Исследователи из Канзасского государственного университета (K-State) используют аэрофотосъёмку, чтобы понять и контролировать быстрое распространение древесных растений на Великих равнинах.
Преобразование ландшафтов
Изменение открытых лугов в ландшафты, где преобладают кустарники и деревья, известное как «зарастание древесными растениями», влияет на биоразнообразие, корма для скота, водные ресурсы и даже риск возникновения пожаров.
Зак Ратайчак, доцент кафедры биологии в K-State, объясняет: «Зарастание древесными растениями — это закономерность, которая наблюдается на лугах по всему миру, где на территориях, которые раньше были покрыты травами, дикими цветами и другими травянистыми видами, происходит быстрое и значительное увеличение количества кустарников и деревьев».
Аэрофотосъёмка с помощью машинного обучения
Аэрофотосъёмка прерий с помощью машинного обучения показывает высоту полога растений: синий цвет представляет низкий полог, зелёный — более высокие растения, а жёлтый — самые высокие.
Исследование, опубликованное в открытом журнале Remote Sensing, под руководством магистрантов K-State Бринн Ноубл и Ратайчака предлагает экономичный подход к обнаружению зарастания древесными растениями на небольших участках размером шесть на шесть футов. Система сочетает аэрофотосъёмку из федеральных программ с данными, собранными исследователями K-State на местах.
«Мы достигли точки, когда можем с точностью около 97% сказать, является ли этот участок лугом, кустарником, деревом или вечнозелёным деревом», — говорит Ратайчак.
Точность картографирования
Точность стала возможной благодаря уникальной комбинации ресурсов:
* Доступ к последовательным аэрофотосъёмкам высокого разрешения через Министерство сельского хозяйства США (USDA) и Национальный научный фонд (NSF).
* Вычислительная мощность машинного обучения с открытым исходным кодом.
* Большие наборы данных для обучения, собранные в ходе полевых работ на биологической станции Konza Prairie.
Аэрофотосъёмка высокого разрешения проводится с помощью лидара и мультиспектральных изображений с самолётов, оснащённых передовыми датчиками. Эти датчики обеспечивают детальные трёхмерные изображения ландшафта, фиксируя как структуру, так и состав растительности для мониторинга изменений, таких как зарастание древесными растениями, с исключительной точностью.
Машинное обучение
Ратайчак говорит, что большинство людей знакомы с тем, как работают эти модели машинного обучения, даже если они этого не осознают. «Если вам когда-либо показывали серию фотографий и просили нажать на все плитки, на которых изображён пешеходный переход или автобус, то вы участвовали в машинном обучении изображений», — сказал Ратайчак.
Компьютеры могут научиться находить важные объекты на наземных или аэрофотосъёмках, но для этого им нужно много обучающих образцов, чтобы научиться распознавать типы узоров. Не менее важно, чтобы у них были образцы, которые научат их, какие объекты игнорировать.
Например, в ранних версиях этого проекта компьютер считал, что глубокие тени за деревьями — это миниатюрные вечнозелёные деревья, хотя на самом деле это были просто тени.
Для точной работы требуются тысячи образцов, и здесь на помощь приходят студенты K-State и Konza Prairie. Исследователи разработали модели классификации, используя данные из Konza Prairie — долгосрочного экологического исследовательского центра, совместно управляемого K-State и The Nature Conservancy.
«На этом относительно небольшом участке площадью около 10 квадратных миль мы имеем множество основных типов растительности, которые можно найти в восточном Канзасе», — сказал Ратайчак. «И когда мы пытаемся научить компьютер находить разнообразные типы растительности, это бесценный ресурс».
Это означает, что исследователи, включая студентов, могут быстро проверять или корректировать прогнозы моделей, основываясь на собственных знаниях о ландшафте. Студенты собирают обучающие данные для моделей и получают опыт работы с географическими информационными системами (ГИС) и компьютерным кодированием.
