Ученые под руководством Бена Вайнштейна из Университета Флориды использовали машинное обучение для создания подробных карт более 100 миллионов деревьев на 24 участках в США. Опубликованные в журнале PLOS Biology, эти карты дают представление об отдельных видах деревьев и условиях их произрастания, что может помочь в экологических проектах.
Традиционно экологи полагались на обследование небольших участков земли для сбора данных о видах деревьев, и этот метод часто не учитывает более широкую изменчивость леса. Хотя другие методы могут охватывать большие территории, они затрудняют классификацию отдельных деревьев. Исследователи решили эту проблему, обучив нейронную сеть с помощью изображений древесного полога и данных датчиков из Национальной сети экологических обсерваторий.
Сеть, обученная на данных 40 000 деревьев, достигла 75-85-процентной точности при классификации распространенных видов деревьев. Кроме того, она позволила провести важнейший анализ, например, определить живые и мертвые деревья. Алгоритм показал наилучшие результаты в зонах открытого полога и при работе с хвойными породами, особенно в регионах с низким видовым разнообразием.
Прогнозы этих моделей были загружены в Google Earth Engine.
