Как понять, сколько животных способна прокормить конкретная территория? Для охотничьих хозяйств это вопрос управления популяцией: если кормовой базы недостаточно, растет риск гибели животных и выхода зверей на сельхозземли.
Традиционный учет требует больших объемов полевой работы. В этом проекте ученые решили объединить космическую съемку, данные с БАС и машинное обучение. Объектом стала территория озера Ильмень и его окрестностей площадью почти 200 тыс. гектаров.
Что сделали
1. На территории выделили небольшие эталонные участки, где состав растительности и высоту кустарника измерили вручную.
2. Эти же участки сняли с беспилотников, в том числе с Геоскана Lite. Детализация аэрофотосъемки достигала 7 см.
3. По данным съемки создали цифровую модель рельефа в Agisoft Metashape Pro и определили характеристики растительности.
4. Полученные данные стали «учебником» для алгоритма машинного обучения.
5. Затем алгоритм обработал миллионы пикселей спутниковых снимков за зиму, весну и лето и научился безошибочно узнавать каждый тип ландшафта по его уникальному цветовому коду в инфракрасном спектре.
Что получилось
Модель классифицировала леса, луга, болота, пашни и другие типы ландшафта с общей точностью 99,8%. Коэффициент каппа Коэна (главный мировой стандарт достоверности таких карт) составил 0,966 при нормативном значении выше 0,75.
На карте площадью почти 200 тыс. гектаров:
➡️ 54,7% — озера и пруды;
➡️ 15,1% — пойменные луга;
➡️ около 12% — леса;
➡️ 0,6% — болота.
Зачем нужна такая карта
По данным о состоянии территории можно оценивать кормовую базу и планировать допустимую нагрузку на популяции животных. Например, если площадь кормовых угодий сокращается из-за засухи, это учитывается при принятии решений об охоте.
Кроме того, цифровую карту можно использовать для мониторинга пожаров, вырубок и изменений экосистем.