Система підтримки прийняття рішень для догляду за деревами

Abstract

Одною із найбільших екологічних проблем є погіршення стану лісів. Станом на 2011 рік було визначено, що загальна площа українських лісів становить 10,4 млн. га, серед яких лісистої території є 9,6 млн. га [1]. Виходить в загальному лісистість території становить 15,9%, хоча екологи зазначають, що насправді за останні роки територія українських лісів зменшилася до 11%. Ця лісиста територія забезпечує захист водойм, ґрунтів та клімату України та цілої Європи. Різні хвороби та шкідники, а також природні стихійні лиха та забруднення спричинені людьми, дуже сильно вражають дерева. Проте неякісне ведення лісовпорядкування та постійні вирубки лісів спричиняють швидше зменшення площі лісів. У лісовому господарстві вже використовують супутникові знімки для аналізу лісової території, але досить недавно почали використовувати безпілотні літальні апарати із спектральними камерами. Українські науковці проводили декілька досліджень із опрацюванням супутникових спектральних знімків. У даній роботі розглянуто дослідження із використанням набору даних Global Forest Change та супутника Sentinel-2 для дешифрування видового складу лісових насаджень у «Боярській лісовій дослідній станції» [2], а також дослідження із проведенням класифікацію гірських лісів Карпатського національного природного парку для з’ясування видового складу дерев та їх фітосанітарного стану [3]. Дослідження на основі гіперспектральних зображень із безпілотних літальних апаратів наразі проводяться в більшості закордоном. У даній роботі розглянуто дослідження для оцінки стадії та тяжкості інфекції в’янення у китайської сосни [4], та інше дослідження, яке проводилося на півночі Португалії, із визначенням хвороби дефоліації в природному заплавному лісі чорної вільхи [5]. Дані дослідження використовували алгоритми Random Forest та логістичну регресію, та у результаті отримали дані із високою точністю, у порівняні із наземним моніторингом вибраних територій. Існуючі системі, які вирішують поставлену проблему, в основному орієнтуються на здійснення інвентаризації лісів. Вони обчислюють показники дерев та зберігають їх, але не здійснюють аналіз отриманих даних. Саме тому визначення стану дерев та формування способів лікування та профілактики для дерев користувач повинен здійснювати самостійно, переглядаючи отримані показники. Серед таких аналогів у роботі розглянуто наступні системи: Tree Radar Unit, EOS Data Analytics Forest Monitoring, Katam Forest та CropsIT. Об’єкт дослідження – процес аналізу даних та виконання необхідних заходів для покращення стану зелених насаджень. Предмет дослідження – застосування методів машинного навчання для виявлення пошкоджень дерев та формування способів лікування та догляду за ними. Мета дослідження: створити систему підтримки прийняття рішень, що буде допомагати визначати можливі хвороби дерев та пропонувати способи лікування та догляду за деревами. При здійснені системного аналізу об’єкта дослідження побудовано дерево цілей для декомпозиції генеральної мети та визначення критеріїв якості. На основі цих критеріїв та обраних альтернатив інформаційних систем за методом аналітичної ієрархії визначено, що типом системи є система підтримки прийняття рішень. За допомогою нотації UML побудовано концептуальну модуль системи, а саме представлено діаграми варіантів використання, класів, станів, послідовності тощо. Крім цього, детально описано мету використання системи для кожного користувача та її місце застосування. Методом реалізації системи обрано алгоритм класифікації за методом дерева рішень за індексом Джині. Вирішено здійснювати реалізацію системи підтримки прийняття рішень для догляду за деревами за допомогою мови програмування Python, а саме використовуючи веб-фреймворк Django та базу даних MySQL. Верстка здійснюється за допомогою HTML та CSS. Результатом виконання магістерської роботи є спроектована та реалізована система підтримки прийняття рішень для догляду за деревами з використанням методу машинного навчання класифікації. Система допомагає виявити захворювання дерев за певними ознаками, аналізуючи файли попередньої та поточної таксаційної характеристики. У результаті надає ймовірність визначення трьох захворювань, графіки показників та список рекомендацій для лікування та профілактики для дерев.One of the biggest environmental problems is the deterioration of forests. As of 2011, it was determined that the total area of Ukrainian forests is 10.4 million hectares, of which 9.6 million hectares are forested [1]. It turns out that the total forest coverage of the territory is 15.9%, although ecologists note that in fact, in recent years, the territory of Ukrainian forests has decreased to 11%. This forested area provides protection of water, soils and climate of Ukraine and the whole of Europe. Various diseases and pests, as well as natural disasters and human-caused pollution, affect trees very badly. However, poor quality of forest management and constant cutting down of forests cause a faster decrease in the area of forests. In forestry, satellite images are already used to analyze the forest area, but quite recently they have started using unmanned aerial vehicles with spectral cameras. Ukrainian scientists conducted several studies with the processing of satellite spectral images. This paper examines a study using the Global Forest Change data set and the Sentinel-2 satellite to decipher the species composition of forest stands in the "Boyar Forest Research Station" [2], as well as a study on the classification of mountain forests of the Carpathian National Nature Park to find out species composition of trees and their phytosanitary status [3]. Researches based on hyperspectral images from unmanned aerial vehicles are currently conducted mostly abroad. This paper reviews a study to assess the stage and severity of wilt infection in Chinese pine [4], and another study conducted in northern Portugal to identify defoliation disease in a natural black alder floodplain forest [5]. These researches used Random Forest algorithms and logistic regression, and as a result obtained data with high accuracy, compared to ground forest monitoring of the selected areas. Existing systems that solve the problem are mainly focused on forest inventory. They calculate tree metrics and store them, but do not analyze the data. That is why the user must independently determine the trees’ condition and form methods of treatment and prevention for trees, reviewing the obtained indicators. Among such analogues, the following systems are considered in this work: Tree Radar Unit, EOS Data Analytics Forest Monitoring, Katam Forest and CropsIT. Study object – the process of data analysis and implementation of necessary measures to improve the condition of trees. Scope of research – application of machine learning methods to detect damage to trees and form methods of their treatment and care. Goal of research: create a decision support system that will help identify possible tree diseases and suggest ways to treat and care them. When conducting a systematic analysis of the research object, a tree of goals is built to decompose the general goal and determine quality criterions. On the basis of these criterions and selected information systems alternatives, there is applied the analytical hierarchy method, it was determined that the type of system is a decision support system. Using the UML notation, the conceptual module of the system is built, namely, there are presented diagrams of use cases, classes, states, sequences, etc. In addition, the purpose of using the system for each user and its place of application are described in detail. The classification algorithm based on the decision tree method based on the Gini index was chosen as the system implementation method. It was decided to implement a decision support system for tree care using the Python programming language, namely using the Django web framework and a MySQL database. Layout is done using HTML and CSS. The result of the master's thesis is a designed and implemented decision support system for tree care using the machine learning method of classification. The system helps to identify tree diseases based on certain characteristics by analyzing the files of the previous and current taxonomic characteristics. As a result, it provides the detection probability of three diseases, graphs for indicators and a list of recommendations for trees treatment and prevention.