Ученые разработали продвинутые системы мониторинга лесов: Будут ли леса следить за собой в будущем?
Исследователи из Каунасского технологического университета (KTU) предлагают инновационную модель лесовосстановления и систему анализа звуков, которые могут прогнозировать состояние лесов и обнаруживать изменения окружающей среды в реальном времени.
По словам профессора KTU Рютиса Маскелюнаса, традиционные методы мониторинга, такие как визуальный осмотр лесниками, уже недостаточны. Для улучшения защиты лесов исследователи KTU используют искусственный интеллект (ИИ) и анализ данных.
Модель динамики восстановления леса
Ключевое решение — модель динамики восстановления леса, которая прогнозирует рост и изменения леса с течением времени. Она отслеживает возрастные группы деревьев и рассчитывает вероятности перехода деревьев из одной группы в другую, анализируя темпы роста и смертности. Модель подробно описана в журнале Forests.
Как это работает:
- Модель цепей Маркова рассчитывает, как лес переходит из одного состояния в другое, основываясь на текущих условиях и вероятностных показателях роста и смертности.
- Многонаправленная декомпозиция временных рядов отделяет долгосрочные тенденции роста леса от сезонных изменений или неожиданных факторов (засухи, вспышки вредителей).
- Сочетание методов дает комплексное представление об экосистемах и позволяет точнее прогнозировать их состояние в различных условиях.
Применение и преимущества:
- Определяет, какие виды деревьев лучше всего подходят для разных сред и где их следует высаживать.
- Помогает планировать смешанное лесовосстановление для повышения устойчивости к изменению климата.
- Прогнозирует, где и когда определенные виды могут стать более уязвимыми для вредителей, что позволяет принимать превентивные меры.
- Применение модели к лесам Литвы показало, что ели особенно страдают от изменения климата из-за более длительных летних засух и теплых зим, что снижает их устойчивость к стрессу.
Анализ звуков для оценки здоровья экосистемы
Другой инструмент — система анализа звуков, которая может идентифицировать естественные лесные звуки и обнаруживать аномалии, указывающие на нарушения в экосистеме или деятельность человека. Исследование опубликовано в IEEE Access.
Технологическая основа:
Модель, предложенная аспирантом KTU Ахмадом Куртоби, инновационно сочетает сверточную нейронную сеть (CNN) с двунаправленной моделью долгой краткосрочной памяти (BiLSTM).
- CNN распознает и описывает характеристики звука.
- BiLSTM анализирует временные последовательности, чтобы понять, как звуки меняются со временем.
Что может обнаружить система:
- Статические звуки: постоянное щебетание птиц (помогает отслеживать их активность, видовое разнообразие и сезонные миграции).
- Динамические изменения: внезапные шумы вырубки леса, изменения силы ветра, звуки деревьев (движение листьев, ломающиеся ветви), которые могут указывать на стресс.
- В будущем модель можно адаптировать для обнаружения звуков животных (волчий вой, рев оленя) или для мониторинга шумового загрязнения в городских районах.
Интеграция в умные системы
Система анализа звуков легко интегрируется в разработанную KTU систему «умного» Интернета вещей (IoT) для леса — Forest 4.0. Эти IoT-устройства, как «безмолвные стражи», анализируют «сердцебиение» лесов в реальном времени.
По мнению профессора Маскелюнаса, существующие модели часто упрощают сложную экологическую динамику, не учитывая конкуренцию видов, обратные связи и изменчивость климата. Поэтому продвинутые технологии ИИ и анализа данных представляют собой будущее управления лесами.