Drones são o futuro para mapeamento e monitoramento da natureza. Em comparação com as imagens de satélite, imagens de drones fornecem 1, 000 vezes melhor resolução de imagem e um milhão de vezes mais pontos de dados, diz Kasper Hancke, biólogo marinho no Instituto Norueguês de Pesquisa Hídrica (NIVA).

É um dia de verão surpreendentemente agradável e calmo em Søre Sunnmøre, pelas ilhas ultraperiféricas da Noruega Ocidental. Embora os hippies fora de pista ainda estejam esquiando na neve do último verão nos fiordes, a temporada de caiaque já começou aqui, em uma baía silenciosa perto de Fosnavåg. Mas nem tudo é pacífico. Um zumbido é ouvido de cima; um enorme drone está voando sistematicamente ao longo da costa. Na costa, um homem está de pé com algas marinhas até os joelhos, segurando em seus braços uma prateleira mais alta do que ele. Este é o biólogo marinho Kasper Hancke, do Instituto Norueguês de Pesquisa Hídrica (NIVA). Ele está aqui para fotografar uma parte da natureza que a maioria de nós normalmente não vê - a zona entre a maré baixa e a maré alta.

- "Usualmente, quando estamos mapeando a zona das marés, fazemos o registro manualmente:Spiral wrack, destroços de bexiga, destroços com nós, destroços dentados, e assim por diante. Mas agora tentamos, pela primeira vez, para tirar fotos de cima em vez disso, "diz Hancke." Quando o drone voa 100 metros acima do solo, tira fotos com resolução de 3 x 3 cm. Isso oferece 1, Resolução de imagem 000 vezes melhor, ou um milhão de vezes mais pontos de dados, do que imagens de satélite, que geralmente têm uma resolução de 30 x 30 m. "

Hancke está convencido de que os drones são o futuro para o mapeamento e monitoramento da natureza e dos recursos naturais.

Aprendizado de máquina e impressões digitais

Mais tarde, à medida que as tempestades de inverno se aproximam de Fosnavåg, Hancke está de volta a salvo em seu escritório em Oslo. As fotos do drone são salvas em seu computador, e Hancke iniciou o processo de analisá-los. O software usa aprendizado de máquina; reconhece padrões nas imagens e categoriza os diferentes elementos. O programa pode então determinar a quantidade de algas de cada tipo que existe na área representada. Hancke explica:"Cada família de algas marinhas tem sua própria assinatura colorida, que o software reconhece. Isso se deve à combinação de comprimentos de onda refletidos pelos diferentes tipos de algas marinhas. Cada família recebe sua própria impressão digital, expresso em cores. O software reconhece a impressão digital da alga, e, assim, categoriza os elementos na imagem. "

A identificação por cor é chamada de análise de imagem multi-espectral, que é como o software distingue entre diferentes grupos de algas marinhas. Hancke está otimista sobre análises futuras envolvendo análise de imagens hiperespectrais, que tem uma resolução de cores ainda maior. As fotos dos drones podem então ser usadas para identificar a quantidade precisa de cada espécie de algas marinhas e florestas mistas de algas, e calcular a quantidade de epífitas nas superfícies das algas.

Um ano atrás, O colega de Hancke, Trine Bekkby, estava em Søre Sunnmøre para mapear a zona litorânea do Artsdatabanken (Centro de Informação sobre Biodiversidade da Noruega) e do projeto EfficienSea da UE. Ela encontrou os dois destroços dentados, oarweed, algas açucaradas, emaranhado, e algas vermelhas. Em junho deste ano, ela voltou e continuou o trabalho um nível acima, na zona entremarés. Ela fez o mapeamento tradicional - com uma câmera e um caderno. Como Bekkby já havia mapeado a distribuição de algas em Søre Sunnmøre quando Hancke procurou um local de teste de drones, tornou a decisão fácil. Usando seus registros de algas marinhas de Søre Sunnmøre, ele agora pode validar as imagens do drone, e melhorar os algoritmos de aprendizado de máquina.

Novos modelos de mapeamento

O projeto de mapeamento em Søre Sunnmøre está em execução desde 2016, e é uma colaboração entre pesquisadores da NIVA, Pesquisa Geológica da Noruega (NGU), e Instituto de Pesquisa Marinha (HI). Os dados geológicos e biológicos são usados ​​para desenvolver um método padrão para o mapeamento de "tipos naturais" marinhos de acordo com o sistema de classificação da Natureza na Noruega (NiN).

O mapeamento em andamento das áreas costeiras em Søre Sunnmøre também faz parte de um projeto piloto, Møre Pilot, no âmbito do projeto da UE denominado EfficienSea. O EfficienSea visa melhorar o conhecimento sobre onde existem ecossistemas vulneráveis, de modo que o transporte futuro e a construção de novas construções possam ser evitados nas áreas mais vulneráveis.

Usando o novo, mapas de alta resolução do fundo do mar da NGU, Bekkby e seus colegas também estão trabalhando no desenvolvimento de novos modelos para mapear os tipos da natureza. A esperança deles é que eles possam usar os mapas geológicos marinhos rasos da NGU juntamente com dados sobre o ambiente físico, como temperatura, salinidade, exposição às ondas e luz para modelar os diferentes tipos de natureza ao longo da costa.

Grande potencial para drones

Duas salas à esquerda do escritório de Bekkby na NIVA, senta Hancke. Ele imagina um futuro brilhante para o mapeamento de drones, que será muito mais eficiente e econômico do que os métodos de mapeamento atuais. O mapeamento de drones também fornece observações contínuas ao longo da costa, em vez de pontos de dados únicos que precisam ser extrapolados, como agora. No futuro, Hancke também quer usar drones para tirar fotos subaquáticas do ar, não apenas fotos da intertidal exposta. As câmeras adaptadas para fotos subaquáticas ainda não estão no mercado, mas a NIVA desenvolveu seu próprio equipamento especial para esse propósito.

"Avançar, imagens de drones podem ser usadas para monitorar a expansão de espécies introduzidas, como a ostra do Pacífico. Também estamos trabalhando para o uso de drones para quantificação de plásticos e lixo marinho nos oceanos costeiros e ao longo da costa, e estão desenvolvendo rotinas automatizadas de análise de imagens, "Hancke diz.