Os dados de satélite usados pelos arqueólogos para encontrar vestígios de ruínas antigas escondidas sob densas dosséis da floresta também podem ser usadas para melhorar a velocidade e a precisão para medir quanto carbono é retido e liberado em florestas.
Compreender esse ciclo de carbono é essencial para a pesquisa de mudanças climáticas, de acordo com Hamdi Zurqani, professor assistente de ciência geoespacial do Arkansas Forest Resources Center e da Faculdade de Florestas, Agricultura e Recursos Naturais da Universidade do Arkansas em Monticello. O centro está sediado na UAM e realiza atividades de pesquisa e extensão por meio da Estação Experimental Agrícola do Arkansas e do Serviço de Extensão Cooperativa, a Divisão de Pesquisa e Extensão da Agricultura da Universidade de Arkansas.
“As florestas são frequentemente chamadas de pulmões do nosso planeta e por boas razões”, disse Zurqani. “Eles armazenam aproximadamente 80 % do carbono terrestre do mundo e desempenham um papel crítico na regulação do clima da Terra”.
Para medir o ciclo de carbono de uma floresta, é necessário um cálculo da biomassa da floresta acima do solo. Embora eficazes, os métodos tradicionais baseados no solo para estimar a biomassa de florestas acima do trabalho são intensivos em mão-de-obra, demorados e limitados em habilidades de cobertura espacial, disse Zurqani.
Em um estudo publicado recentemente em Informática ecológicaZurqani mostra como as informações dos satélites de acesso aberto podem ser integradas no Google Earth Engine com algoritmos de inteligência artificial para mapear com rapidez e precisão a biomassa de floresta em larga escala, mesmo em áreas remotas onde a acessibilidade geralmente é um problema.
A nova abordagem de Zurqani usa dados do LiDAR da Dinâmica de Ecossistemas Globais da NASA, também conhecido como Gedi Lidar, que inclui três lasers instalados na Estação Espacial Internacional. O sistema pode medir com precisão a altura tridimensional do dossel da floresta, a estrutura vertical do dossel e a elevação da superfície. O LIDAR significa “Detecção de Luz e Variação” e usa pulsos de luz para medir a distância e criar modelos 3D.
Zurqani também usou dados de imagens da coleção da Agência Espacial Européia de Satélites Sentinel de Observação Earth Copernicus-Sentinel-1 e Sentinel-2. Combinando as imagens 3D de Gedi e as imagens ópticas dos sentinelas, Zurqani melhorou a precisão das estimativas de biomassa.
O estudo testou quatro algoritmos de aprendizado de máquina para analisar os dados: aumento de árvores de gradiente, florestas aleatórias, árvores de classificação e regressão ou carrinho e máquina vetorial de suporte. O aumento de árvores de gradiente alcançou a pontuação de maior precisão e as menores taxas de erro. A floresta aleatória ficou em segundo lugar, provando ser confiável, mas um pouco menos precisa. O CART forneceu estimativas razoáveis, mas tendia a se concentrar em um subconjunto menor. O algoritmo da máquina de vetor de suporte lutou, disse Zurqani, destacando que nem todos os modelos de IA são igualmente adequados para estimar a biomassa florestal acima do solo neste estudo.
As previsões mais precisas, disse Zurqani, vieram da combinação de dados ópticos do Sentinel-2, índices de vegetação, características topográficas e altura do dossel com o conjunto de dados Gedi LiDAR que serve como entrada de referência para o treinamento e o teste dos modelos de aprendizado de máquina, mostrando que a integração de dados de várias saídas é crítica para a conflito de biomass.
Por que isso importa
Zurqani disse que o mapeamento preciso da biomassa florestal tem implicações no mundo real para uma melhor contabilidade de carbono e melhor manejo florestal em escala global. Com avaliações mais precisas, governos e organizações podem rastrear com mais precisão o seqüestro de carbono e as emissões do desmatamento para informar as decisões políticas.
A estrada à frente
Enquanto o estudo marca um salto adiante na medição da biomassa florestal acima do solo, Zurqani disse que os desafios restantes incluem o impacto que o clima pode ter nos dados de satélite. Algumas regiões ainda carecem de cobertura de LiDAR de alta resolução. Ele acrescentou que pesquisas futuras podem explorar modelos mais profundos de IA, como redes neurais, para refinar ainda mais as previsões.
“Uma coisa é clara”, disse Zurqani. “À medida que as mudanças climáticas se intensificam, a tecnologia como essa será indispensável para proteger nossas florestas e o planeta”.
