Jauna tālizpētes metode spēj noteikt atsevišķu koku sugas ar precizitāti līdz pat 90%. Detalizēti dati par sugām padara mežsaimniecību efektīvāku un uzlabo bioloģiskās daudzveidības uzraudzību.

Pateicoties nesenajiem pētījumiem koku sugu klasifikācijā, ir iespējams noteikt koku sugas no gaisa daudz konkrētāk, plašāk un ātrāk nekā iepriekš. Jaunā metode apvieno multispektrālo lāzerskenēšanu ar mašīnizpēti un dziļās izpētes metodēm jeb praksē – ar mākslīgo intelektu (MI).

Pētījumu veica Somijas Nacionālās zemes dienesta pakļautībā esošā Somijas Ģeotelpiskās pētniecības institūta (FGI) zinātnieki kopā ar vairāku universitāšu pētniekiem. Pēdējo 15 gadu laikā meža resursu dati, kas raksturo mežu struktūru un koku sugas, galvenokārt tika iegūti ar metodi, kuras pamatā ir lāzerskenēšana, aerofotografēšana un lauka mērījumi.

“Aerofotogrāfijas, kas apvieno redzamās gaismas un tuvā infrasarkanā starojuma viļņu garumus, sniedza datus par koku sugām, kas nebija pieejami ar parasto lāzerskenēšanu, jo tā balstās tikai uz vienu viļņa garumu. Aerofotografēšanai līdz šim ir bijusi nozīmīga vieta,” skaidro Helsinku Universitātes Meža zinātņu departamenta ģeoinformātikas profesors Markuss Holopainens.

Modernākā multispektrālās lāzerskenēšanas metode mēra vairākus viļņu garumus, līdzīgi kā aerofotografēšana. Tas nozīmē, ka tagad detalizētākus datus var iegūt, izmantojot tikai lāzerskenēšanu vien. “Izmantojot multispektrālo lāzerskenēšanu, koku sugu klasifikācijas precizitāte ir ļoti tuva aerofotografēšanas rādītājiem. Nākotnē meža inventarizācijā varētu vairs nevajadzēs gan lāzerskenēšanu, gan aerofotografēšanu. Tā vietā viens mērījums varētu sniegt abus datu kopumus,” uzsver M. Holopainens.

Ārkārtējs vēriens koku sugu klasifikācijas pētniecībā

“Tālizpētē MI metodes spēj ģenerēt datus, kas ir līdzīgi cilvēka acs uztvertajam. Līdzīgi kā cilvēks, dziļā izpēte spēj identificēt koku sugu pat tad, ja krāsu toņi starp atsevišķiem kokiem attēlā vai datu kopā atšķiras.”

Jaunā FGI un universitāšu izstrādātā metode apvieno multispektrālo lāzerskenēšanu ar mašīnizpēti un dziļo izpēti, vēl vairāk uzlabojot precizitāti. Dziļā izpēte spēj ātri un efektīvi apvienot sarežģītus datus, piemēram, koku formu un ģeometriju, kā arī dažādu viļņu garumu atstarojumu no kokiem.

Markuss Holopainens norāda, ka šis pētījums ir viens no starptautiski vērienīgākajiem koku sugu klasifikācijā, kurā galvenā uzmanība pievērsta multispektrālajai lāzerskenēšanai un lāzerskenēšanas metožu attīstībai.

Uzlabota retāku sugu atpazīšana

Jaunā tālizpētes metode sasniedza visaugstāko sugu noteikšanas precizitāti ar īpaši blīviem 3D lāzerskenēšanas datiem, proti, tādiem, kas satur daudz mērījumu punktu. Šādos datos dziļā izpēte palīdzēja identificēt deviņas sugas – priedi, bērzu, egli, apsi, pīlādzi, alksni, ozolu, liepu un kļavu. Kokus identificēja ar vidējo precizitāti 92%. Noteikšanas precizitāte uzlabojās arī tad, ja dati bija “mazāk blīvi”.

Somijas mežos visizplatītākās sugas, piemēram, parastā priede, parastā egle, āra un purva bērzs, tika identificētas ar ļoti augstu precizitāti, mazāk izplatītu lapu koku noteikšana bija sarežģītāka. Tomēr, salīdzinot ar tradicionālajām metodēm, dziļās izpētes modeļi būtiski uzlaboja arī mazāk izplatītu sugu atpazīšanu.

