Em um estudo publicado recentemente em Sensores , Os pesquisadores da Saint Louis University emparelharam dados de imagem de satélite com técnicas de aprendizado de máquina para mapear espécies de árvores locais e saúde. Os dados gerados pelo projeto ajudarão a informar as melhores práticas para a gestão de espaços verdes saudáveis, bem como programas de corte para evitar quedas de energia após tempestades.

Vasit Sagan, Ph.D., professor associado de Ciências da Terra e Atmosféricas na Saint Louis University, afirma que a gestão de espaços verdes urbanos saudáveis ​​é uma estratégia fundamental para combater o aquecimento global.

“Com este trabalho, nosso objetivo era melhorar a qualidade de vida em St. Louis e globalmente, "Sagan disse." Árvores e espaços verdes são essenciais para combater os efeitos do aquecimento global. Em geral, as cidades são cerca de cinco graus Celsius mais quentes do que as áreas rurais. Para reduzir as ilhas de calor urbanas e os efeitos das mudanças climáticas, podemos aumentar os espaços verdes.

"Neste estudo, mapeamos oito espécies de árvores:cipreste calvo, choupo, cinza verde, bordo prateado, bordo de açúcar, pin oak, Pinho austríaco e sicômoro. Ter uma diversidade de espécies de árvores é ótimo. Por outro lado, algumas espécies são mais suscetíveis a tempestades, pois diferentes espécies de árvores têm diferentes tolerâncias ao estresse. A ideia geral era usar tecnologia baseada no espaço para identificar o tipo de espécie de árvore e o estado de saúde. "

Na floresta, uma árvore que é atingida durante uma tempestade pode simplesmente cair sem causar muitos transtornos. Quando uma árvore cai em St. Louis, isso pode causar queda de energia. Compreender as espécies e as condições de saúde das árvores é importante por razões de segurança e econômicas. Milhões de dólares são gastos no corte de árvores a cada ano.

"Com os dados deste projeto, podemos rastrear as taxas de crescimento de diferentes árvores, que pode ajudar as agências a gerenciar seus programas de corte, "Sagan disse." Essas informações serão úteis para organizações como a Ameren em seu programa proativo de poda de árvores. "

Sean Hartling, Estudante de pós-graduação da SLU e autor do artigo, diz que certas árvores têm maior vulnerabilidade ao estresse e tempestades.

"As peras Bradford ou bordos prateados tendem a crescer rapidamente e são baratos, então as pessoas gostam de colocá-los em seus quintais, "Hartling disse." Mas, eles são problemáticos perto de linhas de energia. Carvalho e nogueira, por outro lado, são árvores mais fortes. "

Os pesquisadores usaram imagens do sistema aerotransportado LiDAR (Light Detection and Ranging) junto com técnicas de imagem de satélite para coletar dados sobre árvores. Então, eles "treinaram" uma ferramenta analítica baseada em máquina para identificar árvores com base nesses dados.

"O ponto principal deste projeto era a classificação, "Hartling disse." Ao implementar uma abordagem de fusão de dados, temos dados de diferentes sensores que podem captar diferentes nuances.

"LiDAR é de alta resolução e produz bons conjuntos de dados de imagem. Ele nos dá a altura e a estrutura da árvore. O infravermelho próximo visível nos dá informações sobre as características do espectro visual, como a mudança de pigmento entre as espécies. O infravermelho de onda curta entra nas propriedades químicas, como conteúdo de água e clorofila. Esperamos que esses dados ajudem a melhorar a classificação. "

"Então, também estamos examinando o aprendizado profundo, em que o classificador treina a máquina para identificar árvores. A capacidade de lidar com muitos exemplos de treinamento é um tópico importante na classificação de imagens. Mas, você ainda precisa de amostras para treinar o modelo. "

Então, ao longo de dois meses, Hartling digitalizou quase todas as árvores - cerca de 4, 000 - em Forest Park, a fim de "ensinar" uma ferramenta baseada em máquina a usar os dados de imagem para classificar árvores.

"Desenvolvemos uma ferramenta de análise geoespacial que funde informações de várias fontes para discriminar melhor o tipo de árvore, "Disse Sagan." Isso é realmente de ponta no sentido de que, por um lado, temos conjuntos de dados sensoriais muito elevados que podem nos dizer a altura, forma de árvores, padrões, distribuições. E estamos reunindo isso com ferramentas de modelo geoespacial usando o mais recente aprendizado profundo (de máquina). Esse é o cerne desta pesquisa. "

O próximo passo dos pesquisadores será observar as espécies de árvores, dados de saúde da árvore e informações de utilitários, sobrepor os dados e fazer análises de pontos de acesso, ajudando especialistas a criar mapas de bairros em risco de falta de energia durante tempestades e ajudando a restaurar a energia rapidamente. Conforme a equipe continua seu trabalho, eles irão adicionar aos seus conjuntos de dados usando UAVs (veículos aéreos não tripulados), também conhecido como drones.

"Para o primeiro estudo, usamos imagens de satélite, "Hartling disse." Próximo, estamos usando pequenos UAVs sensoriais para maior resolução e precisão.

"Podemos cobrir cerca de 80 acres em um vôo de 15 minutos com um UAV. Podemos identificar árvores com risco de danos ou doenças. Podemos encontrar escurecimento no topo de um dossel ou uma mudança na casca. Veremos se podemos encontrar um método que possamos usar em uma escala maior. "

"Na verdade, temos dados LiDAR para cada ramo das árvores que estudamos, "Sagan disse." Agora, estamos usando UAVs para criar nossos próprios dados. O poder dos UAVs é que podemos configurar e testar nossas próprias hipóteses, e escalar para satélites. "

"Assim como um médico pode usar imagens para ver se seus pulmões estão saudáveis, estamos usando imagens para diagnosticar se uma planta é saudável ou não, "Sagan disse.

Os cientistas têm parcerias com várias organizações em St. Louis. O projeto atual mapeou árvores no Forest Park. Em parceria com o Cemitério Bellefontaine, a equipe está ajudando a melhorar o ambiente e o nível de arboreto no cemitério de plantas raras e a saúde das árvores criando um parque digital 3-D, bem como mapeamento de espécies de plantas invasoras e raras.