Американские ученые разработали высокодетализированные карты лесов, включающие в себя более 100 миллионов отдельных деревьев с 24 участков по всей территории США, с помощью искусственного интеллекта. Нейросеть смогла классифицировать наиболее распространенные виды деревьев с точностью 75–85%. По словам авторов, прогнозы ИИ о разнообразии деревьев, информация о конкретных породах и их состоянии помогут другим экологам в работе. Исследование опубликовано в журнале PLOS Biology.
Экологи уже долгое время изучают лесные экосистемы и собирают данные о породах деревьев. Исторически ученые для этого обследовали небольшие участки земли и масштабировали результаты на остальную территорию, однако такой метод не отражает изменчивость растений в лесу и не дает классифицировать отдельные деревья.
Американские ученые решили создать большие и высокодетализированные карты лесов. Для этого они обучили глубокую нейронную сеть с помощью изображений крон деревьев и других данных, охвативших 40 тысяч отдельных деревьев. С помощью машинного обучения исследователи разработали карты более чем 100 миллионов отдельных деревьев с 24 участков по всей территории США. На основе этой информации алгоритм смог классифицировать наиболее распространенные виды деревьев с точностью 75–85% и опознавать живые и мертвые растения. Ученые заметили, что глубокая нейронная сеть обладает наивысшей точностью в районах с большим количеством открытого пространства в кроне деревьев, а лучше всего работает при классификации хвойных пород — сосен, кедров и секвой. Также сеть показала хорошие результаты в районах с меньшим видовым разнообразием.
По словам авторов, карты крон деревьев могут обновляться с учетом новых данных, собранных на каждом участке. Ученые загрузили прогнозы алгоритма о том, как будет меняться разнообразие деревьев в лесах, в Google Earth Engine. Эти прогнозы и информация о конкретных породах деревьев и их состоянии помогут исследователям в других экологических работах.