Problēma, pēc profesora Markusa Holopainena teiktā, ir faktā, ka, palielinoties sugu skaitam, metodes precizitāte samazinās. “Somijas un citu Ziemeļvalstu mežos sugu daudzveidība ir salīdzinoši neliela, virzoties uz Centrāleiropu vai citiem reģioniem ar plašu sugu klāstu, identificēšana jo ātri kļūst sarežģītāka.” Tālizpēte kļūst apgrūtinātāka, ja koki pārklājas vai mežā ir daudz dažādu stāvu (slāņu). “Jo blīvākas audzes, jo grūtāk klasificēt mežu. Metode vislabāk darbojas pieaugušos saimnieciskajos mežos, kuros veikta kopšanas vai izlases cirte,” norāda profesors.

Ieguvumi mežsaimniecībai un bioloģiskās daudzveidības aizsardzībai

Koku sugu identificēšana ir svarīga gan mežsaimniecībai, gan bioloģiskajai daudzveidībai. Precīzi dati par sugām uzlabo, piemēram, koksnes ieguves plānošanu, mežizstrādes darbus un koksnes tirdzniecību, kas kopumā paaugstina mežsaimniecības produktivitāti.

Jaunā, MI balstītā metode uzlabo arī to sugu atpazīšanu, kas ir būtiskas bioloģiskajai daudzveidībai, piemēram, apses, kā arī palīdz pārraudzīt izmaiņas sugu sastāvā.

“Lai sekmīgi darbotos, mūsu pētījumā izmantotajām mašīnizpētes metodēm ir nepieciešams daudz mācību materiāla, savukārt dziļās izpētes metodes var strādāt ar mazāku apjomu. Abas metodes darbojas labāk, ja pieaug teritoriju platība, kurās tās tiek izmantotas,” uzsver M. Holopainens. Piemēram, nokaltušus kokus vai meža bojājumu vietas var salīdzinoši precīzi identificēt, izmantojot aerofoto un pavadoņattēlus, dziļā izpēte var uzlabot precizitāti arī šajā jomā. “Efektīvāk pārraugot bojājumu vietas, var ātrāk veikt detalizētākus mērījumus ar dronu vai uz vietas dabā, kas ļauj, piemēram, laikus pamanīt astoņzobu mizgrauža radītos bojājumus.”

Lauka darbi joprojām būs nepieciešami

Ja sugu identificēšanas un tālizpētes tehnoloģijas kļūst tik precīzas un automatizētas, vai joprojām būs nepieciešams doties uz mežu?

“Dziļās izpētes metodes tiešām samazina nepieciešamību pēc meža apmeklējumiem, bet tos pilnībā neaizstāj. Somijas Meža centra veiktajā meža resursu inventarizācijā informācija par sugām ir tikai viens no aptuveni simts rādītājiem. Lai noteiktu to lielāko daļu, joprojām ir nepieciešami mērījumi, esot mežā,” skaidro Markuss Holopainens.

No otras puses, ja mērķis ir tikai identificēt retas un bioloģiskajai daudzveidībai svarīgas sugas vai iegūt informāciju par atmirušo koksni, ar jauno metodi pilnīgi pietiek, uzskata profesors: “Dziļās izpētes modeļiem ir vajadzīgs materiāls, no kā mācīties, un šī materiāla sagatavošana ir diezgan lēna, jo koku vizuālā klasificēšana joprojām balstās cilvēka darbā.”

Precīzās mežsaimniecības – precision forestry – attīstība

Tradicionāli mežu skenēšanai izmantoja parasto Lidar jeb lāzerskenēšanas tehnoloģiju, kas mēra tikai koku augstumu un blīvumu (viena viļņa garumā), bet nespēj precīzi atšķirt koka sugu. Lai to kompensētu, datus kombinēja ar parastām aerofotogrāfijām.

Somijas zinātnieku sasniegums ir multispektrālo lāzeru izmantošana. Tie vienlaikus raida vairākus gaismas viļņus, tverot gan koka 3D struktūru, gan tā “spektrālo parakstu” – kā koks atstaro gaismu. Šādu milzīgu datu apjomu cilvēks manuāli nespēj apstrādāt, tāpēc talkā nāk dziļā izpēte – neironu tīkli, kas koku sugas atpazīst pēc to formas un lapotnes atstarotās gaismas niansēm.

