Специалисты Томского госуниверситета приступили к цифровой обработке данных с карбонового полигона в пойме реки Обь. Для высокоточной оценки круговорота углерода исследователи задействовали алгоритмы машинного обучения. Работа ведется в рамках государственного задания при поддержке Министерства науки и высшего образования Российской Федерации, сообщает пресс-служба вуза.
Главная задача, которую решают ученые, — переход от наблюдения за конкретными растениями к построению глобальных экологических моделей. Искусственный интеллект анализирует работу микроскопических пор на листьях — устьиц, через которые происходит газообмен.
Скорость проникновения углекислого газа внутрь листа и выхода водяного пара наружу называют устьичной проводимостью. Именно этот показатель позволяет понять, сколько углерода усваивает растение и сколько соединений выделяет обратно. Традиционный способ изучения через конфокальный микроскоп требует обработки десятков тысяч изображений, что делает процесс дорогим и крайне трудоемким.
«С помощью конфокального микроскопа мы изучаем отдельные устьица. Это необходимо, чтобы набрать данные для обучения нейросети. Инструменты ИИ позволят осуществить точный переход от локального мониторинга конкретных экосистем к моделированию глобальных изменений окружающей среды», — объяснил младший научный сотрудник Центра биотестирования безопасности нанотехнологий и наноматериалов ТГУ Сергей Моргалев.
Понимание газообмена на разном ландшафте — будь то поле, лес или болото — даст возможность оценить объемы поглощаемых парниковых газов. Станет ясно, в какой именно момент экосистемы забирают их из атмосферы наиболее активно.
Полученные сведения лягут в основу более эффективного управления природными поглотителями углерода. Речь идет о научно обоснованном подборе растительности, способной связывать углекислый газ и метан. Масштабирование данных с одного листа на целые гектары позволит прогнозировать будущие выбросы активных соединений в воздух.
