Русское географическое общество (РГО) и Российский фонд фундаментальных исследований выделяют грант, на который специалисты красноярского научного центра Сибирского отделения Российской академии наук ( КНЦ СО РАН) учит искусственный интеллект (ИИ) определять границы лесов.
Русское географическое общество (РГО) и Российский фонд фундаментальных исследований выделяют грант, на который специалисты красноярского научного центра Сибирского отделения Российской академии наук ( КНЦ СО РАН) учит искусственный интеллект (ИИ) определять границы лесов.
Данная работа ведётся уже два года. Учёным уже удалось научить ИИ классифицировать типы растительности и определять их границы по данным мониторинга Земли со спутников: ИИ расшифрует спутниковые фотографии разных лет и определит динамику изменений, сообщает пресс-служба Красноярского краевого отделения РГО.
«Эти знания помогут проанализировать масштаб ущерба, нанесённого лесными пожарами, скорость восстановления, определить участки с незаконными вырубками и те, на которых лесникам стоит провести посадку деревьев», - говорится в сообщении.
По словам младшего научного сотрудника Института биофизики КНЦ СО РАН, кандидата физико-математических наук Михаила Салтыкова, искусственный интеллект успешно обучается на хвойных и смешанных лесах возле Красноярска и полях около села Погорелка.
«Мы побывали в экспедициях в нескольких районах Красноярского края, детально изучили там растительность, а потом взяли спутниковые снимки этих территорий и обучили на них нейросети распознавать границы хвойных и лиственных лесов, а также лугов. Сейчас мы работаем над увеличением точности распознания и количества распознаваемых типов растительности», - сказал Михаил Салтыков.
Он добавил, что даже относительно простая нейронная сеть может распознавать растительность по 12 спектральным полосам с достаточной точностью.
Интерпретировать спутниковые фотографии вручную (речь идёт о тысячах квадратных километров) – очень долгая и кропотливая работа, а зачастую и невозможная, поэтому обучение этому нейросети перспективно и, как ожидается, весьма эффективно в будущем.
Результаты работы уже опубликованы в сборнике конференции IOP Conference Series: Materials Science and Engineering.
