Una nueva investigación levanta las nubes sobre la deforestación y la pérdida de biodiversidad
Los investigadores de QUT han desarrollado un nuevo sistema matemático de aprendizaje automático que ayuda a identificar y detectar cambios en la biodiversidad, incluida la deforestación, cuando las nubes obstruyen las imágenes de satélite.
Utilizando métodos estadísticos para cuantificar la incertidumbre, la investigación, publicada en Teledetección en ecología y conservación, analizó las imágenes de satélite disponibles de un área de 180 kilómetros cuadrados en el centro-sur de Queensland.
La región es el hogar de muchas especies nativas, incluido el Wombat de nariz peluda del norte en peligro de extinción y el Vulnerable Greater Glider, y el área se compone principalmente de bosques, pastos y tierras de cultivo.
La Dra. Jacinta Holloway-Brown dice que medir los cambios en la cubierta forestal a lo largo del tiempo es esencial para monitorear y preservar los hábitats y es un objetivo clave de desarrollo sostenible de las Naciones Unidas y el Banco Mundial para gestionar los bosques de manera sostenible.
«Las imágenes de satélite son importantes, ya que es demasiado difícil y costoso recopilar datos de campo con frecuencia en grandes áreas boscosas», dijo el Dr. Holloway-Brown.
«El problema con el uso de imágenes satelitales es que grandes porciones de la tierra están oscurecidas por las nubes y esta capa de nubes causa grandes y frecuentes cantidades de datos faltantes».
El Dr. Holloway-Brown dijo que, sobre la base de 12 años de imágenes de satélite, se ha estimado que, en promedio, alrededor del 67 por ciento de la tierra está oscurecida por la cobertura de nubes.
«Con nuestro método, podemos comparar píxel a píxel qué tipo de cobertura terrestre hay y si ha cambiado desde la última imagen. Por ejemplo, si el píxel era un bosque en la última imagen y la semana siguiente más o menos. convertido en el suelo o en el tocón de un árbol, podemos detectarlo «, dijo.
La investigación involucró el cálculo de dos tipos simulados de eventos de tala, la tala neta que implica la eliminación de todos los árboles del área y la quema para prepararlos para el crecimiento futuro, y en segundo lugar, el aclareo de árboles que implica solo la eliminación de árboles del área, dejando arbustos más pequeños, prados. y pasto detrás.
Al simular nubes, los investigadores, incluidos la distinguida profesora Kerrie Mengersen y la Dra. Kate Helmstedt de QUT, pudieron «probar los límites» del método y saber qué tan bien o no podía predecir lo que había debajo de las nubes.
Los resultados mostraron que el método detectó con precisión el cambio de cobertura terrestre simulado tanto en condiciones de tala rasa como de raleo de árboles.
«Obtenemos las predicciones más actualizadas de los datos faltantes de las nubes al entrenar nuestro método de aprendizaje automático en los bordes de esas nubes y predecir las áreas faltantes», dijo.
El Dr. Holloway-Brown presentará la investigación al Equipo de Trabajo de las Naciones Unidas sobre Datos de Observación de la Tierra.
«Hay posibilidades reales de utilizar nuestro método para marcar la diferencia en el monitoreo forestal», dijo.
Fuente de la historia:
Materiales proporcionados por Universidad de Tecnología de Queensland. Nota: El contenido se puede cambiar según el estilo y la longitud.