Սկոլտեխի գիտնականները՝ Իրկուտսկի ազգային հետազոտական տեխնիկական համալսարանի և AIRI արհեստական բանականության ինստիտուտի գործընկերների հետ համատեղ, մշակել են մեքենայական ուսուցման ալգորիթմ, որն արբանյակային լուսանկարների միջոցով որոշում է անտառների առանցքային բնութագրերը և գնահատում դրանցում կուտակված ածխածնի ծավալը։ Այս մասին հայտնել են Սկոլտեխի մամուլի ծառայությունից։
Ինչպե՞ս է գործում համակարգըԱլգորիթմն ուսուցանվել է անտառտնտեսությունների տվյալների, Sentinel-2 արբանյակային լուսանկարների և Սախալինի մարզի անտառների տեղագրական քարտեզների հիման վրա։ Այն ընդունակ է որոշել՝
Ծառերի գերակշռող տեսակները. Տնկարկների տարիքը. Ծառերի բարձրությունը. Բնափայտի պաշարները. Կուտակված ածխածնի քանակը։Նոր մոդելի կարևոր առավելությունը կանխատեսման անորոշության ներկառուցված գնահատումն է։ Ալգորիթմը տալիս է ոչ թե մեկ արժեք, այլ միջակայք՝ նշելով հավաստիության մակարդակը։ Անտառի բարդ և անհամասեռ հատվածներում սխալմունքի հավանականությունն ավտոմատ կերպով բարձրանում է, և համակարգը դա ակնհայտորեն ցույց է տալիս։
ԱրդյունքներըԼավագույն ցուցանիշները դրսևորել է XGBoost ալգորիթմը՝
Ծառերի տեսակի որոշման ճշգրտությունը — 83%. Տարիքի որոշման ճշգրտությունը — մոտ 70%. Բնափայտի և ածխածնի պաշարների գնահատման ճշգրտությունը — 53–63%։ Ինչո՞ւ է դա անհրաժեշտԱնտառները առանցքային դեր են խաղում ածխաթթու գազի կլանման և կլիմայի փոփոխության դեմ պայքարի գործում։ Ավանդական վերգետնյա հետազոտությունները հսկայական ռեսուրսներ են պահանջում, իսկ նոր տեխնոլոգիան թույլ է տալիս իրականացնել մեծ տարածքների օպերատիվ և համեմատաբար էժան մոնիտորինգ։ «Մշակված գործիքը համադրում է արբանյակային տվյալները անորոշության գնահատման ալգորիթմների հետ՝ անտառի բնութագրերի օպերատիվ կանխատեսման համար»,— նշել է Սկոլտեխի Արհեստական բանականության կենտրոնի պրոֆեսոր Ալեքսանդր Բեռնշտեյնը։ Հետագայում գիտնականները ծրագրում են մասշտաբավորել մոդելը և այն հարմարեցնել Ռուսաստանի ու աշխարհի այլ տարածաշրջանների համար։ Տեխնոլոգիան կարող է օգտակար լինել անտառային տնտեսության, կլիմայական հետազոտությունների և ածխածնային մոնիտորինգի համար։
Կարճ ասածՍկոլտեխի գիտնականները ստեղծել են ԱԲ-ալգորիթմ, որն արբանյակային լուսանկարներով գնահատում է անտառների բնութագրերն ու դրանցում ածխածնի պաշարները։ Մոդելը ոչ միայն կանխատեսում է տալիս, այլև ցույց է տալիս դրա հավաստիության աստիճանը։ Լավագույն արդյունքները գրանցել է XGBoost-ը։ Մշակումը թույլ կտա զգալիորեն արագացնել ու էժանացնել անտառների մոնիտորինգը և կլիմայական կայունության մեջ դրանց ունեցած ավանդի գնահատումը։
Հետևեք NEWS.am Tech-ին Facebook-ում և Twitter-ում