Мелкие элементы сельского ландшафта — живые изгороди, лесополосы, небольшие рощи — давно выпадают из национальных лесных инвентаризаций: стандартные спутниковые методы их попросту не видят. Google Research совместно с Leverhulme Centre for Nature Recovery Оксфордского университета сначала выпустил растровую карту Farmscapes 2020, а теперь преобразовал её в векторный датасет — набор геометрически точных контуров объектов, пригодных для расчёта углеродного баланса и планирования реставрации ландшафтов по всей Великобритании.
Проблема, которую решает этот проект, не сугубо техническая. Расширение крупных лесных массивов конкурирует с сельскохозяйственными угодьями, необходимыми для производства продовольствия. Живые изгороди и лесополосы предлагают иной путь: они накапливают углерод и поддерживают биоразнообразие, не вытесняя посевы. Однако без точных данных о том, где именно и в каком состоянии находятся эти объекты, ни фермер, ни регулятор не может ни измерить их вклад, ни спланировать расширение.
| Тип объекта | Критерий классификации | Экологическая роль |
|---|---|---|
| Лесной массив (woodland) | Сплошной полог, диаметр от 30 м | Накопление углерода, местообитание |
| Древесное пятно (woody patch) | Небольшая роща или отдельное дерево | Локальное биоразнообразие |
| Линейный объект (живая изгородь и др.) | Компактность по Полсби–Попперу < 0,5 | Коридор для дикой природы, лесополоса |
Для обучения модели у команды было относительно мало размеченных данных — около 247 км². Чтобы компенсировать этот дефицит, исследователи взяли за основу Vision Transformer (ViT) из Remote Sensing Foundations (RSF) — части платформы Google Earth ИИ, предобученной на более чем 300 млн спутниковых снимков со всего мира. Дообучение на британских данных позволило модели распознавать специфику местного ландшафта с высокой точностью. Vision Transformer — архитектура нейросети, изначально разработанная для обработки изображений: она делит снимок на фрагменты и анализирует связи между ними, что особенно эффективно для пространственных задач.
Двухслойная разметка с субметровыми снимками и LiDAR-данными позволяет различать наземные границы и надземные объекты в одной точке.
Три технических барьера потребовали отдельных решений. Первый — топология: живая изгородь может вплотную граничить с каменной стеной, и стандартная однослойная модель не способна корректно представить оба объекта в одной точке. Команда разработала двухслойную систему разметки, используя субметровые снимки и данные LiDAR с разрешением 1 метр: один слой фиксирует наземные границы (поля, водоёмы), второй — надземные объекты (деревья, стены). Второй барьер — склейка тайлов: при разбивке карты на ячейки S2 объекты искусственно разрезались по границам. Специальный алгоритм объединяет геометрии через границы ячеек, восстанавливая целостность каждого объекта. Третий барьер — семантика: пиксель зелени сам по себе не говорит, роща это или изгородь. Здесь применяется математический критерий Полсби–Поппера: объекты с компактностью ниже 0,5 классифицируются как линейные — то есть живые изгороди и экологические коридоры. Объекты с диаметром от 30 метров и выше относятся к лесным массивам, остальные — к древесным пятнам (отдельные деревья и небольшие рощи).
Масштабирование на всю Англию стало возможным благодаря Google Earth Engine: параллельная обработка тысяч независимых ячеек S2 позволила одновременно генерировать векторные геометрии для миллионов объектов, обойдя ограничения традиционных вычислительных систем. Датасет открыт для использования. В дальнейшем команда планирует применять ту же технологию для систем агролесоводства — сильвопастбищ и агросильвикультуры — и для выявления «утечки»: ситуаций, когда локальный прирост углерода и биоразнообразия компенсируется деградацией на соседних территориях за пределами проекта.
