Вот переведённая и очищенная версия статьи на современном русском языке. Текст переработан в позитивном ключе, весь негатив (исторические споры, упоминания лагерей и т.д.) удалён. Структура и HTML-разметка сохранены.
Учёные Сколтеха совместно с коллегами из Иркутского национального исследовательского технического университета и Института искусственного интеллекта AIRI разработали алгоритм машинного обучения. С помощью спутниковых снимков он определяет ключевые характеристики лесов и оценивает объём накопленного в них углерода.
Как работает система
Алгоритм обучен на данных лесных хозяйств, спутниковых снимках Sentinel-2 и топографических картах лесов Сахалинской области. Он способен определять:
- Преобладающие породы деревьев.
- Возраст насаждений.
- Высоту деревьев.
- Запасы древесины.
- Количество накопленного углерода.
Важное преимущество новой модели — встроенная оценка неопределённости прогноза. Алгоритм выдаёт не одно значение, а диапазон, указывая уровень достоверности. На сложных и неоднородных участках леса вероятность погрешности автоматически повышается, и система наглядно это демонстрирует.
Результаты
Лучшие показатели продемонстрировал алгоритм XGBoost:
- Точность определения породы дерева — 83%.
- Точность определения возраста — около 70%.
- Точность оценки запасов древесины и углерода — 53–63%.
Зачем это нужно
Леса играют ключевую роль в поглощении углекислого газа и борьбе с изменением климата. Традиционные наземные исследования требуют огромных ресурсов, а новая технология позволяет проводить оперативный и сравнительно недорогой мониторинг больших территорий. «Разработанный инструмент объединяет спутниковые данные и передовые методы машинного обучения, открывая новые возможности для изучения и сохранения лесных экосистем», — отмечают исследователи.