Стаття Технології — 09 листопада, 2020

Зелені очі

ТЕКСТ:

ІЛЮСТРАЦІЇ: Каталіна Маєвська

Вирубка лісів надзвичайно шкодить екології та державі, якщо вона незаконна чи проведена не за правилами, вважають засновники стартапу Deep Green Ukraine. Для цього вони створили систему стеження за законністю вирубок, засновану на аналізі супутникових знімків. Допомагає їм у цьому штучний інтелект. 

Нещодавно команда Deep Green Ukraine перемогла у Національному конкурсі IT-проєктів на основі відкритих даних «Open Data Challenge». Співзасновник проєкту Леонід Шуміло розповів «Куншту», як працює Deep Green Ukraine і чому це важливо. 

Почнімо з контексту. Яка зараз ситуація з вирубуванням лісів в Україні, зокрема незаконним? Чи критична вона?

Ми орієнтуємося на офіційні заяви, які дає лісове господарство України. За їхніми заявами, частка незаконно вирубаних лісів є досить низькою. І збитки через незаконні вирубки – приблизно 800 мільйонів гривень на рік.1 Однак більш глобальною проблемою в Україні є не так незаконні вирубки, як відсутність контролю за законними. В Україні вже відходять від схем «ходімо в ліс порубаємо незаконно». Зараз це «вирубаємо не те, що оформили». Наприклад, замість хворого лісу – здоровий, замість сосен – дуби тощо. 

Тобто щоб вирішити проблеми лісу, треба не так зупинити «чорних» лісорубів, як зробити прозорою цю галузь загалом. Саме для цього і створювався проєкт Deep Green Ukraine. Він не просто моніторить незаконні вирубки, він моніторить і законні зокрема, у яких проблем навіть більше. 

Дуже часто незаконні вирубки роблять місцеві жителі, і це дуже складно припинити. А от чиновники підписують документи, завчасно знаючи, що це неправдива інформація, і найгірше, що ніхто не може це перевірити. І це є основною проблемою.

Тобто у держави зараз немає інструментів контролю за тим, щоб усе відбувалося згідно з нормами?

Фактично, єдиний інструмент – це люди, які перебувають на місцях. Це насамперед лісники, які мають дбати про ліс і перевіряти, що вирубується в лісі й чи правильно це відбувається. Але така велика корумпована система сама себе ефективно контролювати не може. Має бути якесь абсолютно незалежне джерело інформації.

Наприклад, лісник каже: «У моєму лісі нічого незаконно не вирубується; вирубали законно в певній кількості, і все гаразд». Він подає цю інформацію, і її необхідно перевірити ще раз: чи справді там немає незаконної вирубки, чи справді вирубували тільки у дозволеному місці, чи справді вирубували саме те, що він сказав. 

Ліси – це досить віддалені райони. Є багато активістів, які поширюють інформацію і розповідають, що вирубка сталася не там, що вирубали не те. Але держава не сприймає їх так відкрито. Наша ідея – запустити на високому рівні масштабну програму моніторингу лісу. 

От є програма Supporting Land Transparency in Ukraine, яка відповідає за сільське господарство, за використання сільськогосподарських земель. Ця сфера теж багато років була повністю тіньовою. Були великі проблеми з контролем за тим, що відбувається і на зареєстрованих, і на незареєстрованих землях. Моя організація,  Національної академії наук та Державного космічного агентства України, бере участь і в Land Transparency in Ukraine. Ми розробляємо алгоритми класифікації супутникових знімків для отримання карт сільського господарства, які точно показують, де і що росте. Ці технології розробляються та покращуються в нашому інституті вже багато років в межах європейських проєктів. Зараз ми є учасниками європейської програми . Спільна робота в Європейських проєктах дозволяє весь час вдосконалювати свої, вітчизняні технології і впроваджувати їх в Україні та в Європі. 

Якщо подивитися на Європейський досвід використання супутникових даних, вони активно використовуються для оптимізації моніторингу використання та стану земних ресурсів. Цікавим прикладом є системи типу Sen4CAP (завдяки якій супутники Sentinel використовують із метою спостереження за сільським господарством – прим. ред.). Вона має функціонал для перевірки інформації, яку передають фермери. Фермери просто записують, що й де вони посіяли. Система автоматично перевіряє інформацію, яку надали фермери, і шукає помилки, використовуючи супутникові дані та методи машинного навчання. Для Європи це важливо, тому що від цього залежать субсидії, які отримують фермери. 

