Los ecosistemas de manglares, vitales para la biodiversidad y la mitigación del cambio climático, se enfrentan a desafíos en el monitoreo y la conservación debido a su compleja composición de especies. Un nuevo estudio introduce un enfoque impulsado por la IA para clasificar las especies de manglares con una precisión notable, lo que podría transformar los esfuerzos de conservación.
Los manglares son cruciales para la biodiversidad, la mitigación del cambio climático y la protección costera, pero se enfrentan a amenazas del cambio climático y las actividades humanas. Los métodos de monitoreo tradicionales no logran capturar con precisión sus características complejas. La integración de algoritmos avanzados de aprendizaje automático con datos de teledetección multifuente ofrece una solución prometedora. Con base en estos desafíos, es esencial llevar a cabo una investigación exhaustiva para desarrollar técnicas más precisas y efectivas para la clasificación de especies de manglares, lo que puede mejorar significativamente los esfuerzos de conservación y restauración.
Investigadores de la Academia China de Ciencias han desarrollado un nuevo marco para la clasificación de especies de manglares utilizando un algoritmo de aprendizaje conjunto XGBoost, como se publicó en la Revista de Teledetección, el 6 de junio de 2024. El estudio (DOI: 10.34133/remotesensing.0146), que combina datos de teledetección multifuente, ofrece un salto significativo en la precisión del mapeo de especies de manglares.
El estudio examinó la Reserva Natural Nacional de Manglares de Zhanjiang en China, utilizando datos de los satélites WorldView-2, OrbitaHyperSpectral y ALOS-2. Los investigadores extrajeron 151 características de teledetección y diseñaron 18 esquemas de clasificación para analizar los datos. Al combinar estas características con el algoritmo XGBoost y la eliminación recursiva de características, lograron una precisión de clasificación impresionante del 94.02%. La integración de datos multiespectrales, hiperespectrales y de radar de apertura sintética demostró ser altamente efectiva para distinguir seis especies diferentes de manglares. Este enfoque demostró que las fuentes de datos combinadas mejoraron significativamente los resultados de clasificación en comparación con los datos de una sola fuente. El estudio destaca el potencial de las técnicas avanzadas de teledetección y los algoritmos de aprendizaje automático para mejorar el monitoreo ecológico y la clasificación de especies, proporcionando un marco sólido para futuras investigaciones y aplicaciones prácticas en la conservación de manglares.
El Dr. Junjie Wang, autor correspondiente del estudio, destaca el impacto potencial de esta investigación, afirmando: “Nuestros hallazgos no solo avanzan en el campo de la clasificación de especies de manglares, sino que también contribuyen a la aplicación más amplia de la IA en la conservación ecológica, proporcionando una herramienta sólida para los científicos ambientales y los responsables políticos”.
La aplicación de este marco de IA se extiende más allá de la clasificación de especies, ofreciendo información sobre la salud de los manglares, la dinámica de los ecosistemas y ayudando en la evaluación de los esfuerzos de degradación y restauración. Las implicaciones de esta investigación son de gran alcance, apoyando el desarrollo sostenible y las iniciativas de conservación a escala global.
###
Referencias
DOI
URL de la fuente original
Información de financiación
Esta investigación fue financiada conjuntamente por la Fundación Nacional de Ciencias Naturales de China (42171379, 42222103, 42101379 y 42171372), el Programa de Desarrollo de Ciencia y Tecnología de la provincia de Jilin, China (20210101396JC), la Asociación de Promoción de la Innovación Juvenil de la Academia China de Ciencias (2017277 and 2021227), el Proyecto de Grupo de Jóvenes Científicos del Instituto Nororiental de Geografía y Agroecología, Academia China de Ciencias (2022QNXZ03), y el Programa de Ciencia y Tecnología de Shenzhen (JCYJ20210324093210029).
Acerca de Revista de Teledetección
The Revista de Teledetección, una revista de acceso abierto solo en línea publicada en asociación con AIR-CAS, promueve la teoría, la ciencia y la tecnología de la teledetección, así como la investigación interdisciplinaria dentro de la ciencia de la tierra y la información.
Journal
Revista de Teledetección
Asunto de Investigación
No aplicable
Título del artículo
Rendimiento del algoritmo de aprendizaje conjunto XGBoost para la clasificación de especies de manglares con datos de teledetección espacial multifuente
Fecha de publicación del artículo
6 de junio de 2024
Declaración de COI
Los autores declaran que no tienen intereses en conflicto.
