Mire használható a mesterséges intelligencia az erdőkezelésben és a vadgazdálkodásban?

A legutóbbi posztommal kapcsolatban többször is felmerült a kérdés, hogy milyen területeken használható a mesterséges intelligencia az erdészetben vagy épp a vadgazdálkodásban. Az egri képzés kapcsán az irodai feladatokról, a jelentéskészítésről és az ökoturisztikai kommunikációról esett szó. De elkezdett motoszkálni bennem a gondolat, így elkezdtem kutatni, hogyan lehet terepen afféle asszisztensként alkalmazni, megkönnyítve a munkát, de nem helyettesítve a szaktudást.

Szerintem a mesterséges intelligencia olyan, mint bármely más technológia. Ha rendeltetésszerűen használjuk, biztonságosan segítheti a munkánkat. Majdnem olyan, mint a kés. Lehet vele szépen enni, de akár emberéletet is ki lehet oltani vele. A kérdés az, hogy kinek a kezében van, és mire használja. Egy erdész például arra használhatja, hogy megtalálja azokat a foltokat, ahol az inváziós növények visszaszorítására vagy az újulat védelmére van szükség. Egy vadgazdálkodó több ezer kamerafelvételből készíthet áttekintést arról, hogyan használja a vad az élőhelyét.

Fajfelismerés és az inváziós növények visszaszorítása

Az erdőkezelés egyik közvetlen MI-alkalmazása a fajfelismerés és az egyedek térképi azonosítása. Egy betanított képfelismerő modell a levélalak, a levelek elrendeződése és a koronaszerkezet alapján keresheti a felvételeken egy adott faj jellegzetességeit. A találatokhoz térképi hely rendelhető. Ezzel az erdész olyan adatot kap, amellyel megtervezheti a bejárást, kijelölheti a kezelendő foltokat, és később ugyanott ellenőrizheti a beavatkozás eredményét. A MainForest például saját fejlesztésű rendszerében fajonként, terepi felmérések alapján állítja össze a betanításhoz használt adatbázist.

Hazai példa lehet a mirigyes bálványfa felmérése a Mecsekerdő területén. A MainForest beszámolója szerint az egyik projektben 39 erdőrészlet mintegy 1150 hektárnyi területének képi anyagát dolgozták fel. Egy másik felmérésnél a magszóró bálványfaegyedek helyét is térképre vitték, hogy a terepi csapat célzottan kereshesse fel őket. A magszóró egyedek helyének ismerete azért fontos, mert segít rangsorolni a beavatkozást ott, ahonnan az inváziós faj továbbterjedhet.

Erdőleltár, erdőfelújítás és állományszerkezeti átalakítás

Az erdőleltárban a gépi látás egyedi fakoronákat határolhat le, a lézerszkenneléssel gyűjtött pontfelhők elemzése pedig segíthet elkülöníteni az egyes fákat és becsülni a magasságukat. Terepi mintaterületek adataival együtt ezek az eredmények részletesebb képet adhatnak az állomány sűrűségéről, záródásáról és magassági szerkezetéről. Az erdőnevelésben az ismételt felmérésekből követhető például, hogyan változik a koronaszint egy gyérítés után, vagy hogyan fejlődik a természetes újulat a lékekben.

Fiatal állományban a célállomány egyedeinek felismerése az erdőápolás tervezésében is segíthet. Előfordulhat, hogy egy fiatal állomány hatósági átadás előtti felmérésében MI-alapú fajfelismerést használnak az elegyarány és a záródás meghatározásának támogatására, valamint a célzott ápolást igénylő foltok kijelölésére. Az erdész így a bejárás során külön figyelmet fordíthat azokra a részekre, ahol a tölgy fejlődését a konkurens növényzet korlátozhatja.

Idős erdőállományokban az MI-alapú képelemzés az állományszerkezet átalakításának tervezését is támogathatja. Az elemzés alapján készült állománytérképen az erdész áttekintheti a megőrzendő fák és állományfoltok eloszlását, és kijelölheti azokat a területeket, ahol az újulat fafajösszetételét vagy a természetes felújulás feltételeit részletesebben érdemes megvizsgálni. A térképi és terepi adatok együtt segíthetnek eldönteni, hogy hol elegendő a meglévő újulat fejlődését segíteni, és hol indokolt további erdőművelési beavatkozás.

Termőhelyértékelés és klímaalkalmazkodás

Az erdőfelújítás és az erdőtelepítés során a fafajválasztás évtizedekre meghatározza az állomány fejlődését. A gépi tanulás a talaj, a vízellátottság, a domborzat, az éghajlat és a korábbi állományteljesítmény adataiból segíthet becsülni egy fafaj termőhelyi alkalmasságát. Különböző klímaforgatókönyvekkel vizsgálható, hogy egy ma kedvezőnek látszó termőhelyen milyen irányban változhatnak a feltételek, és mely fafajok vagy elegyítési lehetőségek érdemelnek további vizsgálatot. Az eredményt a helyi termőhelyfeltárás adataival, például a termőréteg vastagságával és a vízgazdálkodási viszonyokkal együtt lehet értékelni.

