Новая карта, созданная с помощью машинного обучения, открыла возможности для менеджеров ресурсов, планировщиков землепользования, ученых и защитников природы еженедельно обновлять свои карты земного покрова. Опубликованная Esri карта Land Cover 2020 использует спутниковые снимки Sentinel-2 с разрешением 10 м и модель классификации земель для классификации поверхности Земли по 10 категориям, включая водную траву, площадь застройки и посевы.
Разработанная Impact Observatory, модель была обучена с помощью базы данных из миллиардов помеченных людьми пикселей изображения, созданной Национальным географическим обществом. В результате задача, которая обычно занимала месяцы, заняла чуть меньше недели. Такой подход к разработке карт земного покрова означает, что они могут создаваться по запросу и чаще. Зная, что происходит и где почти в реальном времени можно рационально управлять природными ресурсами планеты.
Приложения карты включают планирование землепользования, управление ресурсами, планирование сохранения и гидрологические исследования. По мере развития технологии карты, созданные с помощью машинного обучения, повышают точность карт земного покрова, которые необходимы нам для понимания распределения диких видов и их взаимодействия с людьми и деятельностью человека.
Обратная связь приветствуется.
Как и в случае с большинством первых выпусков новых цифровых технологий, карта Esri Land Cover 2020 подвергается критике. В Твиттере доктор медицины Мадхусудан выделил чайные плантации в Индии, которые по-разному обозначаются как кустарник, трава, деревья и посевы, а также обширную солнечную ферму, которая классифицируется как посевы, а не застроенная территория. Другие комментаторы наблюдали потерю пространственных деталей, но также признали, что, учитывая глобальный масштаб этого открытого научного продукта, конечный продукт все еще очень впечатляет.
Интересно узнать, как можно использовать эту обратную связь, я обратился к Стиву Брамби и Сэму Хайду, соучредителям Impact Observatory. «Мы очень довольны приемом и взаимодействием со стороны сообщества пользователей, что очень воодушевило», - сказал Стив. «Ряд региональных экспертов отметили интересные места, где карта не соответствовала другим подходам. Мы очень ценим эти отзывы и внимательно отслеживаем конструктивные предложения, чтобы помочь нам определить области, в которых мы могли бы улучшить нашу карту ».
Далее Сэм объяснил, что некоторые разногласия могут быть вызваны различиями в интерпретации ярлыков категорий. Например, в некоторых случаях метка «застроенная территория» интерпретируется как означающая «городской». Однако, как объясняет Сэм, «застроенная территория может быть городской, но также может быть инфраструктурой в более сельских районах, таких как большая теплица на пахотных землях или в небольшом сельском поселении ».
Процесс маркировки начинается с того, что люди-аннотаторы используют онлайн-платформу для проведения границ вокруг таких объектов, как леса, озера, поселения и фермы на фотографиях. В результате получается плотный набор меток, который позволяет алгоритмам глубокого обучения исследовать и изучать пространственные и спектральные характеристики объектов и начинать их маркировать.
«То, как помечается функция, может иметь практическое значение», - сказал Стив. «Классификация застроенных территорий или фермерских хозяйств может повлиять на местные правила налогообложения. Мировому сообществу необходимо иметь возможность проводить справедливые сравнения между странами, чтобы понимать влияние человека на окружающую среду и отслеживать, как страны добиваются прогресса в выполнении своих обязательств перед крупными конвенциями ООН по климату, биоразнообразию и устойчивому развитию. Наше партнерство с Esri и ООН помогает Impact Observatory понять и сориентироваться в некоторых из этих сложностей глобального картографирования ».
Двигайтесь быстро и внесите изменения.
Подобные выпуски от Esri и Impact Observatory представляют собой новую научную модель, модель непрерывных итераций и улучшений. У нас нет времени ждать публикации идеальных продуктов. Мы должны публиковать быстро, открыто делиться и приветствовать внимательное изучение. Готовность учиться и совершенствоваться - важнейшая характеристика инициатив, ведущих к реальным изменениям.
Но многое еще предстоит сделать.
Какие еще данные нам нужны, чтобы сделать управление ресурсами более устойчивым, а решения по сохранению - более эффективными? Более подробная карта землепользования является обязательным дополнением к «инструментам» планирования. Карты земного покрова содержат информацию о физических типах земель, но не всегда могут сказать нам, как эта земля используется. Какие мероприятия происходят в этих местах? Какие методы ведения сельского хозяйства используются? Что люди делают, чтобы изменить или сохранить среду обитания?
Искусственный интеллект, машинное обучение и экологическое моделирование предлагают возможности улучшить наше понимание того, что происходит сейчас, и того, каковы будут последствия наших решений. Однако точность и масштаб, необходимые для создания глобальных карт, точно отражающих местные условия, потребуют гораздо больших инвестиций для разработки наборов данных и моделей для обучения. Чем лучше мы сможем предсказать последствия посадки здесь, восстановления там или остановки развития в другом месте, тем больше у нас шансов остановить катастрофический коллапс экосистемы.
Изменение климата уже изменяет нашу окружающую среду, и скорость, с которой происходят эти изменения, увеличивается. Ученые предупредили, что решения, принятые в следующие десять лет, будут самыми важными из всех, которые мы когда-либо принимали. Некогда ждать идеального набора данных. Сегодня мы должны действовать в соответствии с имеющейся у нас информацией и обновлять наши стратегии по мере совершенствования данных и технологий. Чем быстрее мы обрабатываем данные, тем быстрее мы сможем передать их в руки влиятельных людей. А кто такие люди с влиянием? Это все мы.
