Развитие систем мониторинга лесов в России: взгляд экспертов

Лесное хозяйство является важнейшей отраслью способствующей поддержанию экологического баланса и обеспечению устойчивого развития не только на территории отдельно взятой страны, но и на планете в целом.

В современных условиях, когда мир сталкивается с глобальными изменениями климата и растущей потребностью в природных ресурсах, традиционные методы управления лесами постепенно начинают терять свою эффективность. В этих обстоятельствах на помощь приходят современные решения, среди которых особое место занимают искусственный интеллект (ИИ) и технология Big Data. Они открывают новые горизонты для управления лесными ресурсами, предоставляя множество возможностей для оптимизации процессов.

В первую очередь, стоит отметить применение ИИ в процессе мониторинга и анализа данных. С помощью современных технологий можно в реальном времени отслеживать состояние лесов, выявлять признаки заболеваний деревьев и нашествия вредителей. Это позволяет не только оперативно реагировать на возникающие проблемы, но также прогнозировать развитие ситуации, разрабатывать оптимальные стратегии рубки и посадки деревьев.

Ещё одной важной областью применения технологий в лесном хозяйстве является прогнозирование лесных пожаров. С помощью анализа данных о погодных условиях, уровне влажности и других факторов искусственный интеллект способен предсказывать вероятность возникновения чрезвычайных ситуаций.

«Лесной комплекс» обратился к экспертам отрасли с предложением прокомментировать процесс внедрения современных технологий в лесном хозяйстве, а также оценить его результативность и поделиться прогнозами дальнейшего развития данной области ЛПК. 

Максим Захаренко, эксперт по облачным технологиям и импортозамещению в IT СЕО «Облакотека»

— Цифровизация лесной отрасли за последние несколько лет сильно ускорилась. Мы, как облачный провайдер, ощущаем это по тому, как меняются запросы клиентов и партнёров: растёт потребность в данных, в вычислительных мощностях, в платформах для хранения больших массивов снимков и телеметрии. 

Сейчас уже вполне нормально воспринимаются проекты, где беспилотники, спутниковая съёмка и автоматический анализ массивов данных работают в связке, чтобы контролировать вырубку, отслеживать пожары, мониторить состояние делянок. Раньше такие истории были больше из разряда пилотов, а сейчас это полноценные рабочие инструменты.

Big Data здесь используется очень приземлённо и практично. Это и анализ спутниковых снимков за годы, и прогнозирование изменений лесных массивов, и построение моделей риска — от пожаров до распространения вредителей. 

Многие данные стекаются в облако, потому что объёмы огромные, а инфраструктуру под такие нагрузки в одиночку не всем выгодно держать. Мы видим, что компании чаще делают ставку на гибридный подход: часть данных — на объекте, а «тяжёлые» вычисления — в облаке.

Можно выделить три самых популярных сценария применения ИИ в лесном хозяйстве. 

• Первый  — это классификация объектов на снимках: определение факта рубки, оценка плотности леса, обнаружение изменений. 
• Второй — прогнозирование: оценка риска пожара, расчёт вероятности распространения очагов. 
• Третий — оптимизация: например, планирование логистики и графиков работ, где ИИ помогает снизить затраты и сократить простои. 

В решении этих задач алгоритмы реально помогают, экономят время и дают более объективную картину.

В то же время в России продолжается процесс импортозамещения цифровых продуктов, и, честно говоря, разработчики успевают лучше, чем три-четыре года назад. В инфраструктурных вещах, в облаках, в системах хранения, в инструментах аналитики отечественные продукты успешно составляют конкуренцию зарубежным аналогам. 

Но в области специализированных отраслевых решений ситуация несколько сложнее. Речь идёт об узких AI-моделях, глубоких аналитических платформах, особенно тех, что заточены под работу с геоданными. Компетенции, конечно, растут, но для достижения реального результата всё равно необходимо время. Зато в области инфраструктуры, DevOps, облаков и безопасности, на мой взгляд, российские разработчики идут вполне уверенно и местами даже обгоняют зарубежных поставщиков в развитии.

Напоследок стоит отметить, что называть ИИ, Big Data или нейросети панацеей точно нельзя. Это инструменты — хорошие инструменты! — но они не закроют все нужды отрасли полностью. Лесное хозяйство — это всё равно про людей, которые принимают решения, оценивают риски, понимают контекст на месте. Алгоритм не заменит экспертного взгляда, но он может избавить от рутины, дать более качественные данные и подсветить проблемы, которые глазом сложно увидеть.

Ольга Калюжная, президент Национальной ассоциации лесопромышленников «Русский лес»

— За последние годы цифровая трансформация серьёзно изменила работу в области мониторинга лесов. Россия создала устойчивый контур наблюдения из спутников, беспилотников, наземных датчиков и государственных систем.

