Novinky a články
Detekce kůrovce
Ač to na první pohled nemusí být zřejmé, vyžaduje péče o lesy velice komplexní přístup. Cyklus obnovy lesa by se měl pohybovat okolo 100 let. Pokud tedy dnes zasadíte strom, buduo z něj těžit až Vaše vnoučata či dokonce pravnoučata. Pokud ovšem nedojde k situaci, kdy strom z nějakého důvodu zahyne dříve. Jedním z takových důvodů, v poslední době velice skloňovaným, je napadení kůrovcem. Ten za určitých podmínek může vyvolat kalamitu a doslova zlikvidovat rozsáhlé lesní oblasti. Je tedy zcela zřejmé, proč se v posledních letech vedou s kůrovcem tak urputné boje.
Role kůrovce v přírodě
V lesním ekosystému patří kůrovec mezi druhy, které za normálních okolností způsobují omlazení lesa. Hraje tak významnou roli, kdy napadá a hubí stromy staré, poškozené nebo jiným způsobem oslabené. Zdravý strom má většinou dostatek sil se před kůrovcem bránit např. vylučováním pryskyřice. Dalo by se tedy říci, že kůrovec je dobrý sluha, ale zlý pán. Problém nastává především při jeho přemnožení.
Je důležité zmínit, že suchá období s vysokými teplotami stromy taktéž oslabují. Tyto podmínky jsou charakteristické pro posledních pár let. Dochází tak k přemnožení kůrovce, při kterém se nedokáže napadení ubránit ani strom zdravý.
V českých lesích se vyskytují v největší míře tři druhy kůrovce: lýkožrout smrkový (Ips typographus), lýkožrout severský (Ips duplicatus) a lýkožrout lesklý (Pityogenes chalcographus). Nebezpečí lýkožrouta smrkového navíc spočívá v odlišném způsobu přezimování – na rozdíl od ostatních druhů netráví zimu v napadeném stromu ale v hrabance (zemi). Tradiční zimní kácení za účelem redukce výskytu kůrovce, je v tomto případě neúčinné. V některých oblastech České republiky se dokonce l. severský stává dominantním druhem, což boj proti kůrovci významně ztěžuje.
Vývojová stádia
Po příletu na strom začne sameček budovat vstupní otvor, takzvaný závrt, přičemž vyhazuje pilinky (drtinky). A právě tyto závrty a drtinky slouží hospodářům k odhalení napadených stromů.
V dalším stádiu vývojového cyklu kůrovce dochází k vyhlodání tzv. snubní komůrky pro páření se samičkou. Po jejím dokončení začne produkovat agregační feromony, kterými láká samičky k páření. Pro ostatní samečky jsou tyto feromony signálem, že daný strom je oslabený. Tím dochází k hromadnému náletu.
Po spáření buduje samička mateční chodbičku, do které naklade několik desítek vajíček.
Vylíhnuté larvičky se začnou živit lýkem stromu, přičemž dochází k budování dalších chodbiček. Jakmile je larva dostatečně vykrmená, zakuklí se. Vylíhnutý brouk se začne dále krmit zbytkem lýka a pokud mu potrava dojde, vyleze ven a přelétne na jiný strom.
Celý vývojový cyklus od rojení do dalšího rojení trvá v optimálních klimatických podmínkách zhruba 7-10 týdnů. Jakmile dojde ke snížení teploty, zaleze lýkožrout pod kůru stromu nebo do hrabanky a přezimuje.
Rojení
Aktivita brouka je závislá na teplotě okolí. Ta rozhoduje nejen o probuzení brouka po zimním období, nýbrž i o počtu rojení (opuštění stromu a napadení nového) během roku. Kromě teploty hraje roli i vlhkost a množství srážek.
Brouk se probouzí při jarních teplotách okolo 15°C. Jakmile dosáhnou teploty více jak 20°C, začne brouk vylétat a dochází k prvnímu tzv. jarnímu rojení. Tomu většinou odpovídá přelom dubna a května. Druhé, letní, rojení trvá zhruba od poloviny června do počátku srpna. V některých případech může dojít i ke třetímu, podzimnímu, rojení a to na přelomu srpna a září. Klimatické podmínky (teplota, množství a pravidelnost srážek) mohou tyto doby zkrátit či naopak prodloužit.
Oblasti, do kterých se kůrovec rojením dostane, je možné z části odhadnout. Především jsou ohrožené části lesa, které jsou přilehlé k oblasti napadené předchozím rojením. Jelikož kůrovec není dobrým letcem, směr jeho rojení je z části dán i směrem větru. Návětrné části lesa jsou tak z tohoto hlediska rizikovější. V neposlední řadě je třeba hlídat také oslabené oblasti, např. suchem či větrem.
