ИИ научили оценивать углеродный запас лесов по снимкам со спутников

Традиционные методы инвентаризации лесов требуют огромных затрат времени и полевых выездов. Новая разработка автоматизирует этот процесс, используя алгоритмы машинного обучения, такие как XGBoost, Random Forest и TabNet. В качестве тестового полигона ученые выбрали лесные массивы Сахалинской области. Система анализирует топографические карты и снимки, определяя состав пород, возраст деревьев и высоту насаждений.

Ключевым преимуществом стал метод конформного предсказания. Вместо единственного числа модель выдает диапазон значений, который расширяется на сложных участках местности, сигнализируя пользователю о возможной погрешности. По словам руководителя группы Светланы Илларионовой, это дает объективную картину достоверности прогноза.

Лучшие результаты продемонстрировал алгоритм XGBoost: он распознает преобладающие породы деревьев с точностью 83%, а возраст — с точностью 70%. При расчете запасов углерода и древесины показатель варьируется от 53% до 63%. В ближайшем будущем команда планирует адаптировать технологию для мониторинга других экосистем, чтобы повысить точность прогнозов углеродного баланса в масштабах страны.