Сегодня уже достигнуты заметные результаты:

• под космическим мониторингом находится 300 млн га российских лесов, что составляет около 37% от общей лесной площади страны (около 809 млн га), и такой мониторинг уже в прошлом году полностью закрыл все территории, где ведётся промышленная заготовка древесины;
• автоматизированное выявление изменений лесного покрова (дороги, вырубки, задымления, последствия ураганов);
• раннее обнаружение пожаров благодаря ИИ-алгоритмам, камерам на вышках связи и БПЛА;
• прогнозирование рисков пожаров на основе климатических данных и нейросетевых моделей;
• запуск линейки отечественных технологических решений — от ИИ-сервисов до робототехники и беспилотных комплексов.

Примером являются разработки ТГУ и Института оптики атмосферы СО РАН, создающих систему раннего обнаружения возгораний, и сервис НТИ, прогнозирующий распространение огня с точностью выше 87%.

Что касается технологии Big Data, то сегодня это фактически «нервная система» современной лесной отрасли. Она применяется в трёх ключевых направлениях. 

Первое — это интеграция данных: спутники, дроны, метеоданные, IoT-сенсоры, ФГИС ЛК, ЛесЕГАИС — всё объединяется в единые аналитические контуры. 

Второе направление — это построение моделей состояния лесов: оценка биомассы, крон, динамики рубок, пожарной опасности. 

Третье: сравнение большого числа источников данных — от отчётов арендаторов до снимков высокого разрешения — для задач автоматической сверки и выявления возможных нарушений.

Обработка Big Data лежит в основе ИСДМ-Рослесхоз (федеральная система дистанционного мониторинга лесных пожаров), новой версии ФГИС ЛК и региональных систем мониторинга.

ИИ, в свою очередь, уже применяется в десятках задач. Наиболее распространённые из них: 

• Раннее обнаружение пожаров по спутниковым снимкам, видеопотоку и данным беспилотников;
• Прогнозирование распространения огня, включая оценку торфяных рисков;
• Обнаружение незаконных рубок — различение легальных и нелегальных работ по текстуре, цвету и структуре леса на изображениях;
• Прогнозирование численности вредителей: новые математические модели позволяют с точностью до 90% оценивать вспышки массового размножения насекомых;
• Обновление лесной таксации по снимкам;
• Выявление технологических аномалий в цепочке поставок древесины.

ИИ становится стандартом в мониторинге, а не экспериментальной технологией.

Самый вероятный и ожидаемый сценарий развития систем мониторинга лесных экосистем — это переход к комплексной архитектуре, где данные собираются, анализируются и проверяются автоматически. Основными направлениями развития назову следующие:

• автономные БПЛА, включая комплексы для обнаружения и даже тушения пожаров (речь о российских разработках: беспилотники SIGMA для мониторинга, дронопорты и системы сброса огнетушащих зарядов от резидентов «Сколково», а также прототипы пожарных роботов и дронов для локализации очагов возгораний);
• массовое применение LiDAR, как воздушного, так и наземного — для точной 3D-оценки запасов, структуры леса и углеродного баланса;
• сети микросенсоров в «горячих зонах», фиксирующих микроклимат, дымообразование и активность вредителей, а также интеллектуальные камеры нового поколения, работающие непрерывно и сравнивающие изображение с эталонами;
• полная интеграция данных во ФГИС ЛК, что позволит работать с единой цифровой моделью леса.

Здесь важно отметить, что технологическое совершенствование касается именно инструментов, с помощью которых оператор может принимать решение. То есть мы говорим об эффективном применении сценария «ИИ как помощник», а не как автономный оператор. 

Смогут ли технологии полностью заменить человека в этой области? Нет, такой сценарий невозможен. Но предоставить человеку более мощный инструментарий они способны. ИИ — это инструмент автоматизации, но не самостоятельное решение. Его эффективность зависит от множества параметров: качества данных, точности разметки, координации ведомств, квалификации специалистов.

ИИ снижает нагрузку и ускоряет анализ, но ключевые решения остаются за профессионалами — лесничими, операторами, экспертами. Особенно это касается правоприменения, выбора лесохозяйственных мер, оценки ущерба и взаимодействия всех вовлечённых сторон.

Искусственный интеллект повышает скорость и качество мониторинга, но не заменяет человека в управлении лесным комплексом.

Импортозамещение цифровых продуктов — дело непростое. Но Россия имеет устойчивые компетенции и сильную позицию в научной базе. Например, ГИС-технологии и спутниковая обработка данных — у нас есть собственные аппараты, развитая школа дистанционного зондирования. Мы также сильны в технологиях математического моделирования и прогнозирования (включая прогнозы пожаров и вредителей), существует большое количество разработок институтов и научных центров. Также реализуются пилотные проекты беспилотников и автономных систем, которые уже показывают результат в реальных условиях.

Однако есть и ограничения, среди основных назову нехватку специалистов по ИИ и Big Data, ведь рынок растёт быстрее, чем система подготовки кадров, импортозависимость облачной инфраструктуры. Есть и системные ограничения, связанные с финансированием долгосрочных программ развития. 

При этом отечественные решения в ряде областей уже становятся конкурентоспособными: от ПО для обнаружения пожаров на базе «Арктика-М» до дронов для мониторинга и тушения пожаров, которые сегодня успешно проходят испытания.