Одной из таких студенток является Бринн Ноубл, которая совместно возглавляла исследование. Её работа вместе с Ратайчаком внесла значительный вклад в то, что команда надеется стать региональным, если не общегосударственным, картографическим инструментом.
«Одним из катализаторов для подачи заявки на расширение этой работы за пределы нашего участка в Канзасе является то, что федеральные и государственные программы аэрофотосъёмки собирают эти данные, выполняют действительно сложные шаги, а затем делают их бесплатными для общественности, включая нас», — сказал Ратайчак.
Влияние на управление пастбищами
«Теперь, когда у нас есть точные измерения того, как кустарники захватывают травянистые участки, мы можем оценить, сколько крупного рогатого скота или бизонов этот участок может реально поддерживать в долгосрочной перспективе», — сказал Ратайчак. «Эти данные использовались для расчётов пропускной способности нашего стада бизонов, и мы корректируем её соответствующим образом».
Другие команды в K-State использовали те же карты древесной растительности для оценки риска пожаров, выбора среды обитания птицами и мелкими млекопитающими и даже воздействия клещевых заболеваний.
«Это был неожиданный поворот для нас. Мы участвуем во многих рукописях о потоках воды и разнообразии птиц», — сказал Ратайчак.
Ратайчак надеется поделиться ресурсами через веб-сайт или приложение для региональных систем раннего предупреждения. В конечном итоге команда планирует сотрудничать с землевладельцами для сбора дополнительных обучающих данных и усовершенствования своих моделей.
«Если кто-то обнаружит, что мы ошибаемся, мы хотим об этом знать, чтобы мы могли обновить наши модели», — сказал Ратайчак. «Наша долгосрочная цель — начать использовать спутниковые данные для охвата большей территории и проецировать то, что мы делаем, в прошлое и будущее».
На данный момент эта технология, созданная на основе инструментов с открытым исходным кодом, уже оказывает влияние на сохранение лугов. «Это развитие практических навыков в реальных условиях», — сказал Ратайчак. «И это помогает углубить наше понимание одной из основных экологических проблем на лугах».
Другие новости по теме
- Исследователи создают «виртуальных учёных» для решения сложных биологических задач
- Улов криля в Антарктиде достиг рекордного уровня после краха природоохранного соглашения
- Сколько времени наши предки проводили на деревьях?
- Уран тайно излучает тепло — новые данные показывают, что планета всё ещё «горит» изнутри
- Во Франции петиция против пестицида, убивающего пчёл, собрала более двух миллионов подписей
- Переселённые дятлы процветают на полигоне во Флориде, способствуя росту популяции, находящейся под угрозой исчезновения
- Исследование пересматривает анатомию «живой окаменелости» — рыбы латимерии, меняя представление об эволюции черепа позвоночных
- Исследование бабочек-стеклянниц перерисовывает эволюционное дерево чешуекрылых
- Самый мощный телескоп в мире обнаружил гостя из другой звёздной системы
- Скрытые кластеры генов в почвенных бактериях могут стать ключом к пониманию роста бобовых растений
Другие новости на сайте
- Крошечные искусственные клетки поддерживают 24-часовые циклы как живые организмы
- Xbox представляет спорную систему проверки возраста в Великобритании 🛑🇬🇧
- Арбитраж BitMEX-Pendle sENA: получение дохода более 20% APY
- Новости прямых продаж криптовалют в реальном времени: последние возможности и обновления (29 июля)
- 🔥 Bloober Team раскрыла детали Cronos: The New Dawn — концовки игры стирают грань между добром и злом! 🎮
- 🎰 Как онлайн-казино превращают азарт в игру: Новая эра гемблинга
- Центральный банк Уругвая планирует уточнить юридический статус биткоина в новом регулировании.
- Китайско-промышленный банк ускоряет внедрение стабильной монеты с использованием ИИ для противодействия доллару
- Ледники Турции становятся жертвами изменения климата
- Почему учёные одевают свиней в одежду и хоронят их в Мексике?