Neuronske mreže spašavaju sibirske šume poslije požara i nezakonite sječe

Grupa znanstvenika iz Krasnojarskog znanstvenog centra Sibirskog odjela Ruske akademije znanosti dobila je grant od ove dvije ustanove za projekt koji će umjetnu inteligenciju naučiti prepoznavati granice šume, prenosi portal Ruskog geografskog društva.

Konstantin Mihajlov/Russian Look/Global Look Press

Istraživanje traje već dvije godine. Za to vrijeme umjetna inteligencija je naučila klasificirala tipove rastinja i prepoznaje granice među njima na osnovu podataka od satelitskog promatranja Zemlje.

Umjetna inteligencija će određivati dinamiku promjena na osnovu dešifriranja satelitskih snimaka iz različitih godina. Pomoću ovih podataka lakše će se analizirati razmjere štete nastale u šumskim požarima, brzina obnavljanja šume, a također prepoznavati tereni na kojima je drveće nezakonito posiječeno i oni na kojima treba provesti pošumljavanje.

Aleksandar Krjažev/Sputnik

"'Razvoj novog pristupa dešifriranju granica biljnih zajednica, zasnovanog na dinamičkim karakteristikama fenodogađaja na osnovu podataka satelitskih sustava'- to je naziv našeg projekta" - kaže mlađi znanstveni suradnik Instituta za biofiziku KNC SO RAZ doktor fizike i matematike, Mihail Saltikov. "Bili smo na ekspedicijama u nekoliko rajona Krasnojarskog kraja, detaljno smo proučili bilje na tom području, a zatim uzeli satelitske snimke tih terena i pomoću njih obučavali neuronske mreže da prepoznaju granice između četinarskog i listopadnog drveća, a također i livada. Danas radimo na povećanju točnosti prepoznavanja i povećanju broja prepoznavanja tipova biljnih zona."

Kako ističe znanstvenik, umjetna inteligencija je uspješno obučena na četinarskim i mješovitim šumama pokraj Krasnojarska i na poljima u okolini sela Pogorjelka. Čak i relativno jednostavna neuronska mreža može raspoznati biljke u 12 spektralnih traka s priličnom točnošću. 

Sajanske planine, Krasnojarski kraj

Konstantin Mihajlov/Russian Look/Global Look Press

Tumačenje satelitskih fotografija ručnim putem (a radi se o tisućama kvadratnih kilometara) je vrlo dug i težak posao, a često i nemoguć. Zato je obučavanje neuronske mreže za ovaj posao perspektivan poduhvat koji će, očekuje se, kasnije biti učinkovito primijenjen.

Rezultati istraživanja objavljeni su u zborniku s konferencije IOP Conference Series: Materials Science and Engineering.