7 Новий тип штучного інтелекту, що імітує роботу людського мозку, може стати потужним інструментом для автоматичного виявлення лісових пожеж у тропічних лісах Амазонії. Дослідження, опубліковане в журналі International Journal of Remote Sensing, показує 93% точність технології при виявленні пожеж на супутникових знімках.
Запропонована модель може значно скоротити час реагування на лісові пожежі та пом’якшити їхні руйнівні наслідки. Особливо важливим це є для регіону Амазонії, де лише у 2023 році сталося понад 98 тисяч пожеж. Технологія стане цінним доповненням до існуючих систем моніторингу.
Інноваційний підхід до виявлення пожеж
Нова технологія використовує модель “штучних нейронних мереж”, що поєднує супутникові знімки з глибоким навчанням. Дослідники працювали зі згортковою нейронною мережею (CNN). Це алгоритм машинного навчання, що імітує роботу людського мозку через мережу взаємопов’язаних вузлів.
Наразі існуючі системи моніторингу в Амазонії мають помірну роздільну здатність. Вони обмежені у виявленні дрібних деталей у віддалених районах або невеликих спалахів пожеж. Запропонована технологія спрямована на подолання цих обмежень.
Методологія та результати дослідження
Дослідницька група з Федерального університету Амазонас навчала CNN на зображеннях із супутників Landsat 8 і 9. Ці супутники оснащені приладами ближнього і короткохвильового інфрачервоного діапазону. Такі інструменти критично важливі для виявлення змін у рослинності та температурі поверхні.
Для навчання CNN використали 200 знімків з лісовими пожежами і таку ж кількість знімків без пожеж. Попри відносно невелику кількість зображень, мережа досягла 93% точності під час навчання. Це свідчить про високий потенціал технології.
Модель пройшла тестування на 40 знімках, які не входили до навчального набору даних. Вона правильно класифікувала 23 з 24 зображень з пожежами і всі 16 зображень без них. Така надійність демонструє потенціал CNN як інструменту для ефективного виявлення лісових пожеж.
Перспективи впровадження та розвитку
Нова технологія не замінює, а доповнює існуючі системи моніторингу, такі як MODIS і VIIRS. Ці системи широко використовуються для безперервного виявлення лісових пожеж у глобальному масштабі. Проте CNN може забезпечити більш детальний і локалізований аналіз.
Дослідники рекомендують у майбутньому збільшити кількість навчальних зображень для CNN. Це дозволить створити ще надійнішу модель з вищою точністю. Також вони пропонують розглянути інші можливості застосування технології, зокрема для моніторингу вирубки лісів.
Впровадження цієї технології може стати важливим кроком у захисті тропічних лісів Амазонії та інших екосистем світу від руйнівного впливу пожеж. Поєднання штучного інтелекту з супутниковими даними відкриває нові можливості для збереження природних ресурсів планети.
