La Inteligencia Artificial (IA) es la herramienta más nueva en el arsenal para prevenir la degradación y el agotamiento de los bosques, y nuevas investigaciones revelan cómo la tecnología puede ayudar a proteger el ecosistema.
por la Universidad Charles Darwin
Investigadores de la Universidad Charles Darwin (CDU) han colaborado en un estudio internacional, dirigido por la Universidad de Sri Lanka, para desarrollar un modelo de IA que detecta cambios en la cobertura forestal, o la cantidad de superficie terrestre cubierta por árboles.
Según Naciones Unidas, entre 2000 y 2022 hubo una pérdida neta de superficie forestal de 100 millones de hectáreas.
Los investigadores tomaron la arquitectura U-Net (que se utiliza a menudo para la segmentación de imágenes en el análisis de imágenes biomédicas) y la adaptaron para comparar imágenes pasadas y presentes del ecosistema y detectar dónde ha ocurrido pérdida de bosques.
Este modelo personalizado se alimentó con un conjunto de datos de imágenes de Google Earth y fue capaz de detectar cambios en la cobertura forestal con una precisión del 94,37%.
Los investigadores también probaron el modelo en otros conjuntos de datos, que tuvieron una tasa de precisión del 97,82% y 98,44% respectivamente.
Bharanidharan Shanmugam, coautor y profesor asociado de Tecnología de la Información de la CDU, dijo que el modelo era ideal para aplicaciones del mundo real porque producía altos índices de precisión a pesar de necesitar menos muestras de entrenamiento.
«Los métodos tradicionales de monitoreo de la cobertura forestal suelen tener dificultades para lograr precisión y eficiencia. Muchos se basan en la interpretación manual, que requiere mucho tiempo y es propensa a errores», afirmó el profesor asociado Shanmugam. «Nuestra investigación proporciona una herramienta poderosa para que gobiernos, agencias ambientales y conservacionistas detecten y monitoreen la deforestación con mayor eficacia.
Al aprovechar técnicas de aprendizaje profundo, nuestro modelo permite el análisis rápido de imágenes satelitales, lo que permite a las autoridades identificar zonas de alto riesgo y responder a la deforestación antes de que se produzcan daños irreversibles. A diferencia de los enfoques tradicionales que requieren un gran esfuerzo manual, nuestro método automatiza el proceso, haciendo que el monitoreo a gran escala sea más viable y rentable.
El estudio fue una colaboración entre investigadores de la Universidad de Sri Lanka, CDU, la Universidad Friedrich-Alexander en Alemania, la Universidad de Peradeniya en Sri Lanka y la Universidad de Otago en Nueva Zelanda.
El coautor y profesor de Tecnología de la Información de la CDU, Dr. Thuseethan Selvarajah, dijo que otra ventaja era que el modelo puede funcionar con datos etiquetados limitados.
«Esto lo hace altamente adaptable para su uso en regiones donde no se dispone de conjuntos de datos de entrenamiento de alta calidad», afirmó el Dr. Selvarajah. «Ya sea implementado en selvas tropicales , bosques boreales o bosques templados, el modelo puede proporcionar información valiosa para las iniciativas de conservación «.
Al integrar esta tecnología en los marcos de monitoreo ambiental existentes, los gobiernos y las organizaciones de conservación pueden mejorar su capacidad para proteger los bosques, hacer cumplir las regulaciones y mitigar los impactos a largo plazo de la deforestación. En un contexto más amplio, esta investigación contribuye a los esfuerzos globales para combatir el cambio climático y preservar la biodiversidad.
Más información: Ashen Iranga Hewarathna et al., Detección de cambios en ecosistemas forestales mediante imágenes de teledetección con Siamese Attention U-Net, Technologies (2024). DOI: 10.3390/technologies12090160
