В недавнем выпуске журнала Biology Bulletin (2024, Т. 51, № 5) вышла статья «Automated Identification and Counting of Saigas (Saiga tatarica) by Using Deep Convolutional Neural Networks in High-Resolution Satellite Images», в которой изложены результаты работы по распознаванию сайгаков на снимках Земли из космоса с помощью искусственного интеллекта. Для этой работы привлекли весь свод данных (высокодетальные снимки) по Северо-Западному Прикаспию, хранившийся в ИПЭЭ РАН на протяжении всех лет работы по этой тематике. Снимки высокого разрешения (0,5 м в пикселе) прошлых лет накоплены за период с 2012 до 2022 года, на них отснята одна и та же территория в один и тот же сезон года, а именно ООПТ Северо-Западного Прикаспия. Институт много лет успешно сотрудничает с Заказником «Степной» Астраханской области. Совместная деятельность специалистов позволяет оперативно и точно реализовывать работы по верификации данных, обнаруженных на космических снимках – на местности, в степи. Так, сотрудники Заказника на своей территории могут в любой момент подтверждать или опровергать предположения дешифровщиков космоснимков в Институте. Так что данные, полученные при анализе этих снимков в прошлые годы, высокодостоверны. Ранее специалисты Института разработали методику учёта сайгаков из космоса – в 2015 году она была опубликована в статье «On Possibility to Identify the Saiga Antelope (Saiga tatarica) on Veryhigh Resolution Satellite Images».
Космоснимки активно используются для оценки состояния местообитаний животных последние 18-20 лет, это в некотором роде связано и с оценкой численности исчезающих видов (однако это косвенная связь). Первые работы с космоснимками, обладающими разрешением, позволяющим различить само животное на нём (не грубее 0,5-1 м в пикселе), были опубликованы в 2014-2015 годах (соответственно времени появления спутников с соответствующим оборудованием и возможности закупить такие снимки широкому контингенту пользователей). Такие работы наиболее оптимальны для животных открытых пространств, обладающих крупными размерами: слоны в саванне, морские слоны и моржи на открытых лежбищах, белые медведи в арктической ледяной пустыне.
Первая работа сотрудников ИПЭЭ РАН об исследованиях, посвященных различению сайгаков на космоснимках, была также опубликована в 2015 году, о чем уже упомянули, а начали развивать это направление в 2012.
“В то время это было непросто, поскольку сайгаки – это изящные антилопы, и гораздо мельче слона или моржа по размеру. Поскольку в настоящее время интенсивное развитие получили идеи применения Искусственного интеллекта, острую потребность в привлечении современных возможностей испытывала и разработанная ранее методика; ведь площади, на которых необходимо обнаруживать и подсчитывать сайгаков – огромны. В 2023 году мы начали работы по подбору соответствующих задачам алгоритмов нейронных сетей и их обучению на имеющемся пуле данных – то есть на космоснимках, использованных нами ранее для подсчета сайгаков в степи вручную, что требовало определенных навыков и большого количества времени”, - рассказывает Анна Ячменникова, кандидат биологических наук, старший научный сотрудник ИПЭЭ РАН.
Ученые ИПЭЭ РАН работают совместно с программистами и инженерами компании Эс-Пас, с которыми также активно сотрудничают по вопросам спутниковой телеметрии и слежения за животными с помощью передатчиков. «Сеть для поиска сайгаков» разработана благодаря сотрудничеству специалистов разных сфер. В опубликованной статье, русское название которой переводится как «Автоматизированное выявление и подсчет сайгаков (Saiga tatarica) на сверхдетальных спутниковых изображениях с помощью глубоких конволюционных нейронных сетей», подробно изложена методика работы по написанию алгоритма программистами и верификации данных и результатов на всех этапах работы зоологами. Автоматизированный подсчет животных делали в два этапа. На обоих этапах использовали технологии искусственного интеллекта – глубокие конволюционные нейронные сети (ГКНС), но разной архитектуры, использовались для эффективной обработки изображений: работа одной сети была направлены на выявление скоплений животных, а другой – на детекцию каждого сайгака индивидуально. Нейронная сеть, выявляющая скопления, была разработана на базе стандартной архитектуры ResNet-50, предназначенной для решения задач классификации изображений, а далее с помощью нейронной сети на базе другой архитектуры YOLOv7 (одной из самых современных), решались задачи выявления объектов, так была разработана вторая сеть.
