Мониторинг сельхозугодий за 40 лет: как спутники и нейросети выявляют заброшенные поля в России

Земля помнит всё. Даже если сегодня на месте бывшего поля растёт лес или степь, следы его существования остаются - в структуре почвы, в растительности, в информации со спутников. Мы научились «читать» эту память. С помощью космических снимков и искусственного интеллекта мы воссоздали, как менялись сельскохозяйственные угодья за последние 40 лет.

Данные спутников Landsat и Sentinel для анализа сельхозугодий 

Основа проекта - архивы спутников Landsat (с 1984 года) и Sentinel (с 2017 года). Для каждого региона анализа мы собираем информацию с спектральных каналов: красный, синий, зеленый и несколько диапазонов инфракрасного спектра. Также составляются два типа информационного представления данных:

Истинный цвет (True Color) - чтобы видеть анализ состояния территории  так, как её видит человек.

 

NDVI - индекс, отражающий развитие зеленой массы растений во время вегетации

 

Спутниковые снимки часто заполнены облаками. Мы выбираем данные безоблачных участков и максимально исключаем неинформативные временные периоды.

 

 

Нейросеть UNet для распознавания пашни на спутниковых снимках

Для распознавания пашни используется модифицированная архитектура UNet. Спутниковые снимки разделяются на визуальную сетку размером 224×224 пикселя, что соответствует примерно 2240х2240 метров по данным Sentinel. Нейросеть анализирует каждый фрагмент и определяет, к какому классу относится каждый пиксель - «пашня» или нет. После обработки все фрагменты соединяются, формируя растровую маску - изображение, где каждый пиксель указывает, является ли участок пахотным («да» или «нет»).

Каждый год обрабатывается нейронной сетью отдельно. В результате получаем - набор растровых масок, показывающих, где и когда были обрабатываемые поля.

Растровая маска преобразуется в векторный формат (контура распахиваемых полей).

Участки площадью менее 0,1 га (по данным Sentinel) и 2 га (по данным Landsat) удаляются как не значительные.

 

Проверка ИИ: как аналитики корректируют карты пашни

Нейросеть выполняет более 95% работы, но финальный контроль остаётся за человеком.

Для визуальной проверки качества распознавания пашни часто используют многовременные цветосинтезированные композиты NDVI, что позволяет отражать динамику растительности за вегетационный период исследуемого года. Такой композит представляет собой цветное RGB изображение, в котором в каналы R, G и B подставляются значения NDVI в начале, середине и конце сезона вегетации соответственно.

Аналитики проверяют результаты на предмет наличия ложно выделенные или пропущенные участки. Такие ошибки корректируются вручную.

Что говорит нам исторический опыт?

Для удобства исторического анализа использования пахотных земель, результаты нейронной сети объединяются в пятилетние периоды: 1984–1990, 1991–1995, 1996–2000, 2001–2005, 2006–2010, 2011–2016, 2017–2021, 2022–2025.

Объединение в периоды для каждого пикселя осуществляется по логике: если в рамках одного периода хотя бы в один год наблюдалась распашка - то пиксель считается «пашней».

Исторические данные для большинства регионов РФ демонстрируют одинаковую динамику (с учетом объемов пахотных территорий):

- 1984-1990 года - пик распашки: сельхозземли занимали максимальные площади.

- 1991-2000 года - массовый отказ от обработки, многие поля заброшены.

- 2001-2021 года - возвращение заброшенных земель в сельхозоборот с нарастающим эффектом.

- 2022-2025 года - снижение темпов ввода земель в сельхозоборот в силу ограниченности доступных территорий.

Зачем это нужно?

Исторический анализ пахотных земель позволяет решить следующие задачи:

- Мониторинг текущего состояния пахотных земель.

- Поиск заброшенных или неэксплуатируемых участков, ранее подвергавшихся обработке, с целью восстановления использования.

- Исторический анализ для поддержки решений при покупке земли, аудите обработки или восстановлении почв.

Карты пашни используются:

Учёными - для исследований климатических и антропогенных изменений.

Фермерами и агрохолдингами - при планировании освоения новых территорий и восстановлению старых.

Государственными органами - для управления земельными ресурсами и борьбы с деградацией почв.

Это не архив, а инструмент цифрового сельского хозяйство 

Мы не просто воссоздаём прошлое. Мы превращаем десятилетия данных в практический инструмент:

- Где безопасно расширять обработку?

- Какие участки теряют плодородие?

- Где природа уже начала восстанавливаться сама?

Спутники и нейросети открыли перед нами динамику изменений, что принесло понимание, теперь управление землёй становится осознанным, бережным и точным.

 

Свяжитесь с нами для демонстрации

Узнайте, какие земли в вашем регионе можно вернуть в сельхозоборот — на основе 40-летней спутниковой истории.

Для получения более подробной информации обращайтесь по электронной почте nefedev@1cps.ru (Нефедьев Леонид).