Un equipo colaborativo de investigadores dirigido por Ben Weinstein de la Universidad de Florida, Oregón, EE. UU., utilizó el aprendizaje automático para generar mapas muy detallados de más de 100 millones de árboles individuales de 24 sitios en todo Estados Unidos, el 16 de julio. Publique sus resultados.Th En Revista de Acceso Abierto Biología PLoS. Estos mapas brindan información sobre especies y condiciones de árboles individuales, lo que puede ayudar enormemente en los esfuerzos de conservación y otros proyectos ambientales.
Los ecologistas llevan mucho tiempo recopilando datos sobre especies de árboles para comprender mejor el ecosistema único del bosque. Históricamente, esto se ha hecho mediante el estudio de pequeñas parcelas de tierra y la extrapolación de los resultados, aunque esto no puede explicar la variabilidad en el bosque. Otros métodos pueden cubrir grandes áreas, pero a menudo tienen dificultades para clasificar árboles individuales.
Para crear mapas grandes y muy detallados del bosque, los investigadores entrenaron un tipo de algoritmo de aprendizaje automático llamado red neuronal profunda en imágenes de la copa de los árboles y otros datos de sensores tomados por el uso de aviones. Estos datos de entrenamiento cubrieron 40.000 árboles individuales y, como todos los datos utilizados en este estudio, fueron proporcionados por la Red Nacional de Observatorios Ecológicos.
La red neuronal profunda pudo clasificar las especies de árboles más comunes con una precisión del 75 al 85 por ciento. Además, el algoritmo puede proporcionar otros análisis importantes, como informar qué árboles están vivos o muertos.
Los investigadores descubrieron que la red neuronal profunda tenía la mayor precisión en áreas con más espacio abierto en la copa de los árboles y funcionaba mejor al clasificar especies de árboles coníferos, como pinos, cedros y secuoyas. La red también tuvo mejores resultados en áreas con baja diversidad de especies. Comprender las fortalezas de los algoritmos puede resultar útil para aplicar estos métodos a diferentes ecosistemas forestales.
Los investigadores también cargaron las predicciones de sus modelos en Google Earth Engine para que sus resultados pudieran ayudar a otras investigaciones ambientales. “La diversidad de conjuntos de datos superpuestos promoverá mejores áreas de comprensión de la ecología forestal y el funcionamiento de los ecosistemas”, agregaron los investigadores.
Los autores agregaron: “Nuestro objetivo es proporcionar a los investigadores los primeros mapas a gran escala de la diversidad de especies de árboles de los ecosistemas de todo Estados Unidos. Estos mapas de árboles del dosel se actualizan con nuevos datos recopilados en cada sitio mediante la colaboración con investigadores de NEON”. sitios, podemos hacer predicciones cada vez mejores con el tiempo”.
