ИИ-алгоритм Сколтеха измерил запасы углерода в лесах Сахалина и оценил собственные ошибки

Главное отличие новой разработки от аналогов заключается в ее «честности»: алгоритм не просто выдает усредненную цифру, а математически рассчитывает степень достоверности каждого измерения. Это позволяет экологам четко видеть, каким участкам снимков можно полностью доверять, а где структура леса слишком сложная и данные необходимо перепроверить классическим наземным путем. Исследование ученых поддержал грант Российского научного фонда (РНФ), а его результаты опубликовали в международном журнале Scientific Reports.

Лесные массивы планеты выступают в роли гигантского природного «насоса». В процессе фотосинтеза деревья активно поглощают из воздуха углекислый газ, «запирая» его в своих живых тканях в виде органики и выделяя взамен кислород. Однако при ухудшении состояния экосистемы, лесных пожарах или гниении древесины лес из поглотителя парниковых газов может сам превратиться в их опасный источник.

Долгое время лесоустроители использовали два полярных метода, у каждого из которых были серьезные минусы:

• Наземные обходы лесничеств: дают точный результат, но они слишком трудоемки и физически не позволяют оперативно охватить огромные таежные территории.
• Классическое спутниковое моделирование: позволяет быстро отснять большие площади, но существующие компьютерные модели выдают лишь «голые» цифры без указания погрешности, что приводило к серьезным ошибкам в глобальных климатических прогнозах.

Для обучения и тестирования «умной» системы исследователи из Сколтеха (Москва), Иркутского национального исследовательского технического университета и Института исследований искусственного интеллекта AIRI (Москва) выбрали леса Сахалинской области. В качестве основы взяли три массивных набора данных по Корсаковскому, Невельскому и Холмскому лесничествам, которые отличаются экстремально высоким природным биоразнообразием.

Ученые объединили архивные наземные карты лесничеств, топографический рельеф островов и свежие снимки с космического аппарата Sentinel-2. Спутниковую графику разбили на тысячи мелких пикселей-участков, сопоставив их спектральные характеристики (то, как разные кроны поглощают и отражают свет) с реальной высотой и породами деревьев на земле. На этой базе авторы натренировали передовые алгоритмы машинного обучения: XGBoost, Random Forest и TabNet.

«Главное нововведение, которое мы сделали, лежит в области разработки так называемого доверительного и адаптивного искусственного интеллекта. После обучения алгоритма мы адаптировали метод конформного предсказания, который позволяет для каждого прогноза построить доверительный интервал. Простыми словами, модель выдает не одну цифру, а диапазон, который соответствует определенной точности, например, 90%. Более того, этот интервал меняется в зависимости от сложности местности: на неоднородных, смешанных участках леса погрешность увеличивается, и алгоритм показывает ее», —объяснила руководитель исследовательской группы Центра ИИ Сколтеха Светлана Илларионова.

В ходе финального экзамена нейросетям предложили проанализировать абсолютно новые спутниковые снимки Сахалина, которые ранее не использовали в процессе обучения. В этой дисциплине безоговорочную победу одержал алгоритм XGBoost.

Эффективность работы искусственного интеллекта распредели следующим образом:

• Определение породы и вида деревьев — точность 83%;
• Определение точного возраста насаждений — точность 70%;
• Оценка запасов древесины и объемов углерода — точность 53–63%.

Относительно невысокие показатели в финальном пункте ученые объясняют объективными факторами: смешанные леса юга Сахалина имеют многоярусную, крайне хаотичную структуру, которую тяжело сканировать из космоса, а сами математические формулы, которыми сегодня пользуется мировая наука для перевода кубометров древесины в чистый углерод, все еще требуют доработки.

По словам доктора физико-математических наук, профессора Центра ИИ Сколтеха Александра Бернштейна, в ближайших планах научной группы — масштабировать разработанный инструмент, повысить его устойчивость и запустить его постоянное практическое применение для оперативного мониторинга лесного хозяйства и оценки климатических изменений по всей территории России.

Ранее Sakh.online сообщал, что молодой сахалинский врач-эпидемиолог одержала блестящую победу в международных научных поединках молодых ученых Science Slam. Девушка смогла в остроумной и доступной форме презентовать широкой публике сложные медицинские исследования.