Bestandsaufnahme, Bewertung, Überwachung

Cross-Forest розробляє спільну платформу для відкритих даних про ліси і транскордонну модель даних (онтологію) для Португалії та Іспанії для публікації даних інвентаризації лісів, карт та інших баз даних про ліси у форматі пов’язаних відкритих даних (LOD). Cross-Forest створить публічний репозиторій (кінцеву точку) для публікації лісових даних відповідно до розробленої моделі. Основна мета полягає в тому, щоб інформація про ліси завжди була доступна й актуальна, що сприятиме її використанню усіма зацікавленими сторонами, дотичними до ведення лісового господарства і наукових досліджень.
Розробляються два варіанти застосування:
CAMBRIC – моделювання еволюції лісів і якості деревини за різних сценаріїв лісоуправління.
FRAME – прогнозування поведінки та поширення лісових пожеж на основі точної інформації про горючі матеріали, карт лісів і моделей поширення.
Ресурси високопродуктивних обчислень (HPC) використовуються через об’єм даних, які генеруються і потребують опрацювання, а також через складність моделей.
Отримані наразі результати свідчать про корисність та універсальність технології LOD, оскільки вона дозволяє користувачам вільно отримувати доступ до оновлених даних і керувати ними для розробки інструментів, адаптованих до їхніх потреб і цілей. Публікація даних у форматі LOD дозволяє державним адміністраціям з легкістю виконувати вимоги щодо прозорості і публічності, оптимізувати ресурси і здійснювати статистичний контроль за використанням загальнодоступних даних. 

ForestHQ facilita la gestión de las operaciones y procesos forestales. Esta plataforma añade valor a los datos y mejora el acceso y el intercambio de información. ForestHQ incluye diferentes módulos clave:

• Inventario forestal, valoración y MRV de carbono. Este módulo incluye aplicaciones móviles para la recogida de datos sobre el terreno, modelos y análisis para cuantificar los productos madereros y el carbono.
  • Medición rápida con la aplicación Arboreal (iOS) o con herramientas de medición tradicionales.
  • Análisis sencillos y automatizados, estimación del carbono y valoración de los montes.
  • Cartografía online de los inventarios con mediciones basadas en la ubicación.
  • Informes online que incluyen, desglose de productos madereros, mapas digitales e informes de valoración
  • Compatible con el producto online ForestBidder
• Supervisión remota del aprovechamiento.  Este módulo incluye una conexión con las máquinas procesadoras para la supervisión remota de las operaciones del aprovechamiento. Esta herramienta aumenta el control de las operaciones y reduce significativamente los costes y las visitas al campo. 
  •  Gestión de los contratistas del aprovechamiento
  •  Seguimiento del progreso del aprovechamiento de forma remota
  •  Supervisión del rendimiento de la optimización de los productos de los troncos
  •  Ubicación de los productos de la cosechadora y de los troncos para obtener información granular y mapas visuales
  • Aplicación HarvestSync (android) para la recogida de datos a bordo con sincronización automática
• Gestión de parcelas. ForestHQ facilita la gestión de sus propiedades y actividades forestales. Se trata de una plataforma de colaboración que facilita la visibilidad de los datos y la comunicación.
  • Gestionar las propiedades forestales y la base de datos de clientes
  • Cartografiar online los subcompartimientos forestales con facilidad
  • Planificar y gestionar las operaciones y actividades forestales
  • Gestión y seguimiento de documentos, licencias de corta, permisos y subvenciones
  • Asignar y compartir documentos y tareas
  • Integración con los sistemas existentes

Otros módulos incluirán herramientas para la certificación forestal, proyectos de secuestro de carbono y planes de gestión forestal.

ForestHQ se puede personalizar y adaptar a las diferentes necesidades de los usuarios, con interfaces de usuario sencillas es una solución ideal para los propietarios de montes, asociaciones pequeñas y grandes.

Deep Green Ukraine – is a web portal with a system that enables to find out in close-up mode how much forest has disappeared from the forest map of Ukraine and when it happened. The system is available only in pilot regions with the aim to scale up its monitoring capacities to the whole territory of Ukraine. The system is also planned to be transferred to the relevant government agencies to provide administration and technical support.

