.
Um novo sistema de aprendizagem automática desenvolvido na Universidade do Alasca Fairbanks pode produzir automaticamente mapas detalhados a partir de dados de satélite para mostrar locais de abetos prováveis mortos por besouros no Alasca, mesmo em florestas de infestação baixa e moderada, onde a identificação é difícil.
O processo automatizado pode ajudar os gestores florestais e de incêndios florestais nas suas decisões. Isso é fundamental à medida que a infestação de besouros se espalha.
A Divisão de Silvicultura e Proteção contra Incêndios do Alasca chama o besouro do abeto de “o inseto mais prejudicial nas florestas do Alasca”.
O sistema de identificação do professor assistente Simon Zwieback do Instituto Geofísico da UAF foi detalhado no Jornal ISPRS de Fotogrametria e Sensoriamento Remoto em 18 de maio. Zwieback também é afiliado à Faculdade de Ciências Naturais e Matemática da UAF.
O trabalho preenche uma lacuna de conhecimento: como mapear automaticamente prováveis infestações por besouros em áreas de gravidade baixa a moderada.
“Não temos mapas estaduais abrangentes de árvores mortas por besouros porque os produtos existentes dependem em grande parte de observações de especialistas de aviões, que são caros e restritos no espaço e no tempo”, disse Zwieback. “Isso limita a capacidade das partes interessadas de responder ao surto em curso”.
Os silvicultores do Alasca agora usam voos de pesquisa, interpretação manual demorada de imagens de alta resolução e análise automatizada de imagens de satélite mais grosseiras para encontrar abetos mortos em florestas mistas. Imagens mais grosseiras podem ser usadas para identificar áreas inteiras de árvores mortas, mas não árvores mortas individuais.
Nenhum desses métodos de identificação, incluindo o de Zwieback, pode determinar a causa da morte de uma árvore individual. A probabilidade de infestação por besouros é presumida devido à sua presença bem conhecida e aos danos já causados.
O método de Zwieback combina a eficiência da automação com o detalhe das imagens de satélite de alta resolução.
“Usar aprendizado de máquina e imagens de alta resolução é o caminho a seguir em florestas mistas”, disse Zwieback.
O aprendizado de máquina é um tipo de inteligência artificial que se concentra no desenvolvimento de algoritmos e modelos estatísticos que permitem aos computadores aprender e fazer previsões ou decisões com base em dados.
O algoritmo de aprendizado de máquina de Zwieback é treinado usando locais conhecidos de abetos mortos. Durante o treinamento, o algoritmo aprende a reconhecer abetos mortos com base em sua forma e cor características e em pistas contextuais, como sombras. Uma vez treinado de forma satisfatória, ele pode identificar rápida e automaticamente abetos mortos.
Zwieback testou o método em imagens de uma área de estudo de aproximadamente 167 acres a oeste de uma linha que vai de Talkeetna a Byers Lake. As regiões florestadas da área de estudo consistem em povoamentos mistos de abetos e bétulas.
A região foi fortemente afetada por uma infestação de besouros que começou em meados da década de 2010.
O método de Zwieback conseguiu identificar abetos mortos em povoamentos contendo apenas algumas árvores mortas.
Em todo o estado, a infestação afetou aproximadamente 2 milhões de acres, principalmente no centro-sul do Alasca, desde 2016. Ela se espalhou para o norte, até Cantwell e as montanhas da Cordilheira do Alasca, em 2020.
A morte de um grande número de abetos resulta em várias alterações no ecossistema e consequências relacionadas: a vegetação do sub-bosque pode transformar-se em gramíneas e arbustos, e os ramos mortos podem sujar o chão. Tudo isso aumenta o perigo de incêndio florestal, pois coloca mais combustível ao nível do solo.
O método de Zwieback pode ajudar nas decisões sobre prevenção e supressão de incêndios.
A diminuição do valor dos recursos madeireiros e a deterioração estética da paisagem são preocupações adicionais.
Zwieback continua sua pesquisa.
“Gostaria de implementar isso para todo o estado sempre que novas imagens chegarem”, disse ele. “A detecção remota pode ajudar-nos a compreender a dinâmica do surto e informar a nossa resposta a ele, especialmente à medida que migra para o Interior.”
O trabalho foi financiado pela NASA EPSCoR e pela National Science Foundation EPSCoR, o Programa Estabelecido para Estimular a Pesquisa Competitiva.
Zwieback disse que locais de campo foram instalados em terras de propriedade da Ahtna, uma corporação indígena regional do centro-sul do Alasca, para entender melhor o progresso e as consequências do surto à medida que ele se move para o Interior.
.
