SI wykryła w Estonii około 10 tys. więcej wysp polnych
Naukowcy z Uniwersytetu w Tartu za pomocą sztucznej inteligencji wykryli w Estonii niemal 38 tys. wysp polnych — niewielkich skupisk drzew i krzewów pośród gruntów rolnych. To około 10 tys., czyli o 34%, więcej niż wskazano w oficjalnym rejestrze ARIB, informuje ERR News.
Wykrywanie na zdjęciach lotniczych
Naukowcy nauczyli model głębokiego uczenia rozpoznawania wysp polnych na zdjęciach lotniczych. W tym celu wykorzystali ponad 15 tys. oznaczonych przykładów utworzonych na podstawie zdjęć o wysokiej szczegółowości oraz istniejących map, które rolnicy sporządzali podczas składania wniosków o unijne wsparcie rolne.
Model nauczył się odróżniać takie obszary od kompleksów leśnych lub zwykłych rzędów drzew na podstawie ich kształtu i koloru. Po szkoleniu z wykorzystaniem wysokowydajnego klastra obliczeniowego uniwersytetu system przeanalizował około 2 tys. zdjęć lotniczych obejmujących całe terytorium Estonii. Badacze udostępnili również otwarcie zbiór danych i kod programu.
Siedliska dla ptaków i owadów
Wyspy polne mają zazwyczaj powierzchnię od 0,01 do 0,5 hektara. Mogą być miejscami gniazdowania ptaków krajobrazu rolniczego, a także siedliskiem dzikich pszczół i pożytecznych owadów, które zapylają uprawy i pomagają zwalczać szkodniki. Ze względu na ich znaczenie ekologiczne rolnicy mogą otrzymywać wsparcie na zachowanie takich obszarów w ramach Wspólnej Polityki Rolnej UE.
Więcej aktualnych wiadomości na kanale UA.News w Telegramie Telegram.
Najwięcej wysp polnych algorytm zarejestrował w centralnej części Estonii, gdzie powszechne są duże pola. Jednocześnie na północnym wschodzie kraju system konsekwentnie wykrywał mniej takich obiektów, ponieważ często składają się one głównie z kamieni i krzewów, a nie drzew.
SI jako narzędzie wstępnej analizy
Badacz Holger Virro zaznaczył, że wyniki nie świadczą o nieścisłości oficjalnych map, lecz pokazują trudność w ciągłym ręcznym ewidencjonowaniu tysięcy drobnych elementów krajobrazu. Jak powiedział, system może szybko wskazywać miejsca wymagające dalszej weryfikacji przez specjalistów, choć czasem myli żywopłoty z wyspami polnymi lub nie rozpoznaje kamienistych obszarów bez drzew.
Autorzy ustalili również, że nieco niższa rozdzielczość obrazów zwiększała dokładność modelu: obejmował on większą część krajobrazu i lepiej rozróżniał odizolowane wyspy, skraje lasów oraz żywopłoty. Wyniki badań Afifa Fauzana, Holgera Virro i Evelin Uuemaa opublikowano w czasopiśmie Geocarto International.
Czytaj nas na Telegram i Sends