Deep Green Ukraine has adopted a technology that tracks illegal logging using satellite data. The system classifies all logging, mainly as legal or illegal, by analyzing state issued permit tickets in public databases.

For identification of forest cover changes the system uses the combination of data from optical and radar images, which allows the models to work in any season and in any weather, supporting regular updates. To do this, we have developed a new learning strategy based on two machine learning techniques – "pseudo labeling" and "knowledge distillation". How it works: for each area we have thousands of fully marked 224 by 224 pixel squares that cover a small part of the area. It enables the study of the three top architectures of deep neural networks. After training, these models are combined into an ensemble and produce a map of fellings at the regional level. New fellings (those added during the observation period) distributed respectivelly in all forests of the region depending on different types of forests and types of surfaces. We use them as pseudo-labels to teach one deep model at the oblast level, which in turn produces a map of high-precision felling in unclassified parts of the oblast. With the help of "knowledge distillation" approaches, we get one model that has a higher accuracy than three deep models combined into an ensemble.

The web portal developed by the project team uses the following data: data obtained from neural networks on changes in forest cover, data from open registers and other sources (including a possibility to upload photos and videos by individual users with geodata on known to them violations of environmental legislation and illegal logging, liaison with law enforcement agencies of the country). The sytem produces the marked poligons that highlight the possible illegal logging areas, including marking of other types of the felling areas within specific period of time. The results than could be cheked for field confirmation by different state official or independent monitoring actors.

Deep Green Ukraine is implemented by the joint efforts of the Space Research Institute of NASU and SSAU, NGO “Government Monitoring Center”, and the “Forest Initiatives and Communities” NGO (ForestCom).

The development of the Deep Green Ukraine system was made possible by winning the Open Data Challenge, implemented within the USAID/UK aid international technical assistance project “Transparency and Accountability in Public Administration and Services/TAPAS” with the support of the Ministry of Digital Transformation of Ukraine. The activities of the Forest Initiatives and Communities NGO also is supported by the US Forest Service. 

The DGU web portal is developed by magneticonemt.com based on the DeepForest prototype created by ForestCom team in 2020 with the support of NGO "Environmental Investigation Agency" (EIA) and the ClearCut system developed by an IT company "Quantum" jointly with the Society for Environmental GIS in Ukraine (SCGIS Ukraine).

Goldeneye 300 Multi-Sensor Quality Scanner riconosce difetti del legno in modo affidabile, seleziona a seconda delle classi di resistenza e classifica il legno in modo preciso. L'ottimizzazione risulta secondo troncatura e selezionamento, rispondendo alle esigenze di qualità. Goldeneye 300 Multi-Sensor Quality Scanner consiste di moduli con uno scanner a colori, laser e raggi X per classificare esattamente i difetti del legno. Goldeneye 300 è connesso con la sega refilatrice e la troncatrice per ottenere la massima resa.

Goldeneye 300 Multi-Sensor Quality Scanner reliably recognizes wood defects, selects according to strength classes and classifies the wood precisely. The optimization results according to parting and sorting, responding to quality requirements. Goldeneye 300 Multi-Sensor Quality Scanner consists of modules with a color, laser and X-ray scanner to accurately classify wood defects. Goldeneye 300 is connected with the trimming saw and the miter saw to obtain the maximum yield.

L’efficienza, la sicurezza e l’inviolabilità del sistema della blockchain vengono a sostegno della certificazione forestale e della filiera bosco-legno in ottica di “assicurare certezza e informare secondo verità”. Il progetto Woodchain vede coinvolte, insieme al PEFC Italia e PEFC Francia, diverse realtà torinesi e della Val di Susa: Replant Srl, Foodchain spa, La Foresta, Consorzio forestale Alta Val Susa, F. Roche sas, Società cooperativa Silva e Kaboom Srl.
Lo scopo dello studio è quello di testare l’applicazione della tecnologia blockchain come innovativa soluzione IT (information technology) per le applicazioni forestali e del legno. Questa tecnologia permette di creare e gestire un grande database distribuito per la gestione di transazioni condivise tra più nodi di una rete. I nodi rappresentano gli utenti o enti che partecipano alla rete, i quali concorrono alla costituzione dei blocchi veri e propri, contenenti più transazioni ciascuno, collegati tra loro in rete, che permettono la decentralizzazione e la partecipazione nella gestione delle informazioni e dei dati.
Nella fattispecie, obiettivo del progetto è rafforzare la fiducia e la tracciabilità lungo le catene del valore, creare una certificazione di gestione forestale sostenibile efficiente ed accessibile, e favorire l’evolversi dei processi di certificazione, raccolta dati e misurazione dell’impatto.