A csemetekertben is vannak közvetlen alkalmazások. A gépi látás támogathatja a szaporítóanyag méret szerinti válogatását, a termesztési és megmaradási adatok elemzése pedig segíthet megérteni, mely tételek hogyan teljesítettek különböző körülmények között.

Erdővédelem és az élőhelyek állapotának követése

A változásdetektálás különböző időpontokból származó felvételeken keresi, hol és milyen mértékben változott meg az állomány. Vihar után a módszer segíthet a széldöntéssel érintett területek felderítésében. Aszályos időszakban vagy rovarkár gyanújánál kijelölhetők a környezetüktől eltérően változó koronák és állományfoltok. Az erdőállapot felmérésekor az MI-alapú képelemzés kiegészíthető az NDVI, vagyis a műholdas vagy légi felvételekből számított vegetációs index értékelésével. Az index térbeli és időbeli változásai segíthetnek kijelölni azokat az állományfoltokat, ahol a növényzet állapota eltér a környezetétől vagy a korábbi felvételeken látottaktól. A terepi vizsgálat tisztázhatja, hogy az eltérés hátterében aszály, károsítás vagy az állományszerkezet természetes változatossága áll-e.

Természetvédelmi kezelésben a képelemzés segíthet az álló és fekvő holtfa felismerésében, a hangfelismerés pedig a fajok jelenlétének követésében. A BirdNET például hosszú hangfelvételeken keres egyes madárfajokra jellemző ének- és hívóhangokat. Egy élőhely-helyreállítás előtt és után azonos módon gyűjtött felvételek alapján követhető, hogyan változnak az észlelések.

Az erdőtűzvédelemben az időjárási, domborzati és növényzeti adatok elemzése a tűzveszély térképezését támogathatja. A képfelismerés az észlelésben is segíthet. A képfelismerés az észlelésben is segíthet. A kaliforniai ALERTCalifornia rendszerében például az MI füstre emlékeztető változásokat jelöl meg a kameraképeken, hogy az ügyeletes ellenőrizhesse a felvételt.

Vadállomány-monitoring és élőhelyhasználat

A vadkamerás monitoringban az MI előválogathatja az állatot ábrázoló képeket, és fajazonosítást javasolhat. Az ellenőrzött észlelések időpontjából és helyéből vizsgálható a fajok napi aktivitása, szezonális jelenléte és élőhelyhasználata. Az állománysűrűség becsléséhez ezeket az adatokat a mintavételi elrendezés, az észlelési valószínűség és az ismételt észlelések figyelembevételével lehet értékelni. A több éven át azonos módszerrel gyűjtött adatokból az is követhető, hogyan változik a vad jelenléte egy területen az erdőkezelési beavatkozások után.

A GPS-telemetria és az élőhelytérképek együttes elemzésével vizsgálható, mely területeket használja a vad táplálkozásra, pihenésre vagy vonulásra. A mozgásmintázatok elemzése támpontot adhat az ökológiai folyosók megőrzéséhez, a vadátjárók helyének kijelöléséhez és a vadgázolási gócpontok vizsgálatához. A korábbi ütközések helye és időpontja, az úthálózat és a környező élőhelyek alapján azonosíthatók azok az útszakaszok, ahol érdemes részletesebben felmérni az átkelési lehetőségeket.

Vadkármegelőzés és az újulat védelme

Az erdőkezelés és a vadgazdálkodás egyik közös kérdése, hogy a természetes újulatban mely fafajok tudnak tartósan megmaradni és fejlődni. A rágáskár, a hántáskár vagy egyéb károkozás terepi adatait össze lehet vetni a fafajjal, a csemetemagassággal, az állományszerkezettel és a vadkamerás észlelésekkel. A gépi tanulás segíthet kockázati térképet készíteni arról, mely foltok igényelnek sűrűbb ellenőrzést.

A bekerített és a vad számára hozzáférhető mintaterületek összehasonlításával vizsgálható, hogyan alakul az újulat magassága és fafajösszetétele. Ha például egy elegyfafaj fiatal egyedei rendszeresen visszarágottak, a térképi jelzések és a terepi adatok együtt segíthetnek megtervezni az egyedi csemetevédelmet. Az erdész és a vadgazdálkodó később ugyanazokon a mintaterületeken értékelheti, hogyan változott az újulat fejlődése.

Erdészeti üzemeltetés és talajkímélő munkaszervezés

Korábbi műszakok üzemi adataiból gépi tanulással becsülhető a fakitermelő gépek várható teljesítménye. A talajnedvesség, a domborzat és az időjárási adatok elemzése a közelítőnyomok járhatóságának becslésében segíthet. Ha a munkavégzés időzítését és útvonalát a talajállapothoz igazítják, mérsékelhető a nyomvályúk kialakulása és a talajtömörödés. A faanyag nyomon követésében pedig olyan képfelismerő eljárásokat vizsgálnak, amelyek a rönk vágott végéről készült fénykép alapján keresnek egyezést a korábbi felvételekkel.

Tarjányi Lili