Как DINOv3 помогает Институту мировых ресурсов восстанавливать леса и фермы по всему миру

Более десяти лет Институт мировых ресурсов (WRI) работает над защитой и восстановлением лесов, сельскохозяйственных угодий и других экосистем, сотрудничая с местными предприятиями, государственными учреждениями и другими некоммерческими организациями.

Основой этой работы является прозрачность. Без высокоточных, актуальных на местном уровне и недорогостоящих данных невозможно определить, окажут ли миллиарды, которые мир инвестирует в охрану окружающей среды, ощутимое воздействие на окружающую среду. С 2014 года WRI управляет ведущей в мире платформой мониторинга лесов Global Forest Watch, которая отслеживает изменения в лесном хозяйстве и землепользовании с помощью общедоступных спутниковых данных. Их последний анализ оказался ошеломляющим: он показал, что в 2024 году тропические первичные леса исчезали со скоростью 18 футбольных полей в минуту. Опираясь на многолетний опыт сотрудничества, исследователи Meta и WRI применили базовую модель DINOv2 от Meta для беспрецедентно детального картирования высоты древесного полога в мире, чтобы повысить точность будущих наборов данных.
Применение модели DINOv3 для восстановления лесов

Следующим этапом стало применение этой работы для мониторинга местных проектов по восстановлению лесов и агролесоводству. Всемирный институт ресурсов (WRI) совместно с организацией One Tree Planted и фондом Realize Impact создал проект TerraFund для финансирования десятков небольших инициатив в Африке, направленных на восстановление лесов и сельхозугодий. Проект стартовал в 2022 году благодаря стартовым инвестициям от Фонда Земли Джеффа Безоса и поддержке компании Meta.

Хотя существующие наборы данных могли фиксировать исчезновение крупных деревьев, мониторинг вновь вырастающих деревьев представлялся гораздо более сложной задачей из-за длительного периода роста, необходимого деревцам, чтобы стать достаточно высокими для обнаружения из космоса. Партнеры фонда нуждались в масштабируемых и низкозатратных технологиях, позволяющих выявлять наиболее эффективные проекты среди тысяч площадок в 27 африканских странах, то есть им было необходимо уметь подсчитывать и отслеживать рост отдельных саженцев.

Совместно с командой Meta Джон Брант, руководитель направления по данным науки восстановления лесов в WRI и лаборатории Land & Carbon Lab (инициатива исследований геоинформационных данных, организованная WRI и Фондом Земли Джеффа Безоса), использовал модель DINOv3 для разработки алгоритма точного подсчета отдельных деревьев на изображениях, сделанных дронами и спутниками. Брант воспользовался высокодетализированными спутниковыми снимками и натренировал модель, ориентируясь на границы территорий проектов TerraFund. Первоначальные результаты оказались впечатляющими. Исследователи смогли увидеть развивающийся саженец уже спустя восемь месяцев после посадки и продолжать наблюдать за ним по мере его роста. Сравнивая данные, предоставленные самими проектами, с результатами алгоритма, WRI может удостовериться, какие проекты достигают поставленных целей, и рекомендовать их для дополнительного финансирования.

Использование открытой универсальной модели, предварительно обученной на большом объеме спутниковых данных, позволяет WRI легко адаптировать её под собственные нужды, что идеально соответствует основным принципам института, подчеркивающим важность партнёрства и коллективного воздействия. Помимо отслеживания роста деревьев, лаборатория Land & Carbon Lab планирует применять данную модель для тестирования масштабируемых и экономичных методов мониторинга и планирования землепользования для всех типов покрытий поверхности земли и экосистем. Это уже ускорило внедрение моделей для решения различных задач наблюдения за Землёй, повышая эффективность и снижая затраты.

Единый подход ко всем спутникам

Традиционно для каждого отдельного спутника создавалась своя индивидуальная модель. Перед WRI стояла задача построения и тонкой настройки отдельных моделей для шести разных спутников, используемых для различных задач наблючения, что требовало значительного объема подготовки тренировочных данных и оптимизации параметров. Хотя DINOv2 стремилась обеспечить универсальное представление изображений, DINOv3 существенно продвинулась вперед, позволив анализировать данные сразу нескольких спутников и дронов без необходимости создавать кастомизированные модели.

DINOv3 позволяет подсчитывать и измерять количество деревьев в проектах по восстановлению. Здесь DINOv3 оценивает местоположение 7064 деревьев в агролесомелиорации, посаженных в январе 2022 года в Ашанти, Гана, организацией Eco-Care Ghana. Изображения © 2024 Maxar Technologies.

«DINOv3 позволяет нам объединить все наши подходы к моделированию в единый процесс, обеспечивая при этом более высокую точность мониторинга проектов восстановления с большей уверенностью», — говорит Брандт. Например, по сравнению с ранее опубликованными картами, полученными с помощью DINOv2, DINOv3, обученный на данных спутников и дронов, снижает среднюю погрешность измерения высоты древесного полога в регионе Кении с 4,1 до 1,2 метра.

DINOv3 улучшает оценку высоты деревьев с космических спутников более чем на 20% по сравнению с DINOv2. Эти данные имеют решающее значение для понимания глобального углеродного баланса, а также для мониторинга и верификации мероприятий по финансированию проектов в области климата.
Брандт добавляет, что DINOv3 помог команде упростить рабочий процесс. Теперь команда может легко заменить несколько модульных компонентов в разных аспектах своей работы на единую, надёжную платформу DINOv3, что позволяет им лучше сосредоточиться на важной работе по защите и восстановлению экосистем по всему миру.

Воздействие, изменяющее мир

Появление более быстрого и точного мониторинга меняет методы отслеживания хода восстановительных работ, открывая новые возможности для масштабирования и инвестиций. Инвестиции Фонда Bezos Earth Fund в восстановление земель стоимостью 1 миллиард долларов помогли ускорить этот сдвиг, поддержав инновации, которые способствуют повышению доступности земель во всем секторе.

“Инструменты с открытым исходным кодом, такие как DINOv3, способствуют прозрачности и подотчетности в восстановлении”, - говорит Эмили Аверна из Фонда Bezos Earth. - Мы рады внести свой вклад в разработку инновационных инструментов, которые помогут внести ясность и ускорить восстановительные работы по всему миру”.

“Поскольку DINOv3 стал общедоступным, местная неправительственная организация в сельской местности Кении теперь может создавать карты восстановления лесов в высоком разрешении с помощью ноутбука и всего за 10 долларов облачных сервисах”, - добавляет Аверна. «Это кардинально меняет ситуацию для фондов и спонсоров: восстановление лесов перестаёт быть делом веры и становится процессом, который можно наглядно наблюдать, оценивать и уверенно полагаться на него для реализации экологических улучшений, столь необходимых нашей планете. Такой подход демонстрирует огромный потенциал совместных усилий между частными компаниями, некоммерческими организациями и благотворительными структурами, стремящимися достичь значимых результатов как для общества, так и для всей планеты».

Объединив инвестиции в размере 61 миллиона долларов в африканских странах, Бразилии и Индии с использованием этих методов, WRI показывает, что даже незначительное повышение точности может увеличить объем таких транзакций. Это поможет привлечь финансирование для небольших организаций.
“Мы действительно рады возможности разработать достаточно надежную модель для проведения крупных финансовых операций на климатическом рынке”, - говорит Брандт.