Un equipo colaborativo de investigadores dirigido por Ben Weinstein de la Universidad de Florida, Oregón, EE. UU., utilizó el aprendizaje automático para generar mapas altamente detallados de más de 100 millones de árboles individuales de 24 sitios en los EE. UU., publicando sus hallazgos el 16 de julio en la revista de acceso abierto PLOS Biology. Estos mapas proporcionan información sobre especies y condiciones de árboles individuales, lo que puede ayudar en gran medida a los esfuerzos de conservación y otros proyectos ecológicos.
Los ecólogos han recopilado datos sobre especies de árboles durante mucho tiempo para comprender mejor el ecosistema único de un bosque. Históricamente, esto se ha hecho mediante el estudio de pequeñas parcelas de tierra y la extrapolación de esos hallazgos, aunque esto no puede explicar la variabilidad en todo el bosque. Otros métodos pueden cubrir áreas más amplias, pero a menudo tienen dificultades para categorizar árboles individuales.
Para generar mapas forestales grandes y altamente detallados, los investigadores entrenaron un tipo de algoritmo de aprendizaje automático llamado red neuronal profunda utilizando imágenes del dosel de los árboles y otros datos de sensores tomados por avión. Estos datos de entrenamiento cubrieron 40,000 árboles individuales y, al igual que todos los datos utilizados en este estudio, fueron proporcionados por la Red Nacional de Observatorio Ecológico.
La red neuronal profunda pudo clasificar la mayoría de las especies de árboles comunes con una precisión del 75 al 85 por ciento. Además, el algoritmo también podría proporcionar otros análisis importantes, como informar qué árboles están vivos o muertos.
Los investigadores encontraron que la red neuronal profunda tenía la mayor precisión en áreas con más espacio abierto en el dosel de los árboles y funcionó mejor cuando se clasificaron especies de árboles coníferos, como pinos, cedros y secuoyas. La red también funcionó mejor en áreas con menor diversidad de especies. Comprender las fortalezas del algoritmo puede ser útil para aplicar estos métodos en una variedad de ecosistemas forestales.
Los investigadores también cargaron las predicciones de sus modelos en Google Earth Engine para que sus hallazgos puedan ayudar a otras investigaciones ecológicas. Los investigadores agregan: “La diversidad de conjuntos de datos superpuestos fomentará áreas más ricas de comprensión para la ecología forestal y el funcionamiento del ecosistema”.
Los autores agregan: “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 pueden actualizar con nuevos datos recopilados en cada sitio. Al colaborar con investigadores de todos los sitios de NEON, podemos construir predicciones cada vez mejores con el tiempo”.
#####
En su cobertura, utilice esta URL para proporcionar acceso al documento disponible gratuitamente en PLOS Biology:
Cita: Weinstein BG, Marconi S, Zare A, Bohlman SA, Singh A, Graves SJ, et al. (2024) Mapas de especies de árboles de dosel individuales para la Red Nacional de Observatorio Ecológico. PLoS Biol 22(7): e3002700.
Países de los autores: Estados Unidos
Financiación: ver manuscrito
Diario
PLOS Biología
Método de investigación
Simulación/modelado computacional
Asunto de investigación
No aplicable
Declaración de COI
Conflictos de intereses: los autores han declarado que no existen conflictos de intereses.
