Учёные научили ИИ быстро и точно считать листву из космоса
В России создали нейросетевой алгоритм расчёта индекса листовой поверхности (LAI) по данным спутников «Метеор-М». Разработка позволяет получить оперативные исчерпывающие данные об экосистемах России. Результаты опубликованы в журнале «Компьютерная оптика» (2025, том 49, № 3).
Российские учёные предложили новый нейросетевой алгоритм для обработки данных с отечественных спутников «Метеор-М» с целью оценки индекса листовой поверхности (LAI). В разработке приняли участие сотрудники Института космических исследований РАН, Московского государственного университета им. М.В. Ломоносова и Федерального научного центра биологических систем и агротехнологий РАН.
«Метеор-М», объяснили исследователи, — это орбитальные аппараты дистанционного зондирования Земли. С начала программы было запущено пять спутников, два из которых в настоящее время активны. Они работают на круговых солнечно-синхронных полярных орбитах высотой 820–830 км. В ближайшие годы комплекс пополнят ещё два аппарата с новыми приборами.
На борту спутников находятся российские приборы КМСС-2 («комплексы многозональной спутниковой съёмки»), разработанные в ИКИ РАН. Они обеспечивают получение мультиспектральных данных в зелёном, красном и ближнем инфракрасном каналах с пространственным разрешением 60 метров и полосой обзора шириной 960–1020 км.
«Индекс листовой поверхности — один из главных климатических параметров. Он отражает способность растений к фотосинтезу и транспирации (испарению влаги). Точная оценка LAI в региональном и глобальном масштабах необходима для моделирования экосистем, геохимических циклов, сельскохозяйственного мониторинга и смежных приложений», — рассказал руководитель проекта, старший научный сотрудник, заведующий сектором ИКИ РАН Дмитрий Плотников.
Основой для обучения нейросети, сообщил учёный, стала модель переноса излучения PROSAIL. Она позволяет воспроизвести спектральный образ растений, на который влияет широкое разнообразие биохимических и геометрических параметров растительности. В том числе содержание хлорофилла, воды, сухого вещества, наклон листьев, свойства почвы и т.д. При этом учёт авторами сораспределений входных параметров модели позволил отбросить невозможные состояния биомов.
В рамках научной работы учёные обучили нейросеть на массиве данных, полученных с приборов КМСС-2 за 2022 год при зондировании территории России. Объём информации составил порядка 60 тысяч фрагментов съёмки. Полученные в процессе работы обученной модели карты LAI показали высокую точность для большинства сельскохозяйственных и степных территорий (полей, пастбищ, лугов и редколесий) и ниже — для густых лесов.
По словам исследователей, разработка позволяет оперативно получать наглядные сведения о состоянии растительного покрова на всей территории страны. Это даёт возможность производить эффективный экологический и сельскохозяйственный мониторинг различных районов на основе отечественных спутниковых данных. Созданный продукт доступен научному сообществу в семействе информационных сервисов «Вега».
Исследование выполнено за счёт гранта Российского научного фонда (проект № 23-27-00412).
