ГК «СКАНЭКС» продемонстрировала возможности машинного обучения для лесного хозяйства
Леса — одно из главных богатств России. На ее территории расположено 20% от всех лесов мира. Спутниковый мониторинг съемочными системами с широкой полосой охвата оптимален для обнаружения лесоизменений на такой обширной площади. Однако выявлять оперативно все изменения «в ручном режиме», с помощью анализа спутниковых снимков экспертами, затруднительно из-за слишком больших объемов данных и высоких трудозатрат. Чтобы обеспечить потребности рынка в оперативном получении информации, ГК «СКАНЭКС» активно внедряет технологии машинного обучения на основе мультиспектральных данных для выявления различных типов лесоизменений.
Мониторинг лесоизменений преследует множество задач: организация системы информирования органов власти об инциденте произошедшего лесоизменения, актуализация лесоустроительной информации, оценка территории для аренды лесного участка, планирование мер по недопущению распространения негативных лесоизменений, контроль соблюдения правил лесопользования.
С помощью машинного обучения в автоматическом режиме возможно оперативно выявлять такие лесоизменения, как вырубки, гари, ветровалы, усыхания.
В основе машинного обучения лежит алгоритм нейросетевого анализа, разработанный ГК «СКАНЭКС». Для мониторинга лесоизменений используются материалы спутниковой съемки открытого распространения (Landsat-8 и Sentinel-2), обучение нейронной сети производится на основе набранных экспертами компании эталонов (они набираются на основе субметровых данных спутниковой съемки), а оценка их качества выполняется методами кросс-валидации. Алгоритм выявления лесоизменений базируется на использовании пары растров: к каждому новому снимку, поступившему в обработку, в автоматическом режиме выполняется подбор пары с учетом группы критериев, таких как спутниковая система, площадь пересечения, степень облачности, фаза фенологического цикла и др. Каждому новому снимку может быть подобрано несколько архивных снимков, тем самым позволяя сформировать несколько отдельных пар растров.
Каждая пара растров проходит дополнительную постобработку, в результате которой формируется набор из более чем 40-ка растров, анализируя который нейронная сеть формирует растр вероятности для каждого класса лесоизменений. В дальнейшем растры вероятности векторизуются по заданному пороговому значению, а полученные вектора проходят ряд дополнительных проверок для исключения возможных ошибочных результатов детектирования.
Минимальный размер определяемого алгоритмом лесоизменения составляет 0,1 га, а достоверность результатов обнаружения для различных типов лесоизменений в среднем составляет 80 – 85%.
Презентация технологий нейросетевого анализа «СКАНЭКС», предложенная для выявления лесоизменений, вызвала широкий интерес среди участников XII Международной научно-практической конференции «Геодезия. Маркшейдерия. Аэросъёмка».