Россия
Россия
Россия
УДК 625.8 Дорожные покрытия. Дороги из плит. Мостовые. Щебеночные и другие покрытия. Приготовление и использование дорожностроительных материалов. Дороги по типу покрытия
В статье предложена мультимодальная система мониторинга лесных экосистем, основанная на интеграции данных дистанционного зондирования и наземных сенсоров с использованием методов глубокого обучения. Разработанная архитектура обеспечивает высокую точность при обнаружении пожаров, вспышек вредителей и незаконных вырубок леса благодаря объединению визуальных и временных данных. Результаты показывают потенциал системы для применения в оперативном экологическом мониторинге и цифровом управлении лесными ресурсами.
мультимодальный мониторинг, лесные экосистемы, дистанционное зондирование, наземные сенсоры, глубокое обучение, нейросетевые архитектуры, раннее обнаружение угроз
1. Zhang, C., Zhang, Y., & Wei, X. A review of deep learning applications in forestry using remote sensing and other data // Remote Sensing. – 2023. – Vol. 15, № 21. – P. 5152. – DOI:https://doi.org/10.3390/rs15215152
2. Papadomanolaki, M., Vakalopoulou, M., &Karantzalos, K. Multimodal deep learning for disaster detection from satellite imagery and in-situ sensors // Expert Systems with Applications. – 2024. – Vol. 239. – P. 120141. – DOI:https://doi.org/10.1016/j.eswa.2023.120141
3. Reinecke, J., Krause, A., & Steger, C. OpenForest: A data catalog for machine learning in forest monitoring // Environmental Data Science. – 2023. – Vol. 3. – Article e4. – DOI:https://doi.org/10.1017/eds.2023.4
4. Du, P., Zhang, Y., & Zhang, J. Multimodal remote sensing data fusion for forest monitoring: A review // Remote Sensing. – 2021. – Vol. 13, № 20. – P. 4065. – DOI:https://doi.org/10.3390/rs13204065
5. Zhao, W., et al. Deep learning for forest monitoring using multimodal sensor data // IEEE Transactions on Geoscience and Remote Sensing. – 2023. – Vol. 61. – P. 1–13. – DOI:https://doi.org/10.1109/TGRS.2023.3257311
6. Hong, D., Yokoya, N., &Chanussot, J. Graph convolutional networks and transformers for multitemporal remote sensing data // IEEE Transactions on Geoscience and Remote Sensing. – 2022. – Vol. 61. – DOI:https://doi.org/10.1109/TGRS.2022.3203053
7. Мальцев, В. В. Применение алгоритмов искусственного интеллекта для мониторинга загрязнения воздуха городским автотранспортом / В. В. Мальцев // Моделирование систем и процессов. – 2025. – Т. 18, № 2. – С. 86-96. – DOIhttps://doi.org/10.12737/2219-0767-2025-18-2-86-96. – EDNEEZDKJ.
8. Асадов, Х. Г. Моделирование температурного поля при лесных пожарах / Х. Г. Асадов, Г. З. Байрамов // Моделирование систем и процессов. – 2024. – Т. 17, № 4. – С. 7-15. – DOIhttps://doi.org/10.12737/2219-0767-2024-17-4-7-15. – EDNECSUWP.