Это первый наш опыт использования ИИ для подсчета животных на космических снимках, в основном все работы такого плана сводятся к работе с аэрофотосъемкой, но тут совсем другой уровень. Ранее сайгаков считали с помощью автомобильных или авиационных средств – малой авиации. Такой подсчет сейчас воздействует на сайгаков крайне негативно: автомобили нарушают покров уязвимых степных экосистем Северо-Западного Прикаспия, а авиатехника вызывает паническое бегство у самих сайгаков (возможна даже их гибель от изнеможения). Кроме того, такие методы учета не способны охватить обширные площади в один момент. Искусственный интеллект позволяет сделать эту скрупулезную и объемную работу гораздо быстрее, а результаты можно использовать не только для статистики, но и для принятия оперативных решений (при возникновении такой необходимости).
Для съемки используют снимки с разрешением полметра в пикселе. За нашу историю мы работали со спутниковыми системами Израиля, Франции, Китая. С 2012 года ИПЭЭ РАН ежегодно делает запрос на спутниковый мониторинг состояния популяции сайгака Северо-Западного Прикаспия. К сожалению, не каждый год запрос на финансирование и покупку спутниковых снимков был поддержан, а снимки такого высокого разрешения дорогостоящи. Если у ученых есть подтверждение финансирования этой работы, то они заранее связываются с компанией, осуществляющей закупку космических снимков, и размещают через неё спец.заказ для компании-владельца интересующего ученых спутника. Руководствуясь условиями спец.заказа, спутник в заведомо определённый период года при условии безоблачной погоды осуществляет съемку местности, которая интересует исследователей, до тех пор, пока не получит снимки, удовлетворяющие требованиям, либо пока не истечет период года, в течение которого важно провести такую съемку. Период, в который снимают степь соответствует времени гона у сайгаков - ноябрь-декабрь: это время, когда самцы сбивают самок в гаремы и животные держатся крупными малоподвижными скоплениями, и их сравнительно несложно посчитать сверху.
Сайгак – это вид, для которого свойственны резкие скачки численности, если сочетание комплекса факторов, влияющих на него, благоприятное. Обольщаться при этом не следует, если условия неблагоприятные – сайгаки быстро и легко массово вымирают, огромными количествами. Надо аккуратно вести мониторинг популяций, и держать в уме эти их биологические особенности, своевременно принимая грамотные решения по работе с этим видом.
Ранее сотрудники ИПЭЭ РАН провели работу по моделированию вариантов судьбы этой популяции в случае стечения тех или иных природных обстоятельств. При исключительно благоприятных условиях для сайгака рост описан в соответствии с экспонентой. То есть в начальный период идет очень медленный прирост численности в популяции, а после точки перегиба – очень быстрый и интенсивный. Правда, по прогнозам модели уже к 2015 году в Северо-Западном Прикаспии должно было быть не менее 50 000 животных. Так что то, что в 2022 их было порядка 25 тысяч, говорит о том, что негативные факторы воздействовавшие на сайгака в начале точки отсчета (с момента попадания популяции в состояние крайне низкой численности) были очень мощными и практически купировали естественные процессы восстановления этой популяции.
Очень важно, чтобы эта работа была продолжена, ведь природные процессы непрерывны. Мониторинг популяции должен быть постоянным, иначе можно упустить принципиально важные события в судьбе вида. Чем больше ученые знают, чем качественнее могут подтвердить существующую ситуацию объективными данными, полученными из реальности – тем меньше рисков принять неверные решения, которые могут привести к утере этого уникального реликтового вида на территории Северо-Западного Прикаспия в России.
Работа опубликована в журнале Biology Bulletin, volume 51, pages 1407–1421, (2024), V. V. Rozhnov, A. L. Salman, A. A. Yachmennikova, A. A. Lushchekina & P. A. Salman.
Автор фотографии: Andrey Giljov