Искусственный интеллект в экологическом мониторинге: углублённый анализ
Artificial intelligence in environmental monitoring: in-depth analysis
2024-11-18
SCID: 54.1/sb22b52y
Discuss with AI
оценка биоразнообразияэкологический мониторингобъяснимый искусственный интеллектмашинное обучениедистанционное зондирование
Figures from the paper
Abstract (AI)
В исследовании представлен комплексный библиометрический и углублённый анализ применения искусственного интеллекта (ИИ) и машинного обучения (МО) в экологическом мониторинге на основе 4762 публикаций, выпущенных в период с 1991 по 2024 год. Отмечен значительный рост числа публикаций и цитирований начиная с 2010 года; ведущими странами по числу исследований являются Китай, Соединённые Штаты и Индия. Ключевые направления исследований включают мониторинг качества воздуха и воды, моделирование изменения климата, оценку биоразнообразия и управление стихийными бедствиями. Интеграция ИИ с такими развивающимися технологиями, как Интернет вещей (IoT) и дистанционное зондирование, значительно расширила возможности экологического мониторинга в реальном времени и принятия решений на основе данных. Углублённый анализ выявляет прогресс в методологиях ИИ/МО, включая новые алгоритмы картографирования почв, классификации земного покрова, моделирования подверженности наводнениям и анализа изображений дистанционного зондирования. К числу значимых применений относятся повышение точности прогнозирования качества воздуха, оценка качества воды, прогнозирование воздействия климата и автоматизированный мониторинг дикой природы с использованием распознавания изображений на основе ИИ. Также рассматриваются такие проблемы, как «чёрный ящик» моделей ИИ, необходимость высококачественных данных в регионах с ограниченными ресурсами и сложность управления стихийными бедствиями в реальном времени. В исследовании подчёркиваются текущие усилия по разработке объяснимых моделей ИИ (XAI), направленных на повышение прозрачности моделей и доверия к ним в критически важных экологических приложениях. Перспективные направления дальнейших исследований включают повышение качества и доступности данных, развитие междисциплинарного сотрудничества между специалистами в области экологических и компьютерных наук, а также решение этических вопросов, связанных с применением ИИ в экологическом управлении. Полученные результаты подчёркивают преобразующий потенциал технологий ИИ и МО для устойчивого экологического управления и предоставляют исследователям и лицам, принимающим политические решения, ценные сведения для решения глобальных экологических проблем.
Key Findings
1
Китай, США и Индия определены как ведущие участники исследований по применению ИИ в экологическом мониторинге.
2
Интеграция ИИ с Интернетом вещей и дистанционным зондированием расширила возможности мониторинга окружающей среды в реальном времени и принятия решений на основе данных, включая автоматизированный мониторинг дикой природы с помощью распознавания изображений.
3
Основные проблемы включают непрозрачность моделей ИИ, нехватку качественных данных в регионах с ограниченными ресурсами и сложность управления стихийными бедствиями в реальном времени; объяснимый ИИ разрабатывается для повышения прозрачности и доверия.
4
Ключевые направления включают мониторинг качества воздуха и воды, моделирование изменения климата, оценку биоразнообразия, управление стихийными бедствиями, картирование почв, классификацию земного покрова и моделирование подверженности наводнениям.
5
Исследование анализирует 4762 публикации за 1991–2024 годы и выявляет заметный рост числа работ и цитирования по применению ИИ и машинного обучения в экологическом мониторинге с 2010 года.
Research Object
Применение искусственного интеллекта и машинного обучения в экологическом мониторинге
Research Subject
Возможности, применения, методологические достижения и проблемы использования ИИ/МО для мониторинга и управления состоянием окружающей среды в реальном времени
Publication Details
Publication Date
2024-11-18
Journal
Publisher
ISSN
Cited by
220
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
Искусственный интеллект: современный подход1995
SoilGrids250m: глобальная гридированная информация о почвах на основе машинного обучения2017
Облачная вычислительная платформа Google Earth Engine для приложений обработки больших данных дистанционного зондирования: всесторонний обзор2020
Беспилотные летательные аппараты (БПЛА) и искусственный интеллект: революция в мониторинге и охране дикой природы2016