Một trong những kết quả đáng chú ý của dự án AI4SAR (AI for SAR) do Φ-lab của Cơ quan Hàng không Châu Âu ESA tài trợ là phát triển thành công mô hình trí tuệ nhân tạo giúp phát hiện chặt phá rừng sử dụng dữ liệu SAR. Trong bài viết này, nhóm tác giả sẽ chia sẻ tới bạn đọc lý do tại sao chúng ta cần tới SAR trong giám sát chặt phá rừng và cách mà nhóm nghiên cứu AI4SAR đã phát triển mô hình của họ.
Quá trình theo dõi chặt phá rừng theo ngày tại khu vực thử nghiệm của ICEYE
Tại sao sử dụng SAR trong giám sát chặt phá rừng?
Công nghệ SAR (Synthetic Aperture Radar - radar khẩu độ tổng hợp) đã được ứng dụng từ lâu trong công tác thu thập dữ liệu viễn thám. Các giá trị cường độ tán xạ ngược và kết cấu của ảnh được sử dụng để chiết tách thông tin cũng như phân biệt các khu vực khác nhau có thể nhìn thấy trên ảnh SAR. Mặc dù thông tin trên ảnh SAR có thể khó diễn giải, nhưng khả năng hoạt động trong điều kiện thời tiết phức tạp trở thành một lợi thế đối với ảnh SAR.
Hiện nay, cảm biến SAR có rất nhiều chủng loại khác nhau như X-SAR, C-SAR, L-SAR và P-SAR. Trong nghiên cứu của mình, nhóm dự án AI4SAR đã sử dụng X-SAR để thực hiện bài toán giám sát, phát hiện chặt phá rừng nhờ lợi thế đâm xuyên bề mặt vừa đủ để quan sát sự thay đổi của tầng tán đỉnh cây (canopy), do đó, sẽ dễ nhận biết các khu vực bị chặt phá hơn.
Phương pháp của nhóm nghiên cứu là gì?
Không đi theo cách truyền thống là sử dụng dữ liệu thảm phủ toàn cầu như ESA WorldCover hay Esri LULC để làm dữ liệu cho việc phát triển mô hình trí tuệ nhân tạo, thay vào đó, nhóm nghiên cứu AI4SAR đã thu thập 1266 tấm ảnh SAR về các khu rừng nhiệt đới trên thế giới, và sử dụng chúng để nhận diện được các khu vực rừng trên ảnh.
Sau đó, nhóm nghiên cứu sử dụng mô hình trí tuệ nhân tạo ConvLSTM để phát hiện những thay đổi về cấu trúc rừng giữa các mốc thời gian. Đây là một ý tưởng về kỹ thuật phát hiện biến động (Change Detection) mà nhóm nghiên cứu được truyền cảm hứng mà một nhóm nghiên cứu khác đã phát triển.
Quy trình hoạt động của mô hình ConvLSTM
Kết quả nghiên cứu
Mặc dù ghi nhận các kết quả tốt, nhóm nghiên cứu cũng đã khẳng định rằng để tăng cường hiệu quả của mô hình trí tuệ nhân tạo này sẽ là một thách thức.
Tuy nhiên, giải pháp tối ưu nhất được đưa ra là dựa vào bản đồ sử dụng đất, đi kèm với mô hình được phát triển sẽ cho kết quả khả quan hơn. Hiện nay, hệ thống mà nhóm nghiên cứu xây dựng có khả năng giám sát hàng trăm nghìn kilômét vuông diện tích trên ảnh. Và những khu vực chặt phá rừng mới được phát hiện sẽ trở thành dữ liệu đầu vào để tạo ra mô hình mới hơn, giúp nhận thức rõ hơn về những khu vực rừng bị chặt phá trên thế giới.
Kết quả phân đoạn các khu vực rừng bị chặt phá trên ảnh SAR tại khu vực kiểm nghiệm mô hình của nhóm nghiên cứu
Có thể thấy, sử dụng công nghệ AI trong nỗ lực giải quyết các vấn đề toàn cầu như nạn chặt phá rừng đang mang lại những hiệu quả rõ rệt. Việc tận dụng lợi thế công nghệ và dữ liệu, đặc biệt là nguồn tài nguyên ảnh SAR đang gia tăng mạnh mẽ, đã trở thành một công cụ đột phá trong giám sát các hoạt động xảy ra trên các khu vực rừng vào bất kỳ thời gian nào và ở bất kỳ nơi đâu.
