.
Uma equipe colaborativa de pesquisadores liderada por Ben Weinstein da Universidade da Flórida, Oregon, EUA, usou aprendizado de máquina para gerar mapas altamente detalhados de mais de 100 milhões de árvores individuais de 24 locais nos EUA, publicando suas descobertas em 16 de julho.º no periódico de acesso aberto Biologia PLOS. Esses mapas fornecem informações sobre espécies e condições individuais de árvores, o que pode ajudar muito nos esforços de conservação e outros projetos ecológicos.
Os ecologistas há muito tempo coletam dados sobre espécies de árvores para entender melhor o ecossistema único de uma floresta. Historicamente, isso tem sido feito pesquisando pequenos lotes de terra e extrapolando essas descobertas, embora isso não possa explicar a variabilidade em toda a floresta. Outros métodos podem cobrir áreas mais amplas, mas muitas vezes têm dificuldade em categorizar árvores individuais.
Para gerar mapas florestais grandes e altamente detalhados, os pesquisadores treinaram um tipo de algoritmo de aprendizado de máquina chamado rede neural profunda usando imagens da copa das árvores e outros dados de sensores obtidos por avião. Esses dados de treinamento cobriram 40.000 árvores individuais e, como todos os dados usados neste estudo, foram fornecidos pela National Ecological Observatory Network.
A rede neural profunda foi capaz de classificar as espécies de árvores mais comuns com 75 a 85 por cento de precisão. Além disso, o algoritmo também pode fornecer outras análises importantes, como relatar quais árvores estão vivas ou mortas.
Os pesquisadores descobriram que a rede neural profunda teve a maior precisão em áreas com mais espaço aberto na copa das árvores e teve melhor desempenho ao categorizar espécies de árvores coníferas, como pinheiros, cedros e sequoias. A rede também teve melhor desempenho em áreas com menor diversidade de espécies. Entender os pontos fortes do algoritmo pode ser útil para aplicar esses métodos em uma variedade de ecossistemas florestais.
Os pesquisadores também carregaram as previsões de seus modelos no Google Earth Engine para que suas descobertas possam auxiliar outras pesquisas ecológicas. Os pesquisadores acrescentam: “A diversidade de conjuntos de dados sobrepostos promoverá áreas mais ricas de compreensão para ecologia florestal e funcionamento do ecossistema.”
Os autores acrescentam: “Nosso objetivo é fornecer aos pesquisadores os primeiros mapas em larga escala da diversidade de espécies de árvores de ecossistemas nos Estados Unidos. Esses mapas de copas de árvores podem ser atualizados com novos dados coletados em cada local. Ao colaborar com pesquisadores em todos os locais do NEON, podemos construir previsões cada vez melhores ao longo do tempo.”
.
