Wcześniej w 2020 roku podsystem monitorowania zmian w lasach został przetestowany w trybie testowym na całym terenie
Według Michaiła Nikitina, szefa wydziałuochrony, ochrony i nadzoru w lasach Ministerstwa Zasobów Naturalnych, Leśnictwa i Ekologii Terytorium Perm, system zwiększa efektywność działań kontrolnych i nadzorczych w regionie. Ponadto zmniejsza koszty patrolowania poprzez usprawnienie badań lasów. Znacznie łatwiej i szybciej reagować na określone sygnały wyświetlane na mapie. Dzięki temu znajduje się coraz więcej obiektów z domniemanymi naruszeniami. W przyszłości podsystemy te mogą służyć jako baza dowodowa w działaniach kontrolno-nadzorczych i sądach.
Deweloperzy i firmy z Uniwersytetu InnopolisINNOGEOTECH stworzył algorytm, który eliminuje problem brakujących małych obiektów typowy dla sieci neuronowych: algorytmy wyznaczania prześwitów działają z obiektami o wielkości 3 * 3 pikseli. Rozwiązano również problem obecności zamglenia chmur na zdjęciach - algorytmy automatycznie odróżniają zamglenie na niebie od zmian w lesie, wcześniej przeprowadzono w tym celu dodatkową obróbkę. Algorytmy działają latem i zimą z obrazami ze statków kosmicznych Landsat 8 i Sentinel 2.
„Usługa automatycznego monitorowania zmian w lesiepobiera dane ze zdjęć kosmosu w odstępach tygodniowych. Nowoczesne technologie przetwarzania obrazu i głębokiego uczenia pozwalają skutecznie rozwiązywać problemy, które jeszcze kilka lat temu wydawały się niemożliwe - podkreśla Ramil Kuleev, dyrektor Instytutu Sztucznej Inteligencji Uniwersytetu Innopolis - Kierunek rozwoju branży leśnej jest dla nas bardzo ważny, widzimy perspektywę w rozwiązywaniu problemów automatycznego opodatkowania lasy, integracja różnych źródeł danych - zdjęć kosmicznych, lidarów i dronów, prognozowanie rozwoju sytuacji negatywnych, w tym sytuacji kryzysowych - pożary, wysychanie lasów ”.
„Obniżyliśmy minimumobszar wykrytych zmian leśnych. Dzięki dużej objętości próbki referencyjnej nasza sieć neuronowa wykrywa obecnie przejaśnienia na obrazach z chmurami i cieniami chmur – wyjaśnia Dmitry Shevelev, kierownik projektu digitalizacji przemysłu leśnego na Uniwersytecie Innopolis. — Wcześniej musieliśmy wycinać chmury na obrazach lub używać obrazów bezchmurnych. Kontynuujemy także prace nad rozbudową bazy źródeł zdjęć satelitarnych. Obecnie podsystem jest finalizowany pod kątem wykorzystania danych z krajowych satelitów Resurs-P i Kanopus-V.”
Na terytorium Perm Territory do ciągłegomonitoring obejmie 12,4 mln hektarów zasobów leśnych. Wcześniej twórcy Innopolis University wprowadzili technologię na terytorium Republiki Tatarstanu, w trybie zautomatyzowanym monitoruje lasy na obszarze 1,2 mln ha - 31 nadleśnictw republiki. Usługa, wykorzystująca technologię sztucznej inteligencji, analizuje obrazy kosmiczne otrzymane z satelitów Ziemi, wstępnie je przetwarza i wysyła wyniki do sieci neuronowych, sieci te dzielą się na segmenty i generują wektor z wielokątami. Usługa ta została opracowana w ramach tworzenia Zintegrowanego Systemu Zdalnego Monitorowania Nadwołżańskiego Okręgu Federalnego, który monitoruje również grunty rolne, infrastrukturę, budowę kapitału oraz procesy przetwarzania odpadów.
„Doświadczenie zawodowe na terenie Republiki Tatarstanua Terytorium Permu daje nam możliwość przetestowania pracy służby monitoringu lasów na dużych obszarach. Widzimy, że dzięki wykonanej pracy i ciągłemu doskonaleniu usługę można teraz rozszerzyć na duże obszary, w niedalekiej przyszłości obejmując cały fundusz leśny Rosji” – podsumowuje Dmitry Shevelev.
Czytaj także
Aborcja i nauka: co stanie się z dziećmi, które będą rodzić
Zobacz najpiękniejsze zdjęcia Hubble'a. Co teleskop widział przez 30 lat?
NASA opublikowała zdjęcie Ziemi z Księżyca, które zostało zrobione w 1968 roku