Это позволяет охотничьим хозяйствам рассчитывать квоты на добычу, чтобы избежать массовой гибели зверей от голода или, наоборот, их выхода к людям при недостатке корма, проинформировал один из авторов проекта, заведующий учебно-научной исследовательской лабораторией беспилотных систем и цифровой инженерии НовГУ, кандидат сельскохозяйственных наук Евгений Лукашик.
«Чтобы планировать охоту экологично, нужно знать точное количество кормовой базы: сколько желудей, травы и молодых побегов дает конкретная территория, а также какие ресурсы могут быть использованы животными для „строительства“ убежищ. Именно количество доступной пищи и защитные свойства определяют, сколько кабанов, медведей или лосей могут обитать на конкретной территории. Если животных окажется меньше, чем рассчитывали охотники, популяция не сможет восстановиться после сезона. Но если зверя будет больше, чем способна прокормить территория, начнется массовая гибель от голода, а животные в поисках пищи станут выходить к людям или разорять фермерские поля», — цитирует ученого ТАСС.
Традиционно инвентаризация охотничьих угодий — это долгие экспедиции по бездорожью, рулетки, бинокли и бумажные карты. Ученые решили применить новый подход. Они объединили данные космической съемки со спутника Sentinel-2A, аэрофотосъемку с промышленных беспилотных воздушных судов Geoscan Lite и DJI Phantom 4 Pro V2.0 и обучили нейросеть отличать хвойный лес от березовой рощи или заросшего камышом болота.
Для обучения ИИ исследователи использовали «эталонные участки» — небольшие зоны, где состав травянистой растительности и деревьев, высота кустарника были определены заранее с помощью дронов. Снимки загрузили в программу Agisoft Metashape Pro, которая превратила плоские кадры в объемную цифровую модель местности. По этой модели алгоритм определил высоту деревьев и густоту кустарника. Именно на этих проверенных данных алгоритм учился распознавать классы среды обитания на огромных космических снимках всей территории Ильменя. Затем эти данные стали базой для алгоритма машинного обучения алгоритма Random Forest. Он проанализировал миллионы пикселей космических снимков за зиму, весну и лето 2023 года, научившись безошибочно узнавать каждый тип местности по его уникальному цветовому коду в инфракрасном спектре. В результате получилась подробная карта-схема территории площадью почти 200 000 гектаров. Точность этого цифрового двойника природы подтверждена математически.
