Осина – часто незаметное, но очень важное дерево. Она первая возвращается на вырубках и после пожаров, помогает восстанавливаться лесу и поддерживает биоразнообразие. Но в таёжной чаще её легко спутать с берёзой или ольхой – особенно если смотришь сверху, с орбиты. Над решением этой задачи работают исследователи из Череповца.
Коллектив исследователей Череповецкого государственного университета под руководством аспиранта и старшего преподавателя кафедры биологии Дмитрия Сергеевича Трошина опубликовал статью в международном научном журнале Environmental Monitoring and Assessment (Q2, Springer Nature). В работе они представили метод, позволяющий с высокой точностью находить осиновые участки в северных лесах – с помощью спутниковых снимков и машинного обучения.
🔍 Почему это сложно?
С высоты 700 км, где летает спутник Sentinel-2, все лиственные деревья выглядят примерно одинаково. Отличить осину от берёзы или ольхи по цвету и форме кроны почти невозможно. А без точных данных трудно планировать лесозаготовки, оценивать экологическое состояние лесов и отслеживать их восстановление.
🧠 Как решили задачу?
Учёные не просто смотрели на картинки – они «научили» алгоритмы видеть то, что невооружённому глазу не под силу.
Было разработано 19 индикаторов, включая спектральные характеристики и вегетационные индексы (NDVI, EVI, SAVI и другие). На основе этих данных модели машинного обучения – Random Forest и XGBoost – научились распознавать осину с точностью более 95%.
📊 Что даёт этот метод?
Теперь можно создавать точные цифровые карты распространения осины без длительных и дорогих выездов в лес. Это особенно важно для:
- лесной инвентаризации,
- планирования рубок,
- мониторинга восстановления экосистем.
🛠 Как собирали данные?
Без наземных данных не обошлось. Исследование стало возможным благодаря поддержке Департамента лесного комплекса Вологодской области, предоставившего таксационные описания лесных участков. А студенты кафедры биологии помогли собрать и обработать космические снимки. Это позволило надёжно проверить и «подкалибровать» модель.
🚀 Что дальше?
Пока это – первый шаг. Учёные планируют протестировать метод на других типах лесов: еловых, берёзовых, смешанных. Цель – убедиться, что алгоритм действительно «видит» именно осину, а не просто любую листву.
🔗 Статья уже опубликована:
Spatial and temporal classification and prediction of aspen probability in boreal forests using machine learning algorithms
Это не просто научная работа – это маленький прорыв в «умном» лесоведении. И он начинается здесь, в Череповце.
—
Ранее мы писали, что осина на вырубках – ключ к сохранению биологического разнообразия