Jau tuvākajā nākotnē...

Tuvākajos gados (līdz 2030. gadam) šai tehnoloģijai būs milzīgs potenciāls komerciālajā un dabas aizsardzības sektorā, tostarp Latvijā, kur mežu struktūra ir visai līdzīga Somijai.

Būs iespējama ļoti ātra meža bojājumu un kaitēkļu noteikšana. Tehnoloģiju var integrēt ar droniem, lai automātiski skenētu mežaudzes un atpazītu, piemēram, astoņzobu mizgrauža invāzijas agrīnā stadijā, kad koki sāk mainīt krāsu, ko cilvēka acs no apakšas vēl neredz. Varēs veikt arī automatizētu un lētāku meža taksāciju. Meža īpašniekiem vairs nebūs jāmaksā par dārgu un ilgu lauka inventarizāciju, lai uzzinātu precīzu audzes sastāvu. Viens drona pārlidojums “dos” gatavu karti ar katra koka sugu un tilpumu.

Varēs veikt vēl efektīvāku mežizstrādes un loģistikas plānošanu. Mežizstrādes mašīnas – harvesteri dosies uz mežu ar precīzu digitālo karti, zinot, kur atrodas vērtīgākie koki, optimizējot tehnikas kustību un samazinot CO₂ emisijas.

Jāuzsver, ka labāk noritēs arī bioloģiskās daudzveidības un Eiropas Savienības vides prasību izpilde. Valstī būs viegli uzskaitīt un aizsargāt ekoloģiski vērtīgos biotopus, atrast vecos ozolus, retās apses vai mirušo koksni, kas nepieciešama daudzām aizsargājamām sugām.

Šī tehnoloģija tuvākajā nākotnē dod maksimālu labumu gan komerciālajā mežsaimniecībā, gan dabas aizsardzībā, kā arī abu jomu savstarpējā sadarbībā.

Ieguvumi vides aizsardzībā un dabas skaitīšanā

Bioloģiskās daudzveidības uzraudzība kļūs lētāka, plašāka un objektīvāka. Latvijā un Eiropā dabas skaitīšana prasa milzīgus cilvēkresursus un gadiem ilgu darbu, ekspertiem staigājot pa mežiem utt. Ar MI un gaisa skenēšanu valstī dažu nedēļu laikā varēs identificēt ES nozīmes biotopus, piemēram, vecus boreālos mežus vai staignāju mežus, pamatojoties uz koku vecumu, sugu un struktūras daudzveidību.

Šī metode spēj atpazīt un kartēt arī retākos lapu kokus, kas ir mājvieta simtiem sūnu, ķērpju un kukaiņu sugu. Īpaši svarīga ir apses, kas sastāda 1-1,5% Ziemeļvalstu mežu, uzskaite un kas ir būtisks bioloģiskās daudzveidības “enkurs” šajos mežos. Apsi Somijā un Zviedrijā dēvē par “atslēgas sugu”. Latvijā apse aizņem aptuveni 8% mežu platību. Būtisks faktors ir atmirusī koksne, kas ir kritiska meža ekosistēmai, taču to ir grūti uzskaitīt. Jaunā sistēma precīzi redzēs un klasificēs gan stāvošos sausokņus, gan kritalas, ļaujot novērtēt meža dabisko veselību. Valstis un lielie uzņēmumi varēs precīzi pierādīt, cik daudz oglekļa to meži piesaista. Precīzs koku sugu un apjoma aprēķins nodrošinās uzticamus datus oglekļa kredītu tirgum.

Ilgtspējīga nākotne

Lielākais šīs tehnoloģijas panākums būs konfliktu mazināšana starp mežizstrādātājiem un dabas aizsardzības aktīvistiem. Tā kā dati būs pilnīgi precīzi un pieejami digitāli, plānojot cirtes, sistēma varēs automātiski “iezīmēt” un likt harvesteram apiet ekoloģiski vērtīgākos kokus, piemēram, saglabājamās apses, vecos ozolus vai vietas ar lielu atmirušās koksnes koncentrāciju. Komerciālā mežsaimniecība noritēs efektīvi, vienlaikus garantējot, ka dabas vērtības netiek nejauši iznīcinātas.