На карбоновом полигоне Томского государственного университета стартовал проект по цифровизации экологического мониторинга. Ученые интегрируют технологии искусственного интеллекта и машинного обучения в процесс оценки углеродного баланса экосистем. Исследования ведутся при поддержке Минобрнауки РФ в рамках госзадания.
Выбор Томской области неслучаен: регион включает уникальные ландшафты — от лесов и лугов до знаменитых Васюганских болот, которые играют двойную роль в климатической системе, одновременно накапливая и высвобождая углерод. Однако традиционные точечные замеры не дают репрезентативной картины для всей Сибири. Решить эту проблему призваны технологии Big Data и алгоритмы ИИ.
Одно из ключевых направлений работы — изучение устьичной проводимости растений. Как пояснил научный сотрудник НИИ ББ ТГУ Юрий Колесниченко, ИИ помогает анализировать скорость газообмена: как быстро углекислый газ проникает в лист и выделяется водяной пар. Это позволяет объективно оценить, сколько углерода экосистема поглощает и выделяет в атмосферу.
Для сбора первичных данных используется конфокальный микроскоп Carl Zeiss LSM 780 NLO, с помощью которого ученые изучают структуру отдельных устьиц. Младший научный сотрудник Центра биотестирования ТГУ Сергей Моргалёв объяснил: задача состоит в том, чтобы обучить нейросеть распознавать паттерны и затем масштабировать результаты. Вручную обработать тысячи снимков, чтобы затем экстраполировать их на лесной массив или луг, — практически невыполнимая задача.
Каждый тип растительности — от болотных мхов до лесных деревьев и водных растений — имеет уникальные параметры газообмена. Усреднение здесь невозможно. Понимание этих особенностей необходимо для прогноза климатических изменений и поиска эффективных способов управления природными поглотителями парниковых газов.
Выбор Томской области неслучаен: регион включает уникальные ландшафты — от лесов и лугов до знаменитых Васюганских болот, которые играют двойную роль в климатической системе, одновременно накапливая и высвобождая углерод. Однако традиционные точечные замеры не дают репрезентативной картины для всей Сибири. Решить эту проблему призваны технологии Big Data и алгоритмы ИИ.
Одно из ключевых направлений работы — изучение устьичной проводимости растений. Как пояснил научный сотрудник НИИ ББ ТГУ Юрий Колесниченко, ИИ помогает анализировать скорость газообмена: как быстро углекислый газ проникает в лист и выделяется водяной пар. Это позволяет объективно оценить, сколько углерода экосистема поглощает и выделяет в атмосферу.
Для сбора первичных данных используется конфокальный микроскоп Carl Zeiss LSM 780 NLO, с помощью которого ученые изучают структуру отдельных устьиц. Младший научный сотрудник Центра биотестирования ТГУ Сергей Моргалёв объяснил: задача состоит в том, чтобы обучить нейросеть распознавать паттерны и затем масштабировать результаты. Вручную обработать тысячи снимков, чтобы затем экстраполировать их на лесной массив или луг, — практически невыполнимая задача.
Каждый тип растительности — от болотных мхов до лесных деревьев и водных растений — имеет уникальные параметры газообмена. Усреднение здесь невозможно. Понимание этих особенностей необходимо для прогноза климатических изменений и поиска эффективных способов управления природными поглотителями парниковых газов.