Ідея нашого проєкту схожа. Є різні лісові ділянки. І в кожній ділянці є інформація про те, хто отримав право на вирубку, в якому обсязі тощо. Це має назву лісорубний квиток. І нам необхідно, маючи цей лісорубний квиток, виконати перевірку.

Лісорубний квиток – це дозвіл на вирубку. Він видається завчасно. Тому є змога заздалегідь перевірити, чи відповідає він дійсності: чи цей ліс можна і треба рубати, чи справді там росте саме такий ліс. Це одна з основних функцій нашої майбутньої системи – перевірити лісорубні квитки і запобігти порушенням заздалегідь. Друга – виявити порушення під час законної вирубки. Третя – виявити незаконні вирубки.

Як це працює технологічно? Як ви обробляєте дані із супутників?

Основою для нашої системи є знімки програми , яка надає супутникові дані, що покривають весь світ. Це супутники Sentinel-1 і Sentinel-2, а також супутник Landsat-8. Sentinel-1 – це радарний супутник. Він має роздільну здатність 10 метрів, але його складно обробляти. Потрібно багато стадій постобробки, оскільки це не оптична зйомка. Є радар, який випромінює електромагнітні хвилі на Землю і приймає відбитий сигнал. Він проходить через хмари, і таким чином у нас гарантовано є знімок щотижня. Це перший тип інформації. Він базовий, але не такий хороший, як оптичний, оскільки оптичний має набагато більшу якість. Sentinel-2 – оптичний супутник. Але, як і будь-яка оптика, він має проблеми із хмарами. Обидва знімки мають просторове розрізнення 10 квадратних метрів. Тобто один піксель цього зображення – це квадрат 10 на 10 метрів на землі. Для щотижневого моніторингу цього більш ніж достатньо. До цього додається ще Landsat-8. Він теж оптичний, це просто додаткове джерело інформації. Додатковий знімок ніколи не буває зайвим. 

Таким чином ми за допомогою абсолютно безкоштовних відкритих супутникових даних можемо виявляти вирубки, використовуючи нейронні мережі. Це принцип класифікації земного покриву, яким ми в інституті займаємося дуже багато років.

Класифікація за допомогою супутникових знімків дає дуже високу точність і використовується в усьому світі. Хороші приклади – це Forrest Watch від Мерілендського університету, з яким ми співпрацюємо. Вони створили карту змін лісів, яка дуже відома у світі і часто використовується. 

Відкриті супутникові дані використовуються для виявлення проблеми. А далі відбувається уточнення за допомогою даних сикої роздільної здатності. Для цього хорошим вибором є . Ми вже працюємо з цими даними і маємо результати з уточнення меж і площ вирубок. 

Planet Scope дає роздільну здатність у три метри. Цього більш ніж достатньо, щоб оцінити масштаби вирубок, але є змога використовувати й дані аж до 30 сантиметрів. Такі супутникові знімки є. Нас стримує їхня вартість. Крім того, ми вважаємо, що для державного управління і для вирішення цієї проблеми «трьохметрові» знімки – це якраз те, що потрібно.

На тридцяти сантиметрах ми можемо порахувати кількість зрубаних дерев. Не просто площу, а кількість дерев по пеньках. Якщо буде запит на таку інформацію, ми можемо це зробити.

Як штучний інтелект аналізує ці дані?

Наразі ми використовуємо штучний інтелект для класифікації земного покриву. У нас є два аналітичні модулі. Один – це виявлення вирубок, другий – аналіз законності вирубок. Аналіз законності виконується без штучного інтелекту, бо для цього є досить простий алгоритм. Він співставляє отриману інформацію з нейронної мережі та інформацію в лісорубних квитках.

Штучний інтелект ми використовуємо для виявлення вирубки як класу земного покриву. Тобто десь відбулася зміна земного покриву. На одному знімку був ліс, на іншому його не стало. І це завдання є досить складним у сенсі аналізу інформації, тому що ми орієнтуємося тільки на супутникові знімки. Ми навчаємо глибоку нейронну мережу на основі long short-term memory архітектури, тобто архітектури з пам’яттю. І у нас є можливість використовувати радарний знімок з оптичним знімком у часовому ряді. Наприклад, ми даємо часовий ряд радарних та оптичних знімків за минулий та позаминулий тиждень і виявляємо, чи з’явилася зміна земного покриву на цих знімках за допомогою рекурентної нейронної мережі. 

