Выявление лесоизменений с использованием искусственного интеллекта

Заказчик:
ГАУ Нижегородской области "Центр координации проектов цифровой экономики"
Руководитель проекта со стороны заказчика
Поставщик
ООО «Бинго-Софт» ИНН 5259097373, ООО «Т1» ИНН 7720484492
Год завершения проекта
2026
Сроки выполнения проекта
июль, 2025 — июль, 2026
Масштаб проекта
529 автоматизированных рабочих мест
Цели

•    Сократить сроки выявления незаконных рубок и лесопатологий на землях лесного фонда Нижегородской области за счёт анализа космоснимков с применением компьютерного зрения.

•    Обеспечить регулярное наблюдение за территорией площадью 3,793 млн га, включая труднодоступные участки, и направлять инспекторов на адресную проверку обнаруженных изменений.

•    Интеграция с РГИС НО и РГИС «Цифровой лес» позволяет сопоставлять сигналы с лесными участками и сведениями о законных рубках, исключать повторные проверки и ранжировать оставшиеся изменения по вероятному ущербу.

Результаты проверок должны поддерживать оперативные решения по защите лесов и планированию контрольно-надзорной работы.

Результаты

•    Мониторинг охватывает 3,793 млн га и проводится 2 раза в месяц; ранее дистанционный мониторинг ФГБУ «Рослесинфорг» охватывал часть территории 1 раз в год.

•    С 10.07.2025 получено 10 245 сигналов о лесоизменениях и тепловых точках. Проверены 9 603 инцидента в 35 районных лесничествах, в том числе 8 683 законные рубки, 743 ветровала, 106 сухостоев и 60 гарей прошлых лет. Подозрение на незаконную рубку не подтвердилось, модель дообучена.

  • По результатам адресной проверки 552 тепловых точек пожаров не выявлено. Оптимизация маршрутов и снижение расходов на патрулирование рассматриваются как перспективный экономический эффект.

Уникальность проекта

•    ИИ включён в полный рабочий процесс проверки лесоизменений. Модель компьютерного зрения сравнивает космоснимки разных периодов, затем РГИС НО исключает ранее проверенные сигналы и определяет лесничество и выдел.

•    В «Цифровом лесе» выявляются законные рубки, а остальные изменения ранжируются по вероятному ущербу. Сотрудник получает адресную задачу, проверяет участок и фиксирует результат; при выявлении нарушения проводятся контрольно-надзорные мероприятия. Проверенные данные используются для обновления модели.

  • Такая связь распознавания, отраслевых данных и экспертной проверки позволяет отличать хозяйственную деятельность от потенциально опасных изменений и сохраняет принятие итогового решения за специалистом.

Использованное ПО

ИИ-сервис анализа космоснимков с моделью компьютерного зрения; Региональная геоинформационная система Нижегородской области (РГИС НО); РГИС «Цифровой лес»; геоданные лесничеств и выделов, сведения о законных рубках; функции ранжирования сигналов, назначения проверок и сводной отчётности. Проверенные результаты используются для обновления параметров модели.

Сложность реализации

•    Основная сложность — преобразовать результат распознавания космоснимка в проверяемое задание лесному инспектору. Для этого необходимо сопоставить изображения разных периодов, связать сигнал с лесничеством и выделом, исключить повторные проверки и учесть сведения о законных рубках.

•    Ранжирование по вероятному ущербу должно помогать выбирать приоритетные участки для выезда. Требуется согласованная работа ИИ-сервиса, РГИС НО и «Цифрового леса», а также обратная связь от специалистов 35 районных лесничеств.

  • Проверка неподтвердившегося подозрения на незаконную рубку и последующее дообучение показывают значение экспертной верификации для качества модели.

Описание проекта

•    Исходная ситуация

Лесные инспекторы выявляют изменения преимущественно при патрулировании и контрольно-надзорных мероприятиях. В презентации приведён масштаб наземной работы: около 150 патрулирований в день и примерно 5 363 км маршрутов. С 2019 года ФГБУ «Рослесинфорг» проводит дистанционный мониторинг части территории лесного фонда с периодичностью один раз в год. Большая площадь лесов и труднодоступность отдельных участков ограничивают оперативность выявления негативных изменений.

•    Реализованное решение

Сервис компьютерного зрения анализирует космоснимки, сравнивает их с предыдущим периодом и выявляет вырубки, гари, ветровалы и усыхания. Результаты передаются в РГИС НО, где отсеиваются ранее проверенные сигналы и определяется принадлежность участка к лесничеству и выделу. Далее сведения поступают в РГИС «Цифровой лес»: система выявляет законные рубки и ранжирует остальные изменения по величине вероятного ущерба.

Сотрудники министерства лесного хозяйства и охраны объектов животного мира Нижегородской области назначают ответственного и организуют адресный выезд. При подтверждении нарушений проводятся контрольно-надзорные мероприятия. Результаты включаются в сводный отчёт для руководства региона и используются для обновления модели. В частности, после проверки одного подозрения на незаконную рубку, которое не подтвердилось, модель была дообучена. По одной гари прошлых лет и двум случаям усыхания вследствие действий животных определена необходимость лесопатологического обследования.

•    Изменения после внедрения

С 2025 года мониторинг с применением ИИ проводится два раза в месяц на всей территории земель лесного фонда региона площадью 3,793 млн га. Регулярный анализ снимков дополняет наземное патрулирование и помогает выбирать участки для адресных обследований. В материалах проекта зафиксированы 529 уникальных пользователей и проверки в 35 районных лесничествах. Сигналы проходят верификацию специалистами; выявленное изменение само по себе не считается нарушением.

География проекта

•    Нижегородская область, Российская Федерация.

  • Земли лесного фонда площадью 3,793 млн га; проверки проводились в 35 районных лесничествах.

Дополнительные презентации:
РГИС Цифровой лес_НО (1).pdf

Комментировать могут только авторизованные пользователи.
Предлагаем Вам в систему или зарегистрироваться.

Год
Предметная область
Отрасль
Управление
Мы используем файлы cookie в аналитических целях и для того, чтобы обеспечить вам наилучшие впечатления от работы с нашим сайтом. Заходя на сайт, вы соглашаетесь с Политикой использования файлов cookie.