Машинное обучение выявляет важность участия местного населения в природоохранной политике

Исследование Университета Иллинойса, впервые применившее алгоритмы машинного обучения для оценки политики в области природных ресурсов, показало, что управление лесами фермерскими кооперативами в индийском регионе Кангра напрямую способствует как здоровью лесов, так и благополучию местных фермеров, в отличие от лесов, управляемых государством.

Используя спутниковые снимки NASA и методы машинного обучения, учёные смогли оценить эффективность двух политик восстановления лесов, реализуемых в Кангре с 2002 года, за 14-летний период на более чем 200 участках. Традиционные методы оценки, рассматривающие только средний эффект, не выявили бы различий. Однако алгоритм, учитывающий контекст, показал, что успех кооперативов объясняется сильными местными институтами, гарантированными правами на землю и поддержкой традиционного уклада жизни, включая выпас скота. В государственных лесах рост деревьев зависел лишь от природных факторов.

«Это первое применение алгоритмов машинного обучения в политике и управлении природными ресурсами для оценки того, как политика работает на практике», — отмечает ведущий автор исследования Пушпендра Рана. Новый метод, использующий общедоступные данные, может стать мощным инструментом для оценки экологической политики в глобальном масштабе.