ИИ выявил миллионы мёртвых деревьев среди живых перед историческими пожарами в Калифорнии в 2020 году
Учёные из Копенгагенского университета, возможно, нашли новое объяснение масштабным лесным пожарам в Калифорнии в 2020 году. Применив ИИ к детальным аэрофотоснимкам, они создали уникальный набор данных, детализирующий смертность деревьев вплоть до отдельных стволов для всего штата. Это выявило, что мёртвые деревья — как одиночные, так и в небольших скоплениях — были широко рассеяны среди живых. Новая модель на основе ИИ позволит лучше понять явление гибели деревьев и даст шанс предотвратить уничтожение лесов мира засухами, жуками и огнём.
В 2020 году в Калифорнии сгорело 4% территории штата. Новое исследование, опубликованное в Nature Communications, представляет иную картину здоровья лесов, раскрывая ранее неучтённое количество мёртвых деревьев и, возможно, новую причину масштабных пожаров.
Используя оптимизированную модель ИИ, применённую к аэрофотоснимкам с разрешением менее метра, исследователи смогли детально картировать состояние более 90 миллионов деревьев по всему штату с беспрецедентной точностью. Ключевым открытием стало то, что значительная часть мёртвых деревьев была недоучтена из-за своей особенности.
«Наши данные показывают, что огромное количество этих деревьев изолированы или расположены в небольших скоплениях всего из нескольких стволов. Это позволило им «скрываться» среди здоровых, живых деревьев на спутниковых снимках более грубого разрешения. Это новое знание», — говорит Стефани Хорион из Департамента геонаук и управления природными ресурсами Копенгагенского университета.
По словам исследователя, распространение огня во время пожаров сильно зависит от неравномерного распределения горючего материала по плотности и воспламеняемости.
«Есть основания полагать, что такие разрозненные островки сухих мёртвых деревьев могли действовать как растопка между живыми деревьями, влияя на интенсивность и распространение пожаров. Это новое знание интересно как возможная часть объяснения катастрофических пожаров в Калифорнии, но также очень важно для наших попыток понять явление гибели деревьев в целом», — говорит Хорион.
Огонь — не главный убийца деревьев
Основной целью исследования было не изучение пожаров, а понимание глобального феномена массовой гибели деревьев, который становится всё более частым из-за изменения климата.
Исследование показывает, что вопреки распространённому мнению, пожары не являются главной причиной гибели деревьев. Всё наоборот.
«Новые данные показывают, что засуха и последующие атаки насекомых — самые большие убийцы в лесах. Пожар может последовать как косвенное следствие. Для возникновения пожара необходимы три элемента: жаркая, сухая погода (частота которой увеличивается из-за изменения климата), источник возгорания и обилие горючих материалов. Засуха ослабляет «иммунную систему» деревьев, что повышает риск их гибели после атак короедов. А мёртвые деревья хорошо горят», — объясняет Хорион.
Она приводит в пример лес Гарц в Германии, где засуха и короеды убили огромные площади задолго до любого пожара.
Мониторинг гибели деревьев с помощью ИИ имеет глобальный потенциал
Для разработки метода первый автор исследования Ян Чен обучил модель ИИ анализировать детальные аэрофотоснимки и распознавать признаки гибели деревьев. Для обучения ИИ использовалось более 20 000 полигонов, чтобы определить области с определёнными характеристиками и научить модель различать живые и мёртвые деревья в разных условиях.
Результаты тестирования модели на аэрофотоснимках лесов Калифорнии оказались значительными.
«Модель работает намного лучше ожиданий. Из 90 миллионов мёртвых деревьев, которые наш искусственный интеллект идентифицировал, около 60% остались бы незамеченными при использовании современных методов картирования нарушений в лесах», — объясняет Ян Чен.
Метод уже доказал свою полезность и в других частях мира. Исследователи надеются, что их алгоритм станет важным глобальным инструментом для системы раннего предупреждения, позволяющей вовремя вмешаться. Результаты исследования и код находятся в свободном доступе.