Hakatona "AI for forest health" rezultāti un atziņas projekta “Uz tālizpēti balstīta meža riska faktoru uzraudzības sistēma (ForestRisk)” ietvaros, vienošanās ar CFLA Nr. 1.1.1.1/21/A/040 attīstībai
Atbalstot aktīvi hakatona dalībniekus ar detalizētu problēmas izklāstu, vairāk kā 10 telpisko datu slāņiem un sagatavotiem Sentinel-1 un Sentinel-2 datiem par projekta teritoriju, apmācību semināru kuri vairāku mēnešu garumā centās rast risinājumu pārmitro vietu noteikšanā mežā, tika sasniegts sekojošs rezultāts, kas detalizētai izpētei pieejams šeit:
https://www.fruitpunch.ai/blog/the-pains-of-classifying-flooded-forests-in-satellite-data
Meža bojājumu teritorijas
No Sentinel-1 noteiktās
appludinātās teritorijas.
No kopējās analizētās platības (16675 ha) 2455 ha tika konstatēts paaugstināts mitrums.
Svarīgākās atziņas no hakatona gaitā iegūtajiem rezultātiem, kas būs noderīgas turpmākajiem pētījumiem, ir sekojošas:
● Ieteicams lietot joslas, kas palīdz noteikt ūdens/bojātas veģetācijas teritorijas;
● Algoritma apmācībai izmantot tikai appludināta meža datus nevis visus plūdu skarto vietu datus;
● Ieteicams izmantot meteoroloģiskos datus;
● Ieteicams izmantot LIDAR datus.
Izveidoto modeļu rezultāti norāda, ka nepieciešams meklēt veidus un metodes kā uzlabot to sasniegto precizitāti Sentinel-2 datiem (66.8 %) un ortofoto datiem (74%), piemēram, palielināt izmantoto attēlu skaitu, izmantot infrasarkano joslu izmantošanu, NDWI, NDVI undeksus, u.c.