Неуронске мреже спасавају сибирске шуме после пожара и незаконите сече

Денис Сињаков/Reuters
Руско географско друштво и Руски фонд за фундаментална истраживања омогућиће бржи опоравак Сибира после пожара и незаконите сече шуме.

Група научника из Краснојарског научног центра Сибирског одељења Руске академије наука добила је грант од ове две установе за пројекат који ће вештачку интелигенцију научити да препознаје границе шуме, преноси портал Руског географског друштва.

Истраживање траје већ две године. За то време вештачка интелигенција је научила да класификује типове растиња и препознаје границе међу њима на основу података од сателитског посматрања Земље.

Вештачка интелигенција ће одређивати динамику промена на основу дешифровања сателитских снимака из различитих година. Помоћу ових података лакше ће се анализирати размере штете настале у шумским пожарима, брзина обнављања шуме, а такође препознавати терени на којима је дрвеће незаконито посечено и они на којима треба спровести пошумљавање.

„'Развој новог приступа дешифровању граница биљних заједница, заснованог на динамичким карактеристикама фенодогађаја на основу података сателитских система'- то је назив нашег пројекта” - каже млађи научни сарадник Института за биофизику КНЦ СО РАН доктор физичко-матерматичких наука Михаил Салтиков. „Били смо на експедицијама у неколико рејона Краснојарског краја, детаљно смо проучили биље на том подручју, а затим узели сателитске снимке тих терена и помоћу њих обучавали неуронске мреже да препознају границе између четинарског и листопадног дрвећа, а такође ливада. Данас радимо на повећању тачности препознавања и повећању броја препознавања типова биљних зона.”

Како истиче научник, вештачка интелигенција је успешно обучена на четинарским и мешовитим шумама поред Краснојарска и на пољима у околини села Погорелка. Чак и релативно једноставна неуронска мрежа може да распознаје биљке у 12 спектралних трака са приличном тачношћу.  

Сајанске планине, Краснојарски крај

Тумачење сателитских фотографија ручним путем (а ради се о хиљадама квадратних километара) је веома дуг и пипав посао, а често и немогућ. Зато је обучавање неуронске мреже за овај посао перспективан подухват који ће, очекује се, касније бити ефикасно примењен.

Резултати истраживања објављени су у зборнику са конференције IOP Conference Series: Materials Science and Engineering.

Свако, па и делимично копирање материјала Russia Beyond без писмене дозволе и линка на оригинални текст објављен на веб-сајту Russia Beyond третира се као грубо кршење закона о ауторским правима Руске Федерације. Russia Beyond и медијски холдинг RT задржавају право реаговања на сличне противправне радње и покретања судског поступка.

Више занимљивих садржаја пронађите на Russia Beyond на српском
Сазнајте још:

Наш сајт користи „колачиће“ („cookies“). Притисните овде да сазнајете више о томе.

Прихватити коришћење „колачића“