Boj s kůrovcem
Šíření kůrovce samozřejmě kromě sušších období napomáhá i jednodruhová skladba velkého množství našich lesů (smrkové monokultury). Nabízí se otázka, co vedlo naše předky k vysazování smrkových monokultur. Odpověď není jednoduchá. Smrk sám o sobě je velice užitečná dřevina nacházející uplatnění v celé řadě různých odvětví. Dále je třeba si uvědomit, že v době výsadby těchto stromů panovali odlišné klimatické podmínky. Dnešní doba je charakteristická globálním oteplováním a významným úbýtkem srážek. Stromy jsou tudíž oslabené a snižuje se tak jejich schopnost přirozené obrany. Stromy, které by před 50 lety nálet kůrovce přežily, jsou v současnosti ohrožené a z části odkázané na vnější pomoc.
Přemnožení brouka může vést až ke kůrovcové kalamitě, jako tomu u nás bylo např. v letech 2003-2010. Odborníci odhadují, že kůrovci může padnout za oběť až jedna třetina lesů ČR. Udává se, že z jednoho páru kůrovce může vzejít až 120.000 jedinců. Nálet na jeden strom se pohybuje mezi 50.000-60.000 jedinci. Jediný pár kůrovce tak ve finále může zabít celé 2 stromy. Aktivní boj proti přemnožení je tedy velice důležitý.
Možných způsobů boje je celá řada, nejvhodnější je samozřejmě komplexní přístup zahrnující preventivní kroky, pravidelné kontroly a v případě napadení i včasná asanace a likvidace napadených stromů. Monitorování výskytu kůrovce je nejčastěji prováděné pomocí feromonových lapačů. Jejich pravidelná kontrola poskytuje informaci o aktuálním množství brouků a slouží tak jako indikátor stavu rojení. Další možností jsou umístěné pokácené stromy, tvn. lapáky, které se často zakrývají větvemi ke zpomalování vysychání. Tyto stromy slouží především jako umělé návnady, využít jdou ovšem i k monitoringu výskytu brouka.
Relativně nově jsou v některých místech nasazováni psi, kteří jsou vycvičeni k hledání napadených stromů.
Samozřejmostí jsou pravidelné obchůzky lesa. To je ovšem časově velice náročné a přehlédnutí případného napadeného stromu (hledají se především drtinky a závrty) je poměrně snadné. Nasazení dronů se tak přímo nabízí.
Naše řešení
Naše první spolupráce s lesními hospodáři byla založena na hledání kůrovcových ložisek. Jednalo se tedy o stromy již napadené a zasychající. V tomto případě hrozilo riziko, že brouk již dané stromy opustil a napadl jiné. Případné pokácení a asanace nalezených stromů tak mohla být realizována příliš pozdě. Používali jsme dron DJI M210 – tedy klasickou multikoptéru. Díky kameře Zenmuse Z30 s mnohonásobným optickým zoomem bylo možné dron “pověsit” na jedno místo a propátrávat okolí.
Co kdybychom však chtěli nalézt napadené stromy ještě dříve, než začnou zasychat? Díky tomu by správci lesa měli více času napadené stromy zlikvidovat než je brouk opustí a rozšíří se do okolí.
Výběr kamery
V takovém případě narážíme na limity klasické RGB kamery. Pokud ještě není napadený strom rozpoznatelný pouhým okem, na snímku pořízeném klasickou kamerou také nebudou vidět žádné odlišnosti. Pro včasnou detekci je proto zapotřebí použít kameru, která vidí více, tzv. multispektrální kameru. Tento typ kamery je hojně využíván v přesném zemědělství. Nemocná rostlina, ať už se jedná o obilí, vinný keř nebo strom, je v datech pořízených touto kamerou odlišitelná a díky tomu je možné ji najít.
Nabízí se zde analogie s nemocným člověkem. Na klasickém snímku se může jevit jako zdravý. Na termo snímku by však v případě vyšší teploty již mohl vykazovat odlišnosti. Procesy probíhající v napadeném stromu ovlivňují jeho teplotu, schopnost pohlcovat/odrážet infračervené spektrum, míru probíhající fotosyntézy apod. Spojením těchto dílčích změn se strom v vhodně upravených datech zviditelní a odliší od stromů zdravých. V současné chvíli používáme kameru MicaSense RedEdge-M
Výběr dronu
Klasické čtyř či více rotorové drony jsou vhodné v situacích, kdy se chcete rozhlížet pomocí kamery a hledat např. kůrovcová ložiska. Naším současným cílem je však nasnímání rozsáhlých lesních ploch. V takovém případě je vhodnější využít dron typu křídlo, jehož klouzavý způsob pohybu (jako klasické letadlo) je mnohem efektivnější co do spotřeby energie. Nevýhodou je způsob startu, vyžadující poměrně velký prostor. Tím je limitováno použití dronů na místa s velkou mýtinou či okrajové části lesa. Abychom se tomuto omezení vyhnuli, používáme křídlo s kolmým startem a přistáním – WingtraOne
Jaký způsobem fungujeme nyní?
