Исследователи из Сколковского института науки и технологий (Сколтех) в сотрудничестве с коллегами из Иркутского национального исследовательского технического университета и Института искусственного интеллекта AIRI разработали инновационный алгоритм машинного обучения.
Этот алгоритм способен на основе спутниковых снимков определять характеристики лесных массивов и вычислять количество углерода, содержащегося в них. Уникальность разработки заключается в том, что система не только предоставляет прогнозы, но и демонстрирует уровень их достоверности.
Леса играют ключевую роль в климатическом регулировании, поглощая углекислый газ из атмосферы и аккумулируя углерод в древесине и других тканях растений. Для того чтобы адекватно оценивать вклад лесов в замедление климатических изменений, ученым необходимо регулярно контролировать их состояние. Однако традиционные наземные обследования требуют значительных временных и ресурсных затрат.
Для создания новой модели исследователи использовали данные лесничеств, а также спутниковые снимки с платформы Sentinel-2 и топографические карты Корсаковского, Невельского и Холмского лесов Сахалинской области. На основе собранных данных были обучены несколько алгоритмов машинного обучения, среди которых XGBoost, Random Forest и TabNet. Система обладает способностью выявлять преобладающие виды деревьев, их возраст, высоту, а также запасы древесины и углерода.
Одним из главных достижений новой разработки стала возможность оценки неопределенности прогнозов. Для этого ученые адаптировали метод конформного предсказания, который позволяет рассчитывать доверительные интервалы для каждого результата.
«Модель выдает не одно значение, а диапазон значений, который соответствует заданному уровню точности. Более того, этот интервал меняется в зависимости от сложности местности. На неоднородных участках леса погрешность прогноза увеличивается, и алгоритм информирует об этом пользователя», — поделилась Светлана Илларионова, руководитель исследовательской группы Центра искусственного интеллекта Сколтеха.
Результаты испытаний показали, что алгоритм XGBoost оказался наиболее точным, определяя преобладающую породу деревьев с точностью 83%, а возраст насаждений — с точностью около 70%. При оценке запасов древесины и углерода точность составила 53–63%.
«Разработанный инструмент объединяет спутниковые данные с алгоритмами оценки неопределенности для оперативного прогнозирования характеристик леса. Такой подход позволяет не только получать пространственно распределенные оценки параметров леса, но и количественно оценивать достоверность полученных результатов», — отметил Александр Бернштейн, профессор Центра искусственного интеллекта Сколтеха.
В перспективе исследователи планируют масштабировать технологию и адаптировать её для работы в других лесных экосистемах. Эта разработка может быть использована для мониторинга лесных ресурсов, оценки влияния климатических изменений на леса и уточнения прогнозов углеродного баланса на различных территориях.
