Среднее отношение площади мин личинок каштановой минирующей моли к общей площади листовой поверхности каштана в Ленинградской и прилегающих областях в августе — сентябре 2024 года (%)
Как научные волонтёры и нейросеть вместе следят за здоровьем городских деревьев
Каштановая минирующая моль поражает городские деревья, но отслеживать масштаб распространения вручную почти невозможно. Рассказываем, как Центр технологий для общества Yandex Cloud с помощью ИИ и научных волонтёров собирает карту поражений каштанов.
10 июля 2026 г.
10 минут чтения
Краткий пересказ YandexGPT
- Каштановая минирующая моль (Cameraria ohridella) наносит вред городским каштанам: её личинки прогрызают ходы-мины в листьях, из-за чего те усыхают и опадают раньше времени.
- Моль быстро распространяется по России: впервые её зафиксировали в 2003 году в Калининградской области, а к 2021 году она была обнаружена в большинстве европейских регионов страны.
- Системный подход к оценке ущерба от моли долгое время отсутствовал: ручной осмотр деревьев — медленный, субъективный и не масштабируемый метод.
- «Каштановый компас» — научно-волонтёрская инициатива и цифровая платформа для сбора, обработки и визуализации данных о состоянии каштанов в городах России.
- Проект основан на принципах гражданской науки: данные собирают не только учёные, но и жители городов, школьники, студенты и экологические сообщества. Участники проекта фотографируют листья каштанов, отмечают координаты и загружают данные на платформу.
- Степень поражения листьев определяют по визуальной шкале от 0 до 7. Загруженные фото анализирует нейросеть, которая также выставляет балл по шкале от 0 до 7 — это позволяет проверить субъективную оценку человека.
- Оценки участника и нейросети сохраняются независимо друг от друга, а если данные сильно расходятся, наблюдение проверяет эксперт.
- Собранные данные отображаются на интерактивной карте, которая показывает ситуацию по регионам и с разбивкой по сезонам.
- В первом сезоне наблюдений волонтёры собрали 6831 наблюдение от 643 участников из 58 регионов России.
- Проект имеет потенциал для масштабирования и может быть применён к другим деревьям и экологическим задачам.
Почему каштановая минирующая моль — проблема для городов
Если в середине лета листья каштанов в вашем городе побурели и выглядят так, будто наступила ранняя осень, скорее всего, это работа каштановой минирующей моли (Cameraria ohridella). Её личинки прогрызают внутри листа ходы-мины, поэтому листья преждевременно усыхают и опадают. Дерево слабеет, хуже переносит зиму, становится уязвимее для других болезней и теряет декоративность. В результате городские зелёные насаждения теряют и внешний вид, и экологические функции.
Для России это относительно новый вредитель, и распространяется он быстро. Впервые моль зафиксировали в 2003 году в Калининградской области, в 2005 году она добралась до Москвы, а в 2007-м — до Санкт-Петербурга. К 2021 году её можно было встретить в большинстве европейских регионов страны. Исследование 2023 года, которое учёные проводили вместе с волонтёрами, подтвердило присутствие моли в 24 из 39 обследованных районов европейской части России — причём в большинстве из них деревья были повреждены значительно. По прогнозам исследователей, ареал вредителя продолжит расширяться вплоть до Урала.
Насколько быстро моль осваивает отдельный город, показывает многолетний мониторинг в Великих Луках Псковской области: первые единичные особи там заметили в 2012 году, а всего через пять лет, к 2017 году, вредитель уже поражал все обследованные каштаны. В Ленинградской области к 2025 году моль нашли почти во всех административных районах, причём в некоторых из них за один сезон успевали смениться три поколения вредителя.
Отдельно стоит сказать, что моль вредит не только каштанам: рядом с поражёнными деревьями исследователи фиксировали повреждения и других пород, например клёнов.
Проблема очевидна, а вот системного ответа на неё до сих пор не было. Состояние деревьев оценивают в основном вручную: специалист осматривает листья и на глаз определяет степень поражения. Это медленно, субъективно и не масштабируется — охватить так все каштаны большого города, а тем более страны, невозможно. Единой карты, которая показывала бы, где и насколько сильно деревья поражены молью, не существовало.
Как устроен «Каштановый компас» и при чём здесь гражданская наука
У Центра технологий для общества Yandex Cloud уже был успешный опыт похожего проекта — сервиса для поиска борщевика по спутниковым снимкам. Та же логика легла и в основу «Каштанового компаса»: создать технологию, которая поможет экологам и волонтёрам решать задачу, требующую огромного ручного труда.
«Каштановый компас» — это научно-волонтёрская инициатива, которая стартовала в 2025 году, и одновременно цифровая платформа для сбора, обработки и визуализации данных о состоянии каштанов в городах России. Идея в том, чтобы объединить две силы: внимательных горожан, которые видят деревья каждый день, и технологии компьютерного зрения, которые быстро и единообразно оценивают поражение по фотографии.
Проект реализует движение «Экологический патруль». Куратор проекта — Леонела Голдобина, научный руководитель — кандидат биологических наук, директор АНОО «Гимназия Святителя Василия Великого» Иван Смирнов, научный консультант — эколог, выпускник биофака МГУ Глеб Бабич. За разработку и обучение нейросети отвечает команда Yandex Cloud.
Концепция проекта построена на принципах гражданской науки: данные собирают не только учёные, но и жители городов, школьники, студенты и экологические сообщества. Так проект одновременно решает две задачи — собирает масштабную базу наблюдений и вовлекает людей в заботу о городской экологии.
