Tehisintellekt leidis Eestist 10 000 uut põllusaart

Tartu Ülikooli teadlaste loodud tehisintellekti lahendus leidis Eesti põldudelt ligi 10 000 väikest maastikuelementi, mida ametlikus registris seni ei kajastatud. Tegemist on põllusaartega – põllumassiivide keskel asuvate puude, põõsaste ja muu taimestikuga laikudega, mis võivad esmapilgul tunduda põllumajandustööde seisukohalt pelgalt ebamugavate takistustena.

Ökoloogiliselt on nende roll aga palju suurem. Põllusaared pakuvad pesitsus- ja varjepaiku lindudele, elupaiku metsmesilastele ning teistele kasulikele putukatele. Samuti aitavad need säilitada elurikkust intensiivselt kasutatavas põllumajandusmaastikus. Eesti jaoks on see oluline teema, sest suured põllud ja masinatega tehtavad põllumajandustööd muudavad väikeste looduslike alade säilitamise üha tähtsamaks.

Miks on väikesed põllusaared olulised?

Enamik Eesti põllusaari on väga väikesed, ulatudes ligikaudu 0,01 kuni 0,5 hektarini. See tähendab, et nende suurus võib jääda väikese aia piiresse või ulatuda umbes poole jalgpalliväljaku suuruseks. Vaatamata tagasihoidlikule pindalale moodustavad need alad põllumajandusmaastikus olulise ökoloogilise võrgustiku.

Põllusaarte taimestik pakub lindudele pesitsuskohti ja kaitset kiskjate eest. Õitsvad põõsad ning looduslik taimestik loovad sobiva keskkonna tolmeldajatele, kelle tegevus toetab ka põllukultuuride saagikust. Lisaks aitavad kasulikud putukad piirata põllumajanduskahjurite levikut. Seetõttu ei ole põllusaared üksnes looduskaitseline detail, vaid võivad toetada ka kestlikumat ja tasakaalukamat põllumajandust.

Nende säilitamist arvestatakse Euroopa Liidu ühise põllumajanduspoliitika meetmetes. Põllumeestel võib olla võimalik saada toetusi, kui nad hoiavad selliseid väärtuslikke maastikuelemente alles. Toetuste taotlemisel on aga vaja teada, kus põllusaared täpselt asuvad ja millised alad vastavad nõuetele.

Traditsiooniline kaardistamine on aeglane ja ebatäielik

Seni on põllusaarte märkimine sõltunud suuresti käsitööst. Põllumehed on pidanud need Euroopa Liidu toetuste taotlemisel ise Põllumajanduse Registrite ja Informatsiooni Ameti ehk PRIA digitaalses keskkonnas kaardile kandma. Miljonite hektarite ja tuhandete väikeste objektide puhul on see aeganõudev tegevus, mille tulemus võib jääda ebatäielikuks või ajapikku vananeda.

Ilmastikuolud, maakasutuse muutused ja taimestiku kasv võivad muuta kaardistamise veelgi keerulisemaks. Mõni põllusaar võib olla satelliidipildil või aerofotol raskesti eristatav, samal ajal kui mõni teine sarnaneb põlluservas asuva metsatuka, heki või puuderiviga.

Kuidas tehisintellekt põllusaari ära tunneb?

Tartu Ülikooli teadlased õpetasid süvaõppe mudeli tuvastama põllusaari aerofotode põhjal. Mudeli treenimiseks kasutati rohkem kui 15 000 märgendatud näidet. Need pärinesid kõrge resolutsiooniga õhupiltidelt ja olemasolevatelt kaartidelt, mille põllumehed olid varem toetuste taotlemise käigus koostanud.

Masinõppemudel õppis ära tundma põllusaarte tüüpilisi kujusid, värve ja paiknemist põllumassiivis. Samal ajal õpetati seda eristama neid tavalistest metsadest, hekiridadest ja põllu servaaladest. Treeninguks kasutati Tartu Ülikooli suure jõudlusega arvutusklastrit ehk HPC-taristut, mis võimaldas töödelda suurt hulka pildiandmeid.

Pärast treenimist suutis tehisintellekt analüüsida ligi 2000 aerofotot, mis katsid kogu Eesti. See näitab, kuidas geoinfosüsteemid, arvutinägemine ja tehisintellekt võivad muuta ruumiandmete kogumise palju kiiremaks. Teadlased on avalikustanud ka kasutatud andmestiku ja arvutikoodi, mistõttu saab sarnast lahendust kohandada teiste piirkondade või riikide jaoks.

Tehisintellekt leidis registrist kolmandiku võrra rohkem objekte

Üleriigilise analüüsi tulemusena tuvastas mudel Eestis peaaegu 38 000 põllusaart. See on ligikaudu 34 protsenti rohkem kui PRIA ametlikus registris. Kõige rohkem põllusaari leiti Kesk-Eestist, kus paiknevad suured ja ulatuslikud põllumajanduslikud põllud.

