p Os pesquisadores da QUT desenvolveram um novo sistema matemático de aprendizado de máquina que ajuda a identificar e detectar mudanças na biodiversidade, incluindo desmatamento, quando as imagens de satélite são obstruídas por nuvens. p Usando métodos estatísticos para quantificar a incerteza, a pesquisa, publicado em Remote Sensing in Ecology and Conservation, analisou as imagens de satélite disponíveis de uma área quadrada de 180 km no centro-sudeste de Queensland.

p A região é o lar de muitas espécies nativas, incluindo o wombat de nariz peludo do norte em perigo crítico e o vulnerável planador-gigante, e a área consiste principalmente de floresta, pasto, e terras agrícolas.

p A Dra. Jacinta Holloway-Brown diz que medir as mudanças na cobertura florestal ao longo do tempo é essencial para rastrear e preservar os habitats e é um objetivo chave de desenvolvimento sustentável das Nações Unidas e do Banco Mundial para gerenciar as florestas de forma sustentável.

p "Imagens de satélite são importantes, pois é muito difícil e caro coletar dados de campo com frequência, áreas florestadas, "Dr. Holloway-Brown disse.

p "O problema com o uso de imagens de satélite é que grandes porções da Terra estão obscurecidas por nuvens e essa cobertura de nuvens causa grandes e frequentes quantidades de dados perdidos."

p Dr. Holloway-Brown disse que foi estimado com base em 12 anos de imagens de satélite, em média, aproximadamente 67 por cento da Terra está obscurecida por nuvens.

p "Usando nosso método, podemos comparar pixel por pixel que tipo de cobertura de terra existe e se mudou desde a última imagem. Por exemplo, se o pixel era floresta na última imagem e na próxima semana ou mais tarde mudou para solo ou toco de árvore, somos capazes de detectar isso, " ela disse.

p A pesquisa envolveu o cálculo de dois tipos simulados de eventos de compensação, corte raso que envolve a remoção de todas as árvores da área e queima para se preparar para o crescimento futuro e, em segundo lugar, desbaste de árvores que envolve apenas a remoção de árvores da área, deixando arbustos menores, pastagem, e pasto atrás.

p Simulando nuvens, Os pesquisadores, que inclui a Distinta Professora Kerrie Mengersen e Dra. Kate Helmstedt da QUT, poderia "testar os limites" do método e saber o quão bem ele poderia ou não prever o que estava sob as nuvens.

p Os resultados mostraram que o método detectou com precisão a mudança simulada na cobertura da terra, tanto em corte raso quanto em desbaste de árvores.

p "Obtemos as previsões mais atualizadas de dados perdidos devido a nuvens, treinando nosso método de aprendizado de máquina nas bordas dessas nuvens e prevendo as áreas ausentes, " ela disse.

p O Dr. Holloway-Brown deve apresentar a pesquisa para a Equipe de Trabalho das Nações Unidas sobre Dados de Observação da Terra.

p “Existem possibilidades reais de usar nosso método para fazer uma diferença real no monitoramento florestal, " ela disse.

p Os pesquisadores fazem parte do Centro de Excelência para Fronteiras Matemáticas e Estatísticas do Australian Research Council, com sede em QUT.