Учёные используют машинное обучение для прогнозирования разнообразия видов деревьев в лесах

Исследователи под руководством Бена Вайнштейна из Университета Флориды (США) применили машинное обучение для создания детальных карт более чем 100 миллионов отдельных деревьев на 24 участках по всей территории США. Результаты опубликованы 16 июля в журнале PLOS Biology.

Методология

• Для создания масштабных и детальных карт лесов учёные обучили алгоритм глубокой нейронной сети.
• В качестве обучающих данных использовались изображения древесного полога и данные сенсоров, полученные с самолётов.
• Данные, охватывающие 40 000 отдельных деревьев, были предоставлены Национальной экологической обсерваторией (NEON).

Результаты

• Глубокая нейронная сеть смогла классифицировать большинство распространённых видов деревьев с точностью от 75 до 85%.
• Алгоритм также способен определять, какие деревья живы, а какие мертвы.
• Наивысшая точность достигнута:
  • На участках с более открытым пологом.
  • При категоризации хвойных пород (сосны, кедры, секвойи).
  • В районах с низким видовым разнообразием.

Значение и доступность

• Подобные карты с информацией об отдельных видах и состоянии деревьев могут значительно помочь в природоохранных усилиях и экологических проектах.
• Прогнозы моделей загружены в Google Earth Engine, чтобы их могли использовать другие исследователи.
• Учёные отмечают, что разнообразие перекрывающихся наборов данных позволит получить более глубокое понимание экологии лесов и функционирования экосистем.