- - - - -
Bạn cần dữ liệu SAR trong giám sát rừng? Liên hệ với TrueTech qua:
https://truetech.com.vn/changedetection/
Quá trình theo dõi chặt phá rừng theo ngày tại khu vực thử nghiệm của ICEYE
Tại sao sử dụng SAR trong giám sát chặt phá rừng?
Công nghệ SAR (Synthetic Aperture Radar - radar khẩu độ tổng hợp) đã được ứng dụng từ lâu trong công tác thu thập dữ liệu viễn thám. Các giá trị cường độ tán xạ ngược và kết cấu của ảnh được sử dụng để chiết tách thông tin cũng như phân biệt các khu vực khác nhau có thể nhìn thấy trên ảnh SAR. Mặc dù thông tin trên ảnh SAR có thể khó diễn giải, nhưng khả năng hoạt động trong điều kiện thời tiết phức tạp trở thành một lợi thế đối với ảnh SAR.
Hiện nay, cảm biến SAR có rất nhiều chủng loại khác nhau như X-SAR, C-SAR, L-SAR và P-SAR. Trong nghiên cứu của mình, nhóm dự án AI4SAR đã sử dụng X-SAR để thực hiện bài toán giám sát, phát hiện chặt phá rừng nhờ lợi thế đâm xuyên bề mặt vừa đủ để quan sát sự thay đổi của tầng tán đỉnh cây (canopy), do đó, sẽ dễ nhận biết các khu vực bị chặt phá hơn.
Phương pháp của nhóm nghiên cứu là gì?
Không đi theo cách truyền thống là sử dụng dữ liệu thảm phủ toàn cầu như ESA WorldCover hay Esri LULC để làm dữ liệu cho việc phát triển mô hình trí tuệ nhân tạo, thay vào đó, nhóm nghiên cứu AI4SAR đã thu thập 1266 tấm ảnh SAR về các khu rừng nhiệt đới trên thế giới, và sử dụng chúng để nhận diện được các khu vực rừng trên ảnh.
Sau đó, nhóm nghiên cứu sử dụng mô hình trí tuệ nhân tạo ConvLSTM để phát hiện những thay đổi về cấu trúc rừng giữa các mốc thời gian. Đây là một ý tưởng về kỹ thuật phát hiện biến động (Change Detection) mà nhóm nghiên cứu được truyền cảm hứng mà một nhóm nghiên cứu khác đã phát triển.
Quy trình hoạt động của mô hình ConvLSTM
Kết quả nghiên cứu
Kết quả phát hiện thay đổi từ mô hình
Mặc dù ghi nhận các kết quả tốt, nhóm nghiên cứu cũng đã khẳng định rằng để tăng cường hiệu quả của mô hình trí tuệ nhân tạo này sẽ là một thách thức.
Tuy nhiên, giải pháp tối ưu nhất được đưa ra là dựa vào bản đồ sử dụng đất, đi kèm với mô hình được phát triển sẽ cho kết quả khả quan hơn. Hiện nay, hệ thống mà nhóm nghiên cứu xây dựng có khả năng giám sát hàng trăm nghìn kilômét vuông diện tích trên ảnh. Và những khu vực chặt phá rừng mới được phát hiện sẽ trở thành dữ liệu đầu vào để tạo ra mô hình mới hơn, giúp nhận thức rõ hơn về những khu vực rừng bị chặt phá trên thế giới.
Kết quả phân đoạn các khu vực rừng bị chặt phá trên ảnh SAR tại khu vực kiểm nghiệm mô hình của nhóm nghiên cứu
Có thể thấy, sử dụng công nghệ AI trong nỗ lực giải quyết các vấn đề toàn cầu như nạn chặt phá rừng đang mang lại những hiệu quả rõ rệt. Việc tận dụng lợi thế công nghệ và dữ liệu, đặc biệt là nguồn tài nguyên ảnh SAR đang gia tăng mạnh mẽ, đã trở thành một công cụ đột phá trong giám sát các hoạt động xảy ra trên các khu vực rừng vào bất kỳ thời gian nào và ở bất kỳ nơi đâu.
- - - - -
Bạn cần dữ liệu SAR trong giám sát rừng? Liên hệ với TrueTech qua:
- Số điện thoại: +84 (24) 3776 5088, hoặc
- Email: gbs@truetech.com.vn
https://truetech.com.vn/changedetection/