Deep Green Ukraine – незалежна система, яка дає можливість автоматично аналізувати супутникові знімки за допомогою нейромережі на предмет виявлення втрат лісового покриву та виявляти наявність дозволів на вирубки лісу у відкритих державних базах даних (земельний кадастр, лісові карти, лісорубні квитки, тощо). Завдяки такому функціоналу можна перевіряти факти здійснення вирубок лісу і вчасно проводити обстеження щодо виявлених системою ймовірно незаконних вирубок та моніторити планові рубки.

Система дозволяє у режимі, наближеному до реального часу, дізнаватися, скільки лісу зникло з лісової карти України та коли це сталося. Система доступна лише у пілотних областях, за наявності подальшої підтримки планується масштабування на всю Україну. Систему планується передати на баланс профільним державним органам для забезпечення адміністрування та технічної підтримки.

Deep Green Ukraine впроваджується спільними зусиллями Інституту Космічних Досліджень НАНУ та ДКАУ, ГО «Центр Моніторингу Влади» та ГО «Лісові ініціативи і суспільство».

Розробка системи Deep Green Ukraine стала можливою завдяки перемозі у конкурсі Open Data Challenge, реалізованому в межах проєкту міжнародної технічної допомоги USAID/UK aid “Прозорість та підзвітність у державному управлінні та послугах/TAPAS” за підтримки Міністерства цифрової трансформації України. Діяльність ГО «Лісові ініціативи і суспільство» також підтримується відділом міжнародних програм Лісової служби США.

Детальніше про особливості роботи системи:

Deep Green Ukraine розробив технологію, що відстежує незаконні вирубки лісів за допомогою супутникових даних. Система класифікує всі вирубки, в основному, як законні чи незаконні, аналізуючи дозвільні квитки.

Особливість проєкту – поєднання використання оптичних і радарних даних, що дозволяє нашим моделям працювати в будь-який сезон і за будь-якої погоди, підтримуючи регулярне оновлення інформації. Для цього ми розробили нову стратегію навчання, яка базується на двох техніках машинного навчання – «pseudo labeling» та «knowledge distillation». Як це працює: для кожної області ми маємо тисячі повністю розмічених квадратів 224 на 224 пікселі, які покривають невелику частину області. На основі них відбувається навчання трьох топових архітектур глибоких нейронних мереж. Після навчання ці моделі об’єднуються в ансамбль та продукують карту вирубок на рівні області. Нові вирубки(ті що додалися за період спостереження) розподілені по всіх лісах області належать різним типам лісів, типам поверхонь та географічно розподілені по всій області. Ми використовуємо їх як псевдо-лейбли для навчання однієї глибокої моделі на рівні області, яка в свою чергу продукує карту вирубок високої точності на нерозмічених частинах області. За допомогою підходів «knowledge distillation» ми отримуємо 1 модель, яка має вищу точність, ніж три глибокі моделі об’єднані в ансамбль, що є її вчителями.

Розроблений проектною командою веб-портал використовує такі дані: дані отримані від нейронних мереж про зміну лісового покриву, дані відкритих реєстрів та інших джерел (в т.ч. підвантажені у систему окремими користувачами фото і відео із геоданими щодо порушення діючого природоохоронного законодавства та нелегальних рубок лісу, зв'язок із правоохоронними органами країни).

Веб-портал DGU розроблений компанією magneticonemt.com на основі прототипу DeepForest, створеного командою ForestCom у 2020 році за підтримки ГО «Агентство екологічних розслідувань» (EIA) та системи ClearCut, розробленої ІТ-компанією «Quantum» спільно з Товариством природоохоронних ГІС в Україні (SCGIS Ukraine).