Рекурентна нейронна мережа – це мережа, яка ґрунтується на штучних нейронах, що мають зворотний зв’язок. Рекурентна нейронна мережа виділяє певні ознаки, орієнтується на попередні зразки, які подавалися. Нейрон запам’ятовує, яка інформація є важливою, яка неважливою, які ознаки є важливими, а які – неважливими. 

Ми бачимо сенс оновлювати інформацію щотижня, і за тиждень може зникнути два, три чи чотири пікселі лісу. Відповідно, класичні нейронні мережі, конвуляційні, не будуть ефективними для таких змін. Тому ми використовуємо рекурентні. До того ж рекурентні нейронні мережі мають хорошу стійкість до прогалин у даних. Прогалини у даних – це, наприклад, коли на знімку є хмара, і ви не бачите, що під нею. Ці прогалини в конвуляційних нейронних мережах або в інших можуть призводити до помилок у класифікації. А рекурентні нейронні мережі за рахунок зворотного зв’язку будуть запам’ятовувати, що прогалина неінформативна, і пропускати цю інформацію, тож вона не буде так впливати на результат.

І далі ви передаєте ці дані державі? 

У нас є консорціум, який складається з трьох організацій. Це Інститут космічних досліджень, який відповідає за машинне навчання, за алгоритм, виявлення зникнення лісу. Ми працюємо з  та організацією , яка мала досвід у проєкті «Лісова варта». Там теж виявляли незаконні вирубки, доводили справи до суду. Тобто вони мають досвід повернення коштів у бюджет. 

Зрозуміло, що впровадження цієї технології на державному рівні – це справа не одного року. І Ми готові працювати над цією програмою довго. Ми бачимо приклад Land Transparency in Ukraine і орієнтуємося на цю програму, оскільки інститут є її учасником. 

Ми почнемо пілотні програми в кількох областях і будемо навчати місцевих чиновників та громадськість використовувати дані. 

Ми плануємо до зими запустити нашу систему в операційному режимі. Будемо робити виїзди по Києву, зокрема із журналістами і фіксувати, чи справді вирубка незаконна. За ці виїзди ми зможемо виявити певні незаконні вирубки і почнемо щодо них юридичний етап роботи. 

Після цього будемо запускати проєкт у цілих областях разом із навчанням чиновників. І далі поширимо на всю Україну. Ідеально, якщо ми зможемо передати це міністерству. Тут є кілька шляхів. Або незалежний контроль для громадськості, або контроль держави. Ми за те, щоб це був державний портал, який буде доступний усій громадськості.

Справа держави – просто на своїх серверах підтримувати роботу цієї системи. Ми, свою чергою, будемо доповнювати і покращувати модель. Головне, щоб ця система працювала і щоб до неї ніхто не ліз, аби якось підкоригувати. Ця інформація одразу має йти на державний портал, де будь-хто зможе її отримати – як наші конкуренти, так і друзі й партнери. Щоб цю інформацію можна було аналізувати, співставляти незаконні вирубки, виявляти можливі помилки. 

Паралельно з нами розвивається схожий проєкт, Deep Forest. Це теж незалежна система моніторингу лісу, але для громадськості. Вони ґрунтуються на інших алгоритмах. Разом ми вирішили, що набагато ефективнішим буде розвиток двох систем: і державної, і незалежної громадської. І вони зможуть одна одну весь час виправляти, коригувати, використовувати інформацію одна одної. Вони мають покращувати одна одну за допомогою такої собі соціальної конкуренції. 

Проєкти Deep Forest і Deep Green Ukraine почалися приблизно в один і той самий час, незалежно один від одного, хоча є спільне навіть у назвах. Але ми познайомилися з цим проєктом тільки після того, як пройшли у фінал Open Data Challenge. І домовилися співпрацювати у цьому. У нас є своя технологія класифікації, яку ми імплементуємо. І дані, які ми отримуватимемо, будуть використовуватися зокрема і в Deep Forest. А результати Deep Forest будемо використовувати ми. І таким чином з’являється ансамблева технологія, яка ґрунтується на різних принципах, але має дати кращі результати.

На яких стадіях розробки зараз ці технології?

У нас обох є моделі на основі нейронних мереж. В обох є перші результати виявлення вирубок. В обох є алгоритм класифікації законності вирубок і виявлення помилок. Інтерфейс зараз у розробці, і це наше спільне завдання. Ми не бачимо сенсу витрачати багато ресурсів на розробку двох різних «обгорток», адже у нас вже є різні «начинки». І результати теж різні, які одне одного доповнюють. 