Enamikus Eesti piirkondades oli tehisintellekti leitud objektide arv registriandmetest suurem. See ei tähenda tingimata, et ametlikud kaardid oleksid valed. Pigem näitab tulemus, kui keeruline on käsitsi ajakohastada kümneid tuhandeid väikeseid maastikuelemente kogu riigi ulatuses.

Erandiks oli Kirde-Eesti, kus paljud põllusaared koosnevad peamiselt kividest ja põõsastest, mitte puudest. Selliseid objekte oli mudelil raskem ära tunda, sest treeningandmed ja visuaalsed tunnused sobisid paremini puittaimestikuga põllusaarte tuvastamiseks.

Väiksema resolutsiooniga pildid andsid parema tulemuse

Uuringu üks huvitavamaid järeldusi oli, et tehisintellekt ei saavutanud parimat tulemust alati kõige detailsemate piltidega. Mõnevõrra väiksema resolutsiooniga kujutised võimaldasid mudelil korraga näha suuremat osa maastikust. Laiem kontekst aitas paremini mõista, kas tegemist on põllu keskel asuva eraldiseisva saare, metsa serva või pika hekiribaga.

See leid on oluline ka praktilises mõttes. Kui piisavalt hea täpsuse saavutamiseks ei ole vaja töödelda kõige suurema failimahuga aerofotosid, saab analüüsi teha kiiremini ja väiksemate arvutusressurssidega. Selline optimeerimine on tähtis nii Eesti avalikule sektorile, teadusasutustele kui ka eraettevõtetele, kes arendavad põllumajanduse ja kaardistamise digiteenuseid.

Tehisintellekt ei asenda eksperti, vaid aitab tal kiiremini töötada

Automaatne tuvastamine ei ole veel täielikult iseseisev otsustusvahend. Mudel võib aeg-ajalt pidada hekki põllusaareks või jätta märkamata kivise ala, kus puud ja põõsad peaaegu puuduvad. Seetõttu vajavad tulemused spetsialisti kontrolli.

Tehisintellekti suurim eelis seisneb esmase töö automatiseerimises. Selle asemel et kontrollida kogu Eesti põllumajandusmaastikku algusest peale käsitsi, saavad ametnikud ja teadlased keskenduda kohtadele, mille süsteem märgistas kontrollimist vajavaks. Nii väheneb rutiinne töö, kiireneb andmete uuendamine ja suureneb võimalus avastada seni tähelepanuta jäänud loodusväärtusi.

Mida tähendab see Eesti põllumeestele ja tehnoloogiasektorile?

Põllumehe jaoks võib täpsem kaardistus muuta toetuste taotlemise selgemaks ja vähendada vajadust samu alasid korduvalt käsitsi sisestada. Ajakohasemad andmed aitavad planeerida ka põllutöid, vältida väärtuslike alade kahjustamist ning teha teadlikumaid maakasutusotsuseid.

Avaliku sektori jaoks loob projekt võimaluse arendada andmepõhist keskkonnaseiret ja digitaalseid põllumajandusteenuseid. Eestis, kus e-riigi lahendused ja avalikud registrid on juba laialt kasutusel, sobitub selline tehisintellekti rakendus hästi olemasolevasse digitaristusse. Tulevikus võib sama tehnoloogia toetada näiteks rohevõrgustike, märgalade, väikeste veekogude või teiste looduslike objektide kaardistamist.

Rahvusvahelises võrdluses järgib Eesti laiemat trendi, kus satelliidipildid, droonid, geoinfosüsteemid ja masinõpe aitavad muuta põllumajanduse täpsemaks ning keskkonnateadlikumaks. Eesti eeliseks on väike territoorium, hea digitaristu ja teadusasutuste ning riigi tihe koostöö, mis võimaldab selliseid lahendusi kiiresti katsetada.

Avatud andmed annavad projektile laiema mõju

Afif Fauzani, Holger Virro ja Evelyn Uuemaa uuring avaldati teadusajakirjas Geocarto International. Andmestiku ja lähtekoodi avalikustamine suurendab projekti väärtust, sest teised teadlased ja arendajad saavad meetodit kontrollida, täiustada ning uutes piirkondades rakendada.

Põllusaared katavad küll väikeseid alasid, kuid koos moodustavad need üle Eesti ulatuva elupaikade võrgustiku. Tehisintellekt ei muuda neid alasid väärtuslikuks – see aitab need lihtsalt nähtavaks teha. Täpsemad andmed annavad teadlastele, põllumeestele ja otsustajatele parema aluse, et hoida Eesti maastik mitmekesise ja elujõulisena ka tulevastele põlvkondadele.