Usando datos de monitoreo satelital, los investigadores han desarrollado un algoritmo de aprendizaje profundo que podría proporcionar mapas mensuales de uso de la tierra y cobertura de la tierra en tiempo real para partes de la India.
Uno de los 10 países más ricos en bosques del mundo, alrededor de 80,9 millones de hectáreas de árboles cubren India, 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 área de bosques nativos. Ahora, mientras los bosques de la India continúan desapareciendo, los investigadores se concentran en ayudar a preservar lo que queda.
«Nuestro trabajo se realizó en un esfuerzo por ayudar al gobierno y las industrias de la India a mejorar los intentos del país por lograr la sostenibilidad forestal», dijo Ying Zuo, autor principal del proyecto y estudiante graduado en ciencias de la tierra en la Universidad Estatal de Ohio.
El sistema de monitoreo del uso de la tierra fue entrenado utilizando 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 utilizando imágenes de PlanetScope, una constelación de satélites que toma imágenes diarias de todo el globo.
Al combinar los 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 adquirir un tipo de mapa base más detallado del área.
«En un esfuerzo por combinar dos conjuntos de datos en el mismo sistema, los volvimos a muestrear en 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». Básicamente, esto fusiona miles de imágenes pequeñas en un mapa base más grande.
Después de entrenar su modelo de aprendizaje profundo en estas nuevas imágenes satelitales, el equipo pudo procesar 10 mapas base del área, desde enero hasta octubre de 2022.
El póster de investigación se presentó la semana pasada en la reunión anual de la Unión Geofísica Americana. Durante su presentación, Zuo dijo que al utilizar estos mapas, el equipo pudo detectar cambios estacionales en toda la India, como cambios en las tierras baldías, cómo las tierras de cultivo 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 vital que los ecologistas estudien más de cerca el impacto estacional de los monzones en la cubierta forestal de la India. Comprender estos cambios estacionales puede ayudar a los científicos a comprender los efectos del cambio climático en los bosques.
«A medida que aumenta la temperatura promedio de nuestra Tierra, los peligros naturales serán mucho más frecuentes, por lo que tener estos mapas a nuestra disposición beneficia la comprensión de todos sobre cómo este problema afecta la vida en la Tierra», dijo.
Además, si el equipo puede ampliar el período de tiempo de estos mapas base durante varios años en lugar de varios meses, Zuo dijo que mejores resultados podrían ayudar a los científicos a estudiar otros cambios anuales en todo el mundo, como las inundaciones.
«Las características de los bosques locales y sus hábitats circundantes probablemente sean diferentes en otras regiones», dijo Zuo. «Pero con la ayuda de conjuntos de datos más detallados, nuestro trabajo podría usarse 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 proporcionado por Universidad del Estado de Ohio. Original escrito por Tatyana Woodall. Nota: el contenido se puede editar por estilo y longitud.