Náš současný přístup je založený na sekvenčním snímání vytipovaných oblastí, které probíhá dvakrát týdně. Začátek snímání koresponduje se začátkem prvního rojení, přičemž naším cílem je minimalizace druhého popř. třetího rojení. Po nasnímání oblasti jsou data zpracována naším algoritmem. V případě nalezení podezřelých stromů, jsou předány potřebné informace lesním hospodářům, kteří danou oblast zkontrolují osobně.
Naším prvořadým cílem je včasná detekce. Za včasnou detekci se považuje ta, která poskytne správcům lesa dostatek času na likvidaci napadených stromů dříve, než z nich brouk vyletí, tj. než dojde k dalšímu rojení. Z toho důvodu začínáme oblasti snímat při prvním rojení a poskytujeme průběžné výstupy. Jelikož vývojový cyklus trvá 7-10 týdnů a lesníci potřebují minimálně 2 týdny na likvidaci, je žádoucí nejdéle po 4 týdnech od prvního rojení prohlédnout oblasti, které aplikace označí za podezřelé.
Výpočetní část aplikace
Víme, že nejsme první, kteří do boje s kůrovcem zapojují drony. Některé přístupy jsou založené čistě na klasických RGB kamerách, jiné dokonce i na multispektrálních kamerách. My do boje navíc zapojujeme i umělou inteligenci a strojové učení.
V současné verzi aplikace jsou napadené stromy hledány na základě jejich odlišnosti od stromů okolních. Nejprve jsou ve snímku lokalizovány jednotlivé stromy. U každého stromu jsou následně spočítány statistiky a stromy jsou mezi sebou porovnávány. Všichni jedinci vykazující určitou míru odlišnosti jsou přidány do seznamu podezřelých stromů. Odborník následně tyto stromy zkontroluje a rozhodne o jejich skutečném stavu.
Zároveň pracujeme na vývoji učícího se systému. Tento systém je natrénovaný vyhledávat napadené stromy na základě analýzy reálných dat. Obecně platí, že čím více trénovacích dat má algoritmus k dispozici, tím přesnější výsledky lze očekávat. Postupem času, kdy budeme snímat další oblasti, bude růst i množina našich trénovacích dat. Dalo by se tedy říci, že náš algoritmus bude rok od roku chytřejší a přesnější.
V současné chvíli analyzujeme přibližně 30 veličin, na jejichž základě probíhá klasifikace na zdravý nebo napadený strom. Počet veličin stále není pevně dán. Počítáme s možností, že postupem času se ukáže vhodnější kombinace veličin, některé se mohou ukázat nadále jako nadbytečné na na opak se mohou objevit nové. Stále tedy provádíme experimenty a hledáme případné lepší nastavení co se týče vstupních dat.
Kromě experimentů se vstupními daty provádíme zároveň i experimenty s různými klasifikátory a algoritmy a jejich nastaveními. V současné chvíli nemáme dostatek dat pro nasazení neuronových sítí, jsme ovšem připraveni i na tuto možnost.
Vizuální část aplikace
Pro vizualizaci našich výsledků jsme vytvořili mobilní aplikaci. Aplikace je napojená na naše cloudové úložiště, je však možné si konkrétní projekty stáhnout do mobilního zařízení. Díky tomu je možné s aplikací pracovat i v místech bez přístupu k internetu.
Kromě vizualizace podezřelých stromů včetně jejich GPS souřadnic je možné aplikaci využít k samotné navigaci na podezřelé místo. Dále je možné využít možnost zobrazení jednotlivých spekter snímaných kamerou či vizualizovat základní vegetační indexy. Tyto informace mohou odborníkům pomoci určit zdravotní stav konkrétních stromů případně celého lesa.
Co plánujeme dále
Jak již bylo zmíněno, naším cílem do budoucna je vylepšování především výpočetní části aplikace. Časem můžeme objevit lepší kombinaci vstupních veličin nebo generovat veličiny nové. V některých případech je možné dosáhnout zpřesnění algoritmu naopak použitím menšího počtu vstupů.
Obecně lze předpokládat, že rostoucí množství nasnímaných dat bude mít pozitivní dopad na kvalitu výstupů. Naše spolupráce se správci lesa probíhá přibližně od roku 2018. Letecké snímání pomocí křídla provádíme od roku 2020 a s každým rokem nám roste množina dat, které můžeme využít pro výpočty.
Další velmi cenou informací jsou zpětné vazby od správců lesa. Přesnost algoritmu nikdy nebude stoprocentní. Některé pozitivní detekce se tak mohou ve finále projevit jako falešné. V takovém případě je možné tyto oblasti přidat do negativních dat a algoritmus přetrénovat. Tímto způsobem je využívána chyba algoritmu k jeho vlastnímu zlepšení.