Ranije 2020. podsustav praćenja šumskih promjena testiran je u testnom načinu na cijelom području
Prema Mihailu Nikitinu, šefu odjelazaštite, zaštite i nadzora u šumama Ministarstva prirodnih resursa, šumarstva i ekologije područja Perm, sustav povećava učinkovitost nadzora i nadzora u regiji. Uz to, smanjuje troškove patroliranja pojednostavljivanjem istraživanja šuma. Puno je lakše i brže reagirati na određene signale prikazane na karti. Zahvaljujući tome pronalazi se sve više predmeta s navodnim prekršajima. U budućnosti se ti podsustavi mogu koristiti kao baza dokaza u kontrolnim i nadzornim aktivnostima i sudovima.
Programeri i tvrtke Sveučilišta InnopolisINNOGEOTECH stvorio je algoritam koji uklanja problem nedostajućih malih objekata tipičnih za neuronske mreže: algoritmi za određivanje kliringa rade s objektima veličine 3 * 3 piksela. Riješen je i problem prisutnosti maglice iz oblaka na slikama - algoritmi automatski razlikuju maglicu na nebu od promjena šuma, prethodno je za to provedena dodatna obrada. Algoritmi rade ljeti i zimi sa slikama svemirskih letjelica Landsat 8 i Sentinel 2.
"Služba za automatski nadzor promjena šumapreuzima podatke o svemirskim slikama u tjednim intervalima. Suvremene tehnologije obrade slike i dubokog učenja omogućuju učinkovito rješavanje problema koji su se prije nekoliko godina činili nemogućima - naglašava Ramil Kuleev, direktor Instituta za umjetnu inteligenciju na Sveučilištu Innopolis - Smjer razvoja šumarske industrije za nas je vrlo važan, perspektivu vidimo u rješavanju problema automatskog oporezivanja šume, integracija različitih izvora podataka - svemirske slike, lidarske slike i slike trutova, predviđanje razvoja negativnih situacija, uključujući hitne slučajeve - požari, isušivanje šuma “.
“Smanjili smo minimalacpodručje otkrivenih šumskih promjena. Zahvaljujući velikoj količini referentnog uzorka, naša neuronska mreža trenutno detektira čistine na slikama s oblacima i sjenama oblaka, objašnjava Dmitry Shevelev, voditelj projekta digitalizacije šumske industrije na Sveučilištu Innopolis. “Prije ovoga morali smo izrezati oblake na slikama ili koristiti slike bez oblaka. Također nastavljamo raditi na proširenju baze podataka izvora satelitskih snimaka. Sada se podsustav finalizira u smislu korištenja podataka s domaćih satelita Resurs-P i Kanopus-V.”
Na teritoriju Permskog teritorija za kontinuiranopraćenje će obuhvatiti 12,4 milijuna hektara šumskih resursa. Prije toga, programeri Sveučilišta Innopolis uveli su tehnologiju na teritoriju Republike Tatarstan, u automatiziranom načinu nadziru šume na teritoriju od 1,2 milijuna hektara - 31 šumarsko područje republike. Služba, koristeći tehnologiju umjetne inteligencije, analizira svemirske slike primljene od Zemljinih satelita, pretprocesira ih i šalje rezultate neuronskim mrežama, mreže segmentiraju te slike i izdaju vektor s poligonima. Ova je usluga razvijena kao dio stvaranja integriranog sustava daljinskog nadzora za savezni okrug Volge, koji također nadzire poljoprivredno zemljište, infrastrukturu i kapitalnu izgradnju te procese obrade otpada.
„Radno iskustvo na području Republike Tatarstana Permski teritorij daje nam priliku testirati rad službe za nadzor šuma na velikim područjima. Vidimo da se, zahvaljujući obavljenom poslu i kontinuiranom poboljšanju, usluga sada može proširiti na velika područja, u bliskoj budućnosti pokrivajući cijeli šumski fond Rusije,” zaključuje Dmitry Shevelev.
Pročitajte i
Pobačaj i znanost: što će se dogoditi s djecom koja će roditi
Pogledajte najljepše slike Hubblea. Što je teleskop vidio u 30 godina?
NASA je objavila fotografiju Zemlje s Mjeseca, koja je snimljena 1968. godine