Usando datos de monitoreo satelital, los investigadores han desarrollado un algoritmo de aprendizaje profundo que podría proporcionar mapas mensuales de uso y cobertura de la tierra en tiempo real para partes de la India.

Como uno de los 10 países más boscosos del mundo, India cubre alrededor de 80,9 millones de hectáreas de árboles, aproximadamente el 25% de la nación, pero esta es una disminución significativa con respecto a años anteriores. Entre las décadas de 1890 y 1990, una combinación de rápido desarrollo económico y sobreexplotación de los recursos locales hizo que India perdiera casi el 80 % de su cubierta forestal nativa. Ahora que los bosques de la India siguen desapareciendo, los investigadores se concentran en ayudar a preservar lo que queda.

«Nuestro trabajo se realizó en un esfuerzo por ayudar al gobierno y la industria de la India a mejorar los intentos del país por lograr la sostenibilidad forestal», dijo Ying Zuo, autor principal del proyecto y estudiante de doctorado en Ciencias de la Tierra en la Universidad Estatal de Ohio.

El sistema de monitoreo del uso de la tierra fue entrenado con datos proporcionados por la Iniciativa Internacional de Bosques y Clima de Noruega (NICFI), una empresa del gobierno noruego que tiene como objetivo reducir la destrucción de los bosques tropicales, en parte proporcionando imágenes de alta resolución de los trópicos del mundo. El producto se genera a partir de imágenes de PlanetScope, una constelación de satélites que captura imágenes de todo el mundo a diario.

Al combinar datos de los productos de NICFI con un mapa global de cobertura terrestre producido por la Universidad de Tsinghua, su modelo de aprendizaje profundo pudo obtener un tipo de mapa base más detallado del área.

«Para combinar dos conjuntos de datos en el mismo sistema, los volvimos a muestrear con la misma resolución espacial y alineamos cada píxel para crear un conjunto de datos de entrenamiento emparejado etiquetado con imágenes», dijo Zuo. “El proceso nos ayuda a asimilar los dos conjuntos de datos para que puedan usarse para entrenar nuestro modelo de aprendizaje profundo.” Esto esencialmente fusiona miles de imágenes pequeñas en un mapa base más grande.

Después de entrenar su modelo de aprendizaje profundo con estas nuevas imágenes satelitales, el equipo pudo procesar 10 mapas base del área que abarcan desde enero hasta octubre de 2022.

El póster de investigación se presentó en la reunión anual de la Unión Geofísica Americana la semana pasada. Durante su presentación, Zuo dijo que con estos mapas, el equipo pudo ver cambios estacionales en India, como: B. Cambios en las tierras baldías, cómo las tierras cultivables se vieron afectadas por los monzones durante la temporada de lluvias y la distribución de los bosques en las regiones montañosas.

Una conclusión del estudio fue que es crucial que los ecologistas observen más de cerca los efectos estacionales de los monzones en la cubierta forestal de la India. Comprender estos cambios estacionales puede ayudar a los científicos a comprender el impacto del cambio climático en los bosques.

«A medida que aumenta la temperatura promedio de nuestra Tierra, los peligros naturales se volverán mucho más comunes, por lo que tener estos mapas disponibles ayuda a todos a comprender cómo este problema está afectando la vida en la Tierra», dijo.

Si el equipo puede extender el período de tiempo de estos mapas base a varios años en lugar de varios meses, Zuo dice que mejores resultados podrían ayudar a los científicos a estudiar otros cambios anuales en todo el mundo, como B. Inundaciones.

«Las características de los bosques locales y sus hábitats circundantes probablemente podrían ser diferentes en otras regiones», dijo Zuo. «Pero con la ayuda de conjuntos de datos más detallados, nuestro trabajo podría implementarse fácilmente en áreas del mundo donde detectar y alertar al público sobre la degradación forestal y sus efectos secundarios debe convertirse en una prioridad».

Los coautores del póster incluyen a CK Shum, Rongjun Qin, Yuanyuan Jia, Guixiang Zhang y Shengxi Gui, todos investigadores del estado de Ohio. Este trabajo fue apoyado por el Proyecto de Sostenibilidad Forestal de USAID.

fuente de la historia:

Materiales proporcionados por Universidad del Estado de Ohio. Escrito originalmente por Tatiana Woodall. Nota: El contenido se puede editar por estilo y longitud.

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí