Отслеживание инвазивных растений из космоса

Инвазивные виды растений не только вредят сельскому хозяйству и местным видам, изменяя ландшафты, но и ежегодно наносят экономический ущерб в размере более $20 млрд только в США. Определение мест и скорости распространения таких растений критически важно для борьбы с ними. В настоящее время ученые и землеустроители используют полевые исследования для оценки численности, плотности или темпов роста популяций, что может быть чрезмерно дорогим и трудоемким. Традиционные методы не справляются с глобальной скоростью распространения инвазивных видов, поэтому срочно требуются новые, более эффективные.

Исследование под руководством профессора Университета Миннесоты Дэвида Меллера, аспиранта Томаса Лейка и научного сотрудника Райана Бриско Ранквиста оценило одну из таких методик с обнадеживающими результатами. Команда разработала модели глубокого обучения — сверточные нейронные сети, которые позволяют компьютеру научиться идентифицировать целевые объекты на спутниковых снимках.

Модели анализировали спутниковые изображения региона Городов-близнецов (Миннеаполис–Сент-Пол) в поисках инвазивного растения — молочая лозного (Euphorbia virgata, иногда Euphorbia esula). Использовались как редкие снимки высокого разрешения, так и серии ежедневных снимков более низкого разрешения, чтобы определить, можно ли с их помощью точно обнаружить растение.

Ключевые выводы исследования:

• Модели глубокого обучения обнаруживали молочай лозный в регионе с точностью более 96%.
• Точность была высокой как при использовании снимков высокого разрешения, так и при анализе временных рядов снимков низкого разрешения.
• Модели, учитывающие серию изображений во времени, извлекали прогностическую информацию из сроков появления всходов, цветения и увядания растения.

«Анализ временных рядов относительно нов для этого типа моделей, и мы были очень рады обнаружить, что он так хорошо работает для идентификации популяций молочая», — отметил Бриско Ранквист.

Результаты показывают, что модели глубокого обучения могут точно идентифицировать отдельные виды на сложных ландшафтах по спутниковым снимкам, даже с использованием временных рядов изображений более низкого разрешения. Это открывает потенциал для динамического отслеживания инвазивных видов с течением времени с помощью общедоступных спутниковых данных.

По словам Меллера, «инвазивными видами стало сложнее управлять, чем когда-либо, а наблюдение со спутников — это недорогой и быстрый метод для динамического мониторинга вторжений».

Дальнейшие исследования планируют отследить, как молочай распространялся по Великим равнинам за последние 35 лет, и спрогнозировать изменения в его ареале в условиях изменения климата.

Исследование опубликовано в журнале Remote Sensing in Ecology and Conservation.