У нас вже є робоче демо. Воно, щоправда, зараз працює не на сервері, а на локальних машинах. Зараз у нас є тестові території, на яких ми відточуємо нашу технологію. Вже можна подивитися відомість про те, хто займається деякими вирубками. У незаконних вирубках немає жодних відомостей. Просто зафіксовано, що це відбулося. 

Скоро ми будемо розширюватися і на Карпати. Ми плануємо повністю покрити три-чотири області України під час пілотування. Виберемо найпроблемніші. Карпати – найгарячіша тема зараз, вона контролюється трьома областями. Також ми працюватимемо у Харківській, Київській і, напевно, Житомирській або Рівненській областях.

Коли ми запустимося на всю Україну, то будемо залучати місцеві організації. Всіх людей, які займаються проблемою лісів, ми бачимо як наших партнерів і друзів. Ми вже співпрацюємо з Львівським лісотехнічним університетом, вони теж займаються супутниковими знімками.

Які наслідки для людини і довкілля від такої неправильної вирубки лісів?

Неправильна вирубка лісу призводить зокрема до великих екологічних проблем. Зараз велика актуальна тема – вирубка лісу в Карпатах. Там частина вирубок законні, частина – незаконні. Але якщо перевірити законні, вони теж виявляться не зовсім легальними. 

Контроль за лісовою галуззю за визначенням призведе до зменшення вирубок загалом. Тому що ми конкретніше будемо розуміти, де вирубка дозволена, а де – ні. Адже зазвичай, коли люди вирубують ліс (навіть законним чином), вони не дотримуються технології і вимог до вирубки. Вони можуть вирубати більше і записати менше. Це величезні збитки для держави, величезні екологічні збитки. І ми таким чином набагато швидше втрачаємо ліс. Якщо зробити галузь повністю прозорою, то автоматично зникають проблеми і з незаконними вирубками, і з законними, які насправді у багатьох випадках такими не є.

Крім Карпат, є ще десь схожа проблема з вирубкою лісів?

На Поліссі. Тут важливим є зникнення лісу. Але ліс може зникнути й природним чином. Може статися пожежа, зсув ґрунту. Ці речі ми також можемо фіксувати. У нас є окремий модуль для виявлення пожеж і окрема технологія – для зсуву ґрунту. Так ми можемо розділити незаконну вирубку і природні чинники. Коли нейронна мережа показує, що відбулося зникнення лісу, далі ми починаємо аналізувати його причину. Ми маємо обов’язково відсікти природні фактори.

Ви збираєте досить багато даних. Серед них є і супутні дані. Наприклад, щодо виникнення лісових пожеж. Чи будете ви їх детально аналізувати? 

Зокрема. У нас є окремий проєкт щодо моніторингу пожеж. Лісові пожежі для України – дуже важливе питання, тому що Київ, Київська область, Житомирська область і все Полісся має велику проблему з торфовищами. І дуже важливо завчасно бачити пожежі. Є технології моніторингу пожеж, розроблені на основі супутникових даних. У нас зараз починається проєкт Національного фонду досліджень України, який присвячений ризику виникнення пожеж і зокрема пожежам у лісі. Тобто цим питанням ми також займаємося. Це тема, яку ми не обходимо і над якою будемо працювати. 

Однак є велика проблема не в лісових пожежах чи торфових пожежах, а в палінні стерні. Ми зафіксували величезну кількість пожеж в Україні з цієї причини. Через це виникає більша частина усіх пожеж в Україні. Люди вірять, наприклад, що завдяки палінню наступного року краще ростиме. Тобто це не лише економія на автоматичних засобах збору й утилізації стерні. Для них палити стерню – це покращувати ґрунт. Ми виявили, що це не так. Ба більше, якщо використовувати такий підхід разом з іншими порушеннями (наприклад, недотриманням сівозміни), тоді ефект деградації землі може бути вдвічі більшим. Це дуже серйозна проблема.

Посилання:

  1. Втрати України через незаконну вирубку лісів

Популярні статті

Стаття Суспільство — 27 березня

Як Росія завойовувала вплив у країнах Африки

Стаття Космос - 29 лютого

Куншткамера з Девідом Сперґелом про реліктове випромінювання, НАЯ (НЛО) та співпрацю з українськими науковцями

Стаття Пост правди - 25 березня

Пост правди, епізод 7: Анонімність в телеграмі