Mobile app Ukrainian Forest Protection for smartphones based on Android OS.

The app uses mobile devices for collection of data about pests and diseases. It has several levels of use:

• at first forestry specialists collect data about discovered cases
• this data is synchronized at all mobile devices of the enterprise and enters the database of "Forests of Ukraine" Geoportal
• furthermore, other forest specialists can review the information about the pest and disease cases, discovered in the forest enterprise
• if needed, the damaged area can be found in the field using the built-in GPS receiver, then verified or deleted. 

For the diagnostics of the damaged area, the built-in digital handbook can be used, which includes information about all pests and diseases found in the forests of Ukraine, structured with the visual materials, data on diagnostic features and protection/management measures.

After introduction of any of changes in the app, all the information become accessible at the "Forests of Ukraine" Geoportal, which allows to:

• print out reports for the enterprise level and regional level,
• review of identified and verified cases on the map,
• see the dynamics by pest and disease types, by the time,
• define and identify the location, distribution features and development of pathological processes in the forests of Ukraine.

Мобільний додаток Лісозахист для смартфонів на базі операційної системи Android.

Даний додаток передбачає використання мобільних пристроїв для збору інформації в лісі про появу шкідників або хвороб та має декілька рівнів можливостей: на першому етапі майстри лісу збирають дані про виявлені явища, ця інформація синхронізуються на всіх мобільних пристроях підприємства та потрапляє в базу Геопорталу "Ліси України". Далі фахівці підприємства (помічники лісничих, лісничі, інженери) мають змогу переглядати інформацію про виявлені осередки в усьому лісгоспі. За необхідності, можна знайти осередок на місцевості за допомогою вбудованого у смартфон GPS-приймача, підтвердити його або видалити.

Для діагностики осередку можна скористатися вбудованим електронним визначником, де зібрана інформація про всі хвороби та шкідники, притаманні лісам України. Визначник структурований, складається з наочних матеріалів і даних про діагностичні ознаки та заходи боротьби.

Після виконання будь-яких змін в додатку, вся інформація буде доступна на Геопорталі «Ліси України», де було розроблено декілька сторінок націлених на роботу з електронною базою осередків, а саме:

• друк звітності підприємств та ОУЛМГ,
• перегляд виявлених та підтверджених осередків на карті,
• відображення динаміки осередків в розрізі видів шкідників та хвороб, місяців,
• виявлення та визначення локації осередків, закономірностей поширення та розвитку патологічних процесів у лісах України.

Project activities were focused on a comprehensive representation of changes in forest stands and their dynamics (using different time series of remote sensing data) and the transition from spot monitoring (field measurements on sample plots) to large-scale monitoring. This will improve the efficiency of forest ecosystem protection and management measures. Project results have been presented in the form of publications and maps showing specific changes over the years. In addition, radio and television broadcasts, meetings, brochures and promotional films were used to inform the general public.

The main objectives of the project were:

• Monitoring of stand dynamics in Białowieża Forest (including analysis of tree species composition, monitoring of changes in the forest stand caused, among others, by tree death)
• Analysis of natural forest regeneration and rejuvenation, including the role of gaps,
• Establishment/determination of the combination of different remote sensing techniques and data sets that are optimal for forest monitoring,
• Characteristics of the microclimate of the Białowieża Forest,
• Promotion of Białowieża Forest through the use of multimedia.

The main expected results of the project:

• Detailed analysis and maps showing in subsequent years, following information about the Białowieża Forest: Forest stand characteristics (growing stock and biomass, tree height, DBH, canopy cover and its diversity, forest diversity, tree species composition, vertical structure, biomass, etc.), location and size of dead trees, location and size of gaps, dynamics of natural forest regeneration and amount of lying dead wood.
• Map of plant communities with identification of different tree species;
• Development of monitoring methods for the dynamics of the Białowieża Forest using a small number of sample plots and additional remote sensing data covering the entire study area;
• Master tree ring chronology of the selected tree species in the Białowieża Forest;
• A unique geoportal containing created spatial data on the Białowieża Forest.