ИИ-мониторинг вырубки лесов по спутниковым данным
Система PRODES в Бразилии выявляет вырубки Амазонки с запозданием 1–3 месяца — ручной анализ просто не успевает за скоростью событий. Нейросетевой пайплайн на Sentinel-2 обнаруживает свежую вырубку площадью ≥ 0.5 га в течение 10–15 дней после события.
Что значит «вырубка» для CV-модели
Задача — не просто «лес vs не лес», а детекция изменения: вчера здесь был лес, сегодня нет. Это change detection, а не классификация покрова.
Визуальные признаки свежей вырубки на мультиспектральном снимке:
- Резкое падение NDVI (с 0.7–0.9 для плотного леса до 0.1–0.3 на голой земле)
- Изменение SWIR (коротковолновый инфракрасный) — влажная открытая земля имеет специфическую подпись
- Геометрически чёткие границы (прямые линии, прямоугольные паттерны = антропогенная вырубка vs. естественная гибель от ветровала — рваные края)
Architecture пайплайна
Sentinel-2 (10 дней) → Cloud masking (s2cloudless) →
→ Surface reflectance + NDVI/EVI/SWIR indices →
→ Change detection (ChangeFormer / BIT) →
→ Вероятностная маска изменений →
→ Тематическая классификация (вырубка / пожар / ветровал) →
→ Полигонизация + фильтрация (≥ 0.5 га) →
→ Сравнение с лесным реестром →
→ Алерты + GIS экспорт
ChangeFormer на 6-канальном input (RGB+NIR+SWIR двух дат) + добавленные индексы: F1 = 0.91 на LEVIR-CD test, переносится на тропические леса с fine-tuning на ~500 аннотированных парах.
Различение причин потери леса
Простой change detection не разделяет: вырубка / пожар / естественная гибель / сезонные изменения (листопадные леса). Для ESG-мониторинга и лесозащиты эта разница критична.
Второй классификатор на фичах change region:
- Пожар: burn severity index (NBR — Normalized Burn Ratio, из SWIR), термоточки MODIS/VIIRS как дополнительный источник
- Ветровал: рваные края полигона, конкретная SAR-текстура
- Антропогенная вырубка: прямые границы, часто прямоугольная форма
KNN или XGBoost на геометрических и спектральных признаках полигона: accuracy 0.84 на 4 классах.
Работа с облачностью в тропических регионах
Тропический лес — постоянная облачность 60–80% времени. Sentinel-2 пропускает большие территории месяцами.
Решение: SAR (Sentinel-1) работает сквозь облака. SAR-based forest loss detection: L-band или C-band backscatter снижается при вырубке. JAXA PALSAR-2 (L-band, 25м) — хорошо работает для тропических лесов.
Data fusion: объединяем Sentinel-2 (при наличии) и Sentinel-1 (всегда доступен). Трансформер с cross-modal attention обрабатывает оба модальных input совместно.
Integration с реестрами и аналитикой
Обнаруженный полигон вырубки проверяется против:
- Лесозаготовительные лицензии (векторные данные)
- ООПТ (особо охраняемые природные территории)
- Квоты на вырубку конкретного лесозаготовителя
Автоматический алерт «незаконная вырубка» = change detection + нет действующей лицензии + в пределах запрещённой зоны. Precision этого алерта зависит от качества базы реестров — это операционная, а не техническая проблема.
Углеродный мониторинг
Для ESG/REDD+ отчётности: расчёт потери биомассы из площади вырубки + allometric модели (биомасса = f(тип леса, регион)). Integration с GlobalForestWatch API для cross-validation.
Сроки
Пилот (регион 1–50 000 га, 6 месяцев архива): 6–10 недель. Продакшн-система с SAR fusion и реестровой интеграцией: 14–22 недели. Стоимость зависит от территории и периодичности алертов.