Ученые из Сколтеха, Иркутского национального исследовательского технического университета и Института искусственного интеллекта AIRI придумали, как с помощью искусственного интеллекта и спутников узнать, сколько углерода накоплено в лесу. Это не просто красивая картинка, а рабочий инструмент, который показывает не только результат, но и то, насколько ему можно верить. О подробностях проекта «Газете.Ru» рассказали в пресс-службе вуза.
Зачем это нужно?
Леса — это настоящие «легкие» планеты. Они работают как гигантский фильтр: забирают из воздуха углекислый газ и консервируют углерод в стволах, ветках и корнях. Чтобы понимать, насколько эффективно природа борется с глобальным потеплением, за лесами нужно постоянно присматривать. Раньше для этого приходилось отправлять людей «в поле» — ходить с рулетками и записывать данные. Это долго, дорого и физически тяжело. Новая технология позволяет делать то же самое, не вставая из-за компьютера.
Как работает алгоритм?
Для обучения нейросети ученые собрали настоящий «коктейль» из данных. В ход пошли:
- Отчеты самих лесничеств.
- Спутниковые снимки Sentinel-2.
- Топографические карты.
Все это тестировали на примере Корсаковского, Невельского и Холмского лесов Сахалинской области. На этой базе прогнали несколько популярных алгоритмов машинного обучения: XGBoost, Random Forest и TabNet. В итоге система научилась определять главные параметры леса: какие деревья там растут, сколько им лет, какой у них рост, а главное — сколько там древесины и запасенного в ней углерода.
Но главная фишка разработки не в самих цифрах, а в подходе к их подаче. Ученые внедрили так называемый метод конформного предсказания. Если говорить просто, алгоритм не просто выдает сухую цифру, а честно признается: «Я на 80% уверен, что здесь столько-то тонн».
«Модель выдает не одну цифру, а диапазон значений, соответствующий заданному уровню точности. Более того, этот интервал меняется в зависимости от сложности местности. На неоднородных участках леса погрешность увеличивается, и алгоритм показывает это пользователю», — объяснила руководитель исследовательской группы Центра искусственного интеллекта Сколтеха Светлана Илларионова.
Это критически важно. Если лес густой и однородный, нейросеть уверена в своих расчетах. Если же на снимке мешанина из болот, кустарников и разных пород деревьев — система честно расширяет границы погрешности.
Кто оказался самым умным?
В ходе испытаний все алгоритмы прошли проверку на прочность. Самым сообразительным и точным показал себя XGBoost. Он смог определить преобладающую породу деревьев с точностью 83%. С возрастом деревьев было сложнее: здесь точность составила около 70%. А вот когда дело дошло до оценки запасов древесины и углерода (самая сложная задача), точность упала до диапазона 53–63%. Это хороший стартовый результат для такой масштабной работы.
«Разработанный инструмент сочетает 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 результатов», — подчеркнул профессор Центра искусственного интеллекта Сколтеха Александр Бернштейн.
Что дальше?
Сейчас технология заточена под сахалинские леса. Но ученые смотрят шире. В планах — масштабировать решение на всю Россию и другие страны. Главное преимущество такого подхода — скорость и масштаб. Можно в реальном времени отслеживать состояние огромных территорий, видеть, где лес вырубают или где он сохнет от засухи.
Эта разработка может стать настоящим прорывом для экологов и лесничих. Она позволяет мониторить лесные ресурсы без огромных затрат, оценивать реальное влияние климатических изменений на «зеленое золото» страны и делать прогнозы по углеродному балансу территорий гораздо точнее. Теперь следить за тем, как планета дышит, стало немного проще — искусственный интеллект берет на себя самую скучную часть работы.