Идентификация сухостойных деревьев с помощью искусственного интеллекта на основе данных дистанционного зондирования Земли

На территории Российской Федерации отмечаются массовые усыхания древостоя, которые вызваны воздействием патогенных организмов, насекомых, грибных инвазий, а также распространением бактериальных заболеваний деревьев. Разработка систем дистанционного мониторинга лесных экосистем крайне важна для управления лесными ресурсами и принятия обоснованных решений в отношении сохранения и восстановления лесов. Целью настоящего исследования является разработка программного модуля для автоматизации процесса идентификации сухостойных деревьев на основе данных дистанционного зондирования Земли. Анализ различных стратегий обнаружения и сегментации, включая традиционные методы компьютерного зрения и нейронные сети на основе искусственного интеллекта, позволил выбрать обнаружение объектов в качестве основного метода из-за его эффективности при маркировке и способности количественно оценивать участки поражения деревьев. Сочетание метода обнаружения объектов со снимками высокого разрешения, полученными с применением БПЛА, оказалось наиболее эффективным для точного обнаружения сухостойных деревьев.

1. Пыжев, А. И. Лесные ресурсы Азиатской России: богатство или дефицит? / А. И. Пыжев, Е. А. Сырцова, Е. В. Зандер. – Текст : непосредственный // Журнал Сибирского федерального университета. Серия : Гуманитарные науки. – 2022. – Т. 15, № 12. – С. 1841-1853.

2. Малахова Е. Г. Распространение и структура очагов усыхания еловых лесов Подмосковья в 2010-2012 годах / Е. Г. Малахова, Н. И. Лямцев. – Текст : непосредственный // Известия Санкт-Петербургской лесотехнической академии. – 2014. – № 207. – С. 193-201.

3. Миртова, И. А. Использование спутниковых данных для оценки повреждения лесов короедом-типографом на примере Московской области / И. А. Миртова, Д. В. Ершов, Д. А. Мягкова. – Текст : непосредственный // Известия высших учебных заведений. Геодезия и аэрофотосъемка. – 2013. – № 6. – С. 77-82.

4. Гниненко, Ю. И. Возможности использования космических снимков для слежения за очагами союзного короеда / Ю. И. Гниненко, В. А. Иванов. – Текст : непосредственный // Актуальные проблемы лесного комплекса. – 2022. – № 62. – С. 137-142.

5. Кархова, С. А. Оценка лесопатологического состояния кедровых лесов Иркутской области / С. А. Кархова, Е. Б. Никитенко. – Текст : непосредственный // Известия Байкальского государственного университета. – 2023. – Т. 33, № 2. – С. 380-393.

6. Колтунов, Е. В. Спектральный анализ многолетней динамики вспышек массового размножения непарного шелкопряда (Lymantria dispar L.) на Урале / Е. В. Колтунов, Л. Н. Ердаков. – Текст : непосредственный // Современные проблемы науки и образования. – 2013. – № 2. – С. 399.

7. Маслов, А.Д. Размножение стволовых вредителей ели в очагах корневых гнилей / А. Д. Маслов. – Текст : непосредственный // Защита леса от вредителей и болезней: сборник трудов ВНИИЛМ. Москва : Лесная промышленность. – 1973. – C. 84–10.

8. Колганихина, Г. Б. К изучению проблемы усыхания вязов в Москве и Подмосковье / Г. Б. Колганихина, В. В. Синькевич. – Текст : непосредственный // Труды Санкт-Петербургского научно-исследовательского института лесного хозяйства. – 2021. – № 3. – С. 67-85.

9. Оценка роли насекомых и дендропатогенных организмов в усыхании древостоев Ленинградской области и Республики Татарстан / А. В. Селиховкин, Р. В. Глебов, Н. Г. Магдеев [и др.]. – Текст : непосредственный // Лесоведение. – 2016. – № 2. – С. 83–95.

10. Сингатуллин, И. К. Состояние осинников Республики Татарстан после засухи 2010 года / И. К. Сингатуллин. – Текст : непосредственный // Вестник Казанского ГАУ. – 2016. – № 3 (41). – С. 40–45.

11. Влияние климатических изменений на распространение бактериальной водянки березы / Е. А. Богдан, Р. Г. Камалова, Л. Н. Белан, И. О. Туктарова. – Текст : непосредственный // Географический вестник. – 2024. – № 1(68). – С. 151-165.

12. Бондаренко-Борисова, И. В. Бактериальная водянка – опасное заболевание березы в Донецком регионе / И. В Бондаренко-Борисова. – Текст : непосредственный // Промышленная ботаника. – 2020. – Вып. 20. – № 2. – С. 62-65.

13. Алексеев, А. С. Выявление ранних стадий повреждения еловых древостоев короедом-типографом на основе совмещенного анализа материалов спутниковой съемки Sentinel-2b и наземных обследований / А. С Алексеев, Д. М. Черниховский. – Текст : непосредственный // Известия Санкт-Петербургской лесотехнической академии. – 2023. – № 246. – С. 22-43.

14. Долгачева, Л. Е. Оценка повреждений лесных насаждений Горно-Колыванского лесничества Алтайского края полиграфом уссурийским с применением данных дистанционного зондирования / Л. Е. Долгачева, И. Н. Ротанова. – Текст : непосредственный // Успехи современного естествознания. – 2023. – № 7. – С. 21-26.

15. Санников, И. Ю. Выявление и анализ сухостоя при помощи беспилотного летательного аппарата / И. Ю. Санников, Д. Н. Андреев, С. А. Бузмаков. – Текст : непосредственный // Современные проблемы дистанционного зондирования Земли из космоса. – 2018. – Т. 15, № 3. – С. 103-113. – DOI 10.21046/2070-7401-2018-15-3-103-113.

16. Иванова, Н. В. Определение характеристик смешанных древостоев по данным аэрофотосъёмки с применением беспилотного летательного аппарата (БПЛА) / Н. В. Иванова, М. П. Шашков, В. Н. Шанин // Вестник Томского государственного университета. Биология. – 2021. – № 54. – С. 158-175. – DOI 10.17223/19988591/54/8.

17. Detection of Norway spruce trees (Picea Abies) infested by bark beetle in UAV images using YOLOs architectures / A. Safonova, Y. Hamad, A. Alekhina, D. Kaplun // IEEE Access. – 2022. – № . 10. – P. 10384-10392. – DOI: 10.1109/ACCESS.2022.3144433.

18. Detection of fir trees (Abies sibirica) damaged by the bark beetle in unmanned aerial vehicle images with deep learning / A. Safonova, S. Tabik, D. Alcaraz-Segura [et al.] // Remote Sensing. – 2019. – Vol. 11, № . 6. – P. 643. – DOI: 10.3390/rs11060643

19. Individual tree crown delineation for the species classification and assessment of vital status of forest stands from UAV images / A. Safonova, Y. Hamad, E. Dmitriev [et al.] // Drones. 2021. – Vol. 5, № . 3. – P. 77. – DOI: 10.3390/drones5030077