Notícia

Rede neural pode identificar a altura de árvores a partir de imagens de satélite

Usando uma rede neural artificial, pesquisadores criaram o primeiro mapa global de altura de vegetação de alta resolução para 2020 a partir de imagens de satélite

EcoVision Lab, ETH Zurique

Fonte

ETH Zurique | Instituto Federal de Tecnologia de Zurique

Data

segunda-feira, 25 abril 2022 14:55

Áreas

Ciência Ambiental. Ciência de Dados. Engenharia Florestal. Geociências. Inteligência Artificial. Monitoramento Ambiental. Recursos Naturais. Sensoriamento Remoto.

O ano passado marcou o início da Década da ONU sobre a Restauração de Ecossistemas. Esta iniciativa visa travar a degradação dos ecossistemas até 2030, impedindo-a de avançar e, se possível, remediando os danos já causados. A execução desses objetivos exige fundamentos precisos, como levantamentos e mapas da vegetação existente.

Em uma entrevista, o Dr. Ralph Dubayah, o pesquisador principal da missão Global Ecosystem Dynamics Investigation (GEDI) da NASA, explicou: “Nós simplesmente não sabemos quão altas são as árvores globalmente. […] Precisamos de bons mapas globais de onde estão as árvores. Porque sempre que derrubamos árvores, liberamos carbono na atmosfera e não sabemos quanto carbono estamos liberando”.

Analisar e preparar precisamente este tipo de dados ambientais é a especialidade do Laboratório EcoVision do Departamento de Engenharia Civil, Ambiental e Geomática do Instituto Federal de Tecnologia de Zurique (ETH Zurique), na Suíça. Lá, os pesquisadores estão desenvolvendo algoritmos de aprendizado de máquina que permitem a análise automática de dados ambientais em larga escala. Um desses pesquisadores é o doutorando Nico Lang. Em sua tese de doutorado, ele desenvolveu uma abordagem – baseada em redes neurais – para derivar a altura da vegetação a partir de imagens ópticas de satélite. Usando essa abordagem, ele conseguiu criar o primeiro mapa de altura de vegetação que cobre toda a Terra: o Global Canopy Height Map.

A alta resolução do mapa é outra novidade: graças ao trabalho de Lang, os usuários podem ampliar até 10×10 metros de qualquer pedaço de floresta na Terra e verificar a altura das árvores. Um levantamento florestal desse tipo pode abrir caminho principalmente para o tratamento das emissões de carbono, já que a altura das árvores é um indicador-chave da biomassa e da quantidade de carbono armazenada. “Cerca de 95% da biomassa nas florestas é composta de madeira, não de folhas. Assim, a biomassa se correlaciona fortemente com a altura”, explicou o Dr. Konrad Schindler, Professor de Fotogrametria e Sensoriamento Remoto do ETH Zurique.

Rede treinada com dados de varredura a laser do espaço

Mas como um computador lê a altura da árvore a partir de uma imagem de satélite? “Como não sabemos quais padrões o computador precisa observar para estimar a altura, deixamos que ele aprenda com os melhores filtros de imagem”, disse Nico Lang. Ele mostrou milhões de exemplos para sua rede neural – cortesia das imagens dos dois satélites Copernicus Sentinel-​2 operados pela Agência Espacial Europeia (ESA). Esses satélites capturam todos os locais da Terra a cada cinco dias com uma resolução de 10×10 metros por pixel. São as imagens da mais alta qualidade atualmente disponíveis ao público.

O algoritmo também deve ter acesso à resposta correta – ou seja, a altura da árvore derivada das medições do laser espacial do GEDI mission da NASA. “A missão GEDI fornece dados esparsos e distribuídos globalmente sobre a altura da vegetação entre as latitudes de 51 graus norte e sul, para que o computador veja muitos tipos de vegetação diferentes no processo de treinamento”, explicou Nico Lang. Com a entrada e a resposta, o algoritmo pode adquirir os filtros para os próprios padrões texturais e espectrais. Uma vez que a rede neural tenha sido treinada, ela pode estimar automaticamente a altura da vegetação a partir das mais de 250.000 imagens (cerca de 160 terabytes de dados) necessárias para o mapa global.

Em linguagem técnica, a rede neural de Lang é conhecida como rede neural convolucional (CNN). A ‘convolução’ é uma operação matemática na qual o algoritmo desliza uma máscara de filtro de 3×3 pixels sobre a imagem de satélite para obter informações sobre os padrões de brilho na imagem. “O truque aqui é que empilhamos os filtros de imagem. Isso fornece informações contextuais ao algoritmo, pois cada pixel, da camada de convolução anterior, já inclui informações sobre seus vizinhos”, disse o Dr. Konrad Schindler. Como resultado, o EcoVision Lab foi o primeiro a usar com sucesso mapas de satélite para também estimar de forma confiável alturas de árvores de até 55 metros.

Mas lidar com a enorme quantidade de dados continua sendo muito desafiador: calcular o mapa global de altura da vegetação levaria até três anos para um único computador com bom poder computacional. “Felizmente, temos acesso ao cluster de computação de alto desempenho do ETH Zurique, então não tivemos que esperar três anos para que o mapa fosse calculado”, disse Nico Lang, satisfeito com o resultado da pesquisa.

Para permitir que a pesquisa continue, o mapa e seu código-fonte serão disponibilizados publicamente. Os primeiros interessados já entraram em contato: o Dr. Walter Jetz, professor da Universidade Yale, nos Estados Unidos, quer usar o Global Canopy Height Map para modelagem de biodiversidade. No entanto, o mapa também pode ser de interesse para governos, órgãos administrativos e ONGs. “Graças ao Sentinel-2, a altura da vegetação pode ser recalculada a cada cinco dias, tornando possível monitorar o desmatamento da floresta tropical”, concluiu o doutorando Nico Lang.

O resumo do trabalho científico está publicado na forma de pré-impressão (ainda sem avaliação por pares) na plataforma arXiv.

Acesse o artigo científico completo na pré-impressão (em inglês).

Acesse o Global Canopy Height Map (em inglês).

Acesse a notícia completa na página do ETH Zurique (em inglês).

Fonte: Stéphanie Hegelbach, ETH Zurique. Imagem: EcoVision Lab, ETH Zurique.

Os comentários constituem um espaço importante para a livre manifestação dos usuários, desde que  cadastrados no Canal Ambiental e que respeitem os Termos e Condições de Uso. Portanto, cada comentário é de responsabilidade exclusiva do usuário que o assina, não representando a opinião do Canal Ambiental, que pode retirar, sem prévio aviso, comentários postados que não estejam de acordo com estas regras.

Leia também

2024 ambiental t4h | Notícias, Conteúdos e Rede Profissional em Meio Ambiente, Saúde e Tecnologias

Entre em Contato

Enviando
ou

Fazer login com suas credenciais

ou    

Esqueceu sua senha?

ou

Create Account