Grandes mudanças na pressão humana definidas como o ml-HFI em 2019 menos isso em 2000, onde o sombreado vermelho denota mudanças maiores que 0,25 e o sombreado azul denota mudanças menores que -0,25. O sombreado cinza denota o ml-HFI de 2000 para referência. Os países com contorno verde estão experimentando aumentos substanciais em HFI e fazendo progresso em direção ao ODS15. Painéis inseridos fornecem exemplos de aumento da pressão humana e os recursos relevantes usados pela CNN para identificar a atividade humana. Da esquerda para a direita, cada inserção mostra (à esquerda) imagens GFCv1.7 do ano 2000, (meio) imagens GFCv1.7 do ano 2019 e (à direita) recursos mais relevantes para a CNN por sua previsão do ml-HFI para o ano 2019. As imagens GFCv1.7 são plotadas em cores falsas, pois suas bandas espectrais estão fora do espectro visível. Crédito: Cartas de Pesquisa Ambiental (2021). DOI:10.1088 / 1748-9326 / abe00a
A pandemia do coronavírus levou os pesquisadores a mudar de marcha ou abandonar temporariamente os projetos devido a protocolos de saúde ou por não poderem viajar. Mas para Patrick Keys e Elizabeth Barnes, marido e mulher cientistas da Colorado State University, o ano passado levou a uma colaboração de pesquisa produtiva.
Eles se juntaram a Neil Carter, professor assistente da Universidade de Michigan, em um artigo publicado em Cartas de Pesquisa Ambiental que descreve um mapa baseado em satélite da pressão humana em terras ao redor do mundo.
Chaves, autor principal e cientista pesquisador na Escola de Sustentabilidade Ambiental Global da CSU, disse que a equipe usou o aprendizado de máquina para produzir o mapa, que revela onde ocorreram mudanças abruptas na paisagem em todo o mundo. O mapa mostra um instantâneo quase presente dos efeitos do desmatamento, mineração, expansão das redes rodoviárias, urbanização e aumento da agricultura.
“O mapa que desenvolvemos pode ajudar as pessoas a entender os desafios importantes na conservação da biodiversidade e na sustentabilidade em geral, "disse Chaves.
O ano pandêmico proporcionou uma oportunidade para Patrick Keys e Elizabeth Barnes, marido e mulher cientistas da Colorado State University, para colaborar em novas pesquisas. Crédito:Joe Mendoza / CSU Photography
Este tipo de mapa pode ser usado para monitorar o progresso para o Objetivo de Desenvolvimento Sustentável 15 das Nações Unidas (ODS15), "Vida na Terra, “que visa fomentar o desenvolvimento sustentável e ao mesmo tempo conservar a biodiversidade.
Oito algoritmos para englobar dados de todo o mundo
Barnes, professor associado do Departamento de Ciências Atmosféricas da CSU, fez o trabalho pesado no lado dos dados do projeto.
Apesar de escalonar os deveres dos pais com Chaves, ela escreveu código como nunca antes, trabalhando com trilhões de pontos de dados e treinando até oito algoritmos separados para cobrir diferentes partes do mundo. Ela então combinou os algoritmos para fornecer uma classificação perfeita para todo o planeta.
Inicialmente, os dois pesquisadores tiveram que aprender a falar a língua de trabalho do outro.
"Pat inicialmente teve uma ideia para esta pesquisa, e eu disse, "O aprendizado de máquina não funciona assim, ", disse Barnes.
Ela então esboçou os componentes com ele:A entrada é algo que queremos ser capazes de ver do espaço, como uma imagem de satélite; e o resultado é alguma medida do que os humanos estão fazendo na Terra. A parte intermediária da equação era o aprendizado de máquina.
Keys disse que o que Barnes projetou é uma rede neural convolucional, que é comumente usado para interpretar imagens. É semelhante ao funcionamento do Facebook quando o site sugere marcar amigos em uma foto.
"É como nossos olhos e nossos cérebros, " ele disse.
No desenvolvimento do algoritmo, eles usaram dados existentes que classificaram os impactos humanos no planeta, fatores como estradas e edifícios, e pastagens para gado e desmatamento. Então, a rede neural convolucional aprendeu como interpretar com precisão imagens de satélite, com base nestes dados existentes.
A partir da análise de um país, Para o mundo
Os pesquisadores começaram com a Indonésia, um país que passou por mudanças rápidas nos últimos 20 anos. No final do verão, depois de terem certeza do que identificaram na Indonésia usando o aprendizado de máquina, Keys sugeriu que olhassem para o globo inteiro.
"Lembro-me de dizer a ele que não é possível, "disse Barnes." Ele sabe sempre que eu digo isso, Vou voltar e tentar fazer funcionar. Uma semana depois, tínhamos todo o globo planejado. "
Barnes disse que usar o aprendizado de máquina não é infalível, e requer algum acompanhamento para garantir que os dados sejam precisos.
"O aprendizado de máquina sempre fornecerá uma resposta, seja lixo ou não, "ela explicou." Nosso trabalho como cientistas é determinar se é útil. "
Keys passou muitas noites no Google Earth revisando mais de 2, 000 lugares no globo no ano 2000 e depois comparou esses locais com 2019. Ele observou as mudanças e confirmou os dados com Barnes.
A equipe de pesquisa também fez um mergulho mais profundo em três países - Guiana, Marrocos e Gâmbia - para entender melhor o que encontraram.
No futuro, quando novos dados de satélite estiverem disponíveis, Keys disse que a equipe pode gerar rapidamente um novo mapa.
"Podemos conectar esses dados a esta rede neural agora treinada e gerar um novo mapa, "disse ele." Se fizermos isso todos os anos, teremos esses dados sequenciais que mostram como a pressão humana na paisagem está mudando. "
Keys disse que o projeto de pesquisa ajudou a levantar seu ânimo no ano passado.
"Honestamente, Eu tive um momento difícil durante a pandemia, "disse ele." Olhando para trás, Consegui trabalhar neste projeto que foi empolgante, Diversão, interessante e aberto, and with great people. It brightened the pandemic considerably."
