DeepForest змінює підхід до моніторингу лісів і клімату

Моніторинг стану лісів зазвичай базується на дистанційному зондуванні — з використанням лідара, радарів та мультиспектральної зйомки.

Радар і лідар здатні проникати крізь крони дерев і показувати структуру насаджень, однак їм бракує високої спектральної роздільності, необхідної для оцінки стану рослинності.

Джерело: phys.org

Камери, навпаки, забезпечують високу просторову роздільність і гнучкість у мультиспектральному діапазоні, але традиційна зйомка фіксує лише верхній шар крон. Біомаса під пологом залишається невидимою, що обмежує оцінку запасів вуглецю, моніторинг біорізноманіття, раннє виявлення порушень і аналіз кліматичних впливів. Через це виникла потреба у нових підходах, здатних «бачити» глибокі шари рослинності та відновлювати спектральну інформацію по всьому об’єму лісу.

Дослідники з Університету Йоганна Кеплера в Лінці, Центру екологічних досліджень імені Гельмгольца та Лейпцизького університету розробили нову технологію зйомки під назвою DeepForest. Результати опубліковані в Journal of Remote Sensing. Метод демонструє, як дрони зі звичайними камерами, без дорогих лідара чи радарів, можуть фіксувати підпологову рослинність за допомогою синтетично-апертурних фокусних стеків, підсилених тривимірними згортковими нейронними мережами. Це розв’язує давню проблему лісового зондування — отримання даних під кронами з одночасним збереженням високої спектральної точності.

DeepForest відновлює об’ємні стеки відбивної здатності рослинності, показуючи структуру лісу від верхівок крон до підліску. Точність відбиття у глибоких шарах зростає у 2–12 разів, у середньому приблизно у 7 разів, навіть у лісах із щільністю до 1680 дерев на гектар.

На відміну від фотограмметрії, яка відтворює лише верхні шари, DeepForest відновлює спектральні сигнали по всій вертикальній структурі лісу та дозволяє обчислювати індекси рослинності, зокрема нормалізований вегетаційний індекс NDVI. Польові випробування показали середньоквадратичну похибку 0,05 між реальними знімками з дрона та відновленими верхніми шарами, що свідчить про високу надійність методу. Сумісність технології зі стандартними мультиспектральними камерами суттєво знижує вартість і відкриває можливості для широкого застосування в екологічному моніторингу, лісовому господарстві, обліку вуглецю та природоохоронній діяльності.

Команда сканувала лісові ділянки розміром 30 × 30 метрів за допомогою дрона з мультиспектральною камерою, що працює у зеленому, червоному, червоно-крайовому та ближньому інфрачервоному діапазонах. Зйомка проводилася з висоти 35 метрів із формуванням синтетично-апертурної сітки 24 × 24 метри з 9 × 9 зображень. Отримані дані обчислювально перефокусували у 440 фокусних зрізів, утворивши тривимірний стек, подібний до мікроскопічної зйомки. Шум від розсіювання світла на перекритих листках усували за допомогою глибинно-специфічних 3D-нейромереж, навчених на змодельованих лісових сценах.

Для навчання використали понад 11 мільйонів зразків, ще 4,6 мільйона застосували для валідації. Це дозволило мережам ефективно пригнічувати шум від перекриттів. Скориговані стеки відбивної здатності додатково калібрували за даними реконструйованих крон, що забезпечило точний розрахунок NDVI. Об’ємна візуалізація NDVI виявила тонкі відмінності у структурі та розподілі біомаси, а тривимірні фільтри дозволили відокремити зони здорової рослинності. Тести підтвердили стабільну роботу методу за різної щільності дерев.

Автори зазначають, що DeepForest відкриває нові можливості для дослідження внутрішньої будови лісів. Завдяки тому, що звичайні дрони можуть «заглядати» під полог крон, екологи отримують доступ до раніше недосяжних даних про біомасу, біорізноманіття та стресові стани рослин. Це може радикально змінити моніторинг кліматичних змін, відновлення після пожеж і динаміку вуглецю.

Технологія потенційно дає змогу створювати цифрові двійники лісів, виконувати тривимірну оцінку біомаси та відстежувати кліматичні впливи з використанням недорогого обладнання. У подальших дослідженнях планується розширити модель на різні типи лісів, інтегрувати лідар для фільтрації порожніх точок і підвищити роздільність зйомки під пологом для детального картування гілок і листя.

Масштабування методу за допомогою роїв дронів або швидких безпілотників літакового типу може бути використане для перевірки вуглецевих компенсацій, моніторингу пожежних ризиків і дослідження тропічного біорізноманіття. DeepForest позиціонує камероорієнтоване зондування як потужну альтернативу традиційним інструментам дистанційного спостереження, відкриваючи полог лісу для науки.