задач: семантична сегментація та детекція.
• Результати експерименту: Завдяки своїм експериментам дослідники розробили модель, яка кількісно оцінює зміни в цільових об'єктах з високою точністю. Модель досягла балу F1 84.56%, що ефективно визначає кількість пошкоджених дерев та оцінює площі, зайняті засохлими насадженнями.
• Інтеграція із зображеннями Sentinel-2: Маски пошкоджень, отримані з зображень високої роздільної здатності, були інтегровані із зображеннями Sentinel-2 середньої роздільної здатності. Ця інтеграція досягла точності 81.26%, що робить рішення придатним для систем оперативного моніторингу. Це вдосконалення пропонує швидкий та економічно ефективний метод виявлення пошкоджених лісів у регіоні.
• Унікальний анотований набір даних: Крім того, дослідники склали унікальний анотований набір даних для виявлення лісових ділянок, пошкоджених жуком-поліграфологом у досліджуваному регіоні. Цей набір даних є безцінним для майбутніх досліджень та моніторингу.

Раннє виявлення та кількісна оцінка деградації лісів за допомогою цього підходу об'єднання даних дистанційного зондування має значні перспективи для стратегій управління лісами та їх збереження. Забезпечуючи своєчасне вжиття заходів, такі технології можуть допомогти обмежити поширення шкоди та підтримувати практики сталого управління лісами.

Хоча повний текст статті з детальним описом цього дослідження ще не опубліковано, цей ранній реферат підкреслює потенціал інтеграції даних дистанційного зондування з передовими методами машинного навчання для вирішення актуальної проблеми деградації лісів. Оскільки ці технології продовжують розвиватися, вони відіграватимуть вирішальну роль у захисті наших лісів від зростаючих загроз, що виникають через зміну клімату та діяльність людини.

Слідкуйте за повною публікацією цього новаторського дослідження, яке, безсумнівно, надасть подальше розуміння та застосування в галузі управління лісами.

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