Каштановая минирующая моль оказалась на удивление удобным объектом для гражданской науки. Поражение хорошо заметно на листе, его легко оценить по единой шкале без специального оборудования — а значит, к наблюдениям можно подключить кого угодно, от школьника до пенсионера. И для самого человека это не просто «сфотографировал дерево во дворе»: он осваивает настоящие методы экологического мониторинга, учится работать с геоданными и становится полноценным участником большого исследования. А все собранные наблюдения складываются в открытую базу — по ней мы изучаем, как распространяется вредитель, и готовим рекомендации, как защитить городские каштаны. Такой масштаб в одиночку не собрать никакими силами.
Как фото превращается в точку на карте
Между снимком каштана во дворе и координатами на общей карте несколько шагов.
Сбор
Участник выбирает каштан, фотографирует его листья крупным планом, отмечает координаты и загружает данные на платформу. Чтобы наблюдения были сопоставимыми, у съёмки есть свои правила: листья разной степени поражения нужно снять чётко, без посторонних предметов и при хорошем освещении.
Оценка человеком
Степень поражения определяют по визуальной шкале от 0 до 7, где балл привязан к доле повреждённой площади листа: 0 — поражения нет, 1 — около 2% и так далее до 7 — почти весь лист в минах. Балл дерева считают как среднее по трём–пяти листьям. Например, для листьев с оценками 1, 2, 3 и 4 средний балл дерева — 2,5.
Чтобы стандартизировать наблюдения, используют визуальную шкалу: 0 — поражения нет, 4 — повреждена четверть листа, 7 — почти весь лист покрыт минами
Оценка нейросетью
Загруженное фото анализирует нейросеть: определяет, поражён ли лист каштановой минирующей молью, и выставляет свой балл по той же шкале. Так ручная субъективная оценка получает автоматическую проверку.
Контроль качества и визуализация
Оценки участника и нейросети сохраняются независимо друг от друга: участник не меняет свой балл после анализа ИИ, а если данные сильно расходятся, наблюдение проверяет эксперт. Только после этого наблюдение попадает на общую интерактивную карту.
Интерактивная карта отображает ситуацию по регионам и с разбивкой по сезонам
Таким образом, человек, нейросеть и эксперт здесь не заменяют друг друга, а работают вместе. Именно это делает собранные данные пригодными и для карты, и для научного анализа.
Саму нейросеть построили на архитектуре ConvNeXt и обучили на снимках прошлого сезона, которые волонтёры размечали вручную по той же шкале от 0 до 7. Обучение проходило в Yandex DataSphere. На тестовых данных средняя ошибка модели составила около 10%, то есть точность — более 90%. Сейчас на карте отображаются прошлогодние наблюдения с ручной оценкой, а с открытием нового сезона нейросеть начнёт обрабатывать поток свежих фотографий.
Примеры снимков, первый из которых и человек, и нейросеть оценили на 1 балл, второй — на 4 балла, третий — на 7 баллов
Под капотом платформы — стек, который команда развернула в облаке: серверная часть на FastAPI, база данных с расширением PostGIS для работы с геоданными, фоновая обработка задач через Celery, фронтенд на Angular и картография на Яндекс Картах. Файлы наблюдений хранятся в Yandex Object Storage, а вычисления идут на виртуальных машинах Yandex Compute Cloud.
Что уже сделали и что будет дальше
Первый сезон наблюдений показал, что подход работает. Научные волонтёры проекта «Экологический патруль» собрали 6831 наблюдение от 643 участников из 58 регионов России — от Москвы и Санкт-Петербурга до Пензенской области и Краснодарского края. Этих данных хватило, чтобы обучить нейросеть и построить первую версию интерактивной карты. По сути это и есть открытая база наблюдений за состоянием городских каштанов — первая в своём роде.
Уже сейчас на карте видно, насколько по-разному моль ведёт себя в разных регионах. Где-то средний балл поражения приближается к пяти — то есть деревья повреждены достаточно сильно, а где-то не дотягивает и до единицы. Эта разница и есть тот материал, ради которого затевался проект: по нему видно, где стоит обратить внимание на каштаны в первую очередь и как вредитель распространяется по стране.
Дальше проект будет расти. Чем больше людей подключается и чем больше городов охвачено, тем точнее карта и полнее картина распространения моли. А методику, отработанную на каштанах, со временем можно применить и к другим деревьям и экологическим задачам: подход к мониторингу зелёных насаждений силами горожан масштабируется на другие города России.
В Центре технологий для общества мы поддерживаем проекты, которые превращают науку и современные технологии в решение реальных задач. «Каштановый компас» показывает, как искусственный интеллект усиливает гражданскую науку: нейросеть берёт на себя анализ тысяч снимков, а жители становятся полноценными участниками экологического исследования. В результате получается инструмент, который помогает сразу всем — учёным, городам и самим горожанам — лучше понимать, что происходит с городской средой.
Заключение
«Каштановый компас» показывает важную вещь: следить за здоровьем города могут сами горожане — нужен лишь удобный инструмент. Каждое наблюдение здесь на счету: один каштан во дворе — это точка на карте, которой раньше не было, и данные, которых не получить никаким другим способом. Из таких точек и складывается живая карта, по которой видно, где деревьям нужна помощь.
Новый сезон наблюдений уже открыт, и присоединиться может каждый. Найдите каштан, поражённый или здоровый, сфотографируйте его листья по инструкции на сайте проекта и добавьте наблюдение — ваша точка появится на общей карте.
Центр технологий для общества Yandex Cloud реализует социально значимые проекты в области образования и науки, здравоохранения, экологии и культуры. Если у вас есть похожие проекты, заполните заявку.
