Los bosques albergan la mayor parte de la biodiversidad terrestre de la Tierra y desempeñan un papel fundamental en la absorción de dióxido de carbono de la atmósfera. Los servicios ecosistémicos proporcionados por los bosques sustentan una defensa esencial contra las crisis climática y de biodiversidad. Sin embargo, persisten lagunas críticas en la comprensión científica de la estructura y extensión de los bosques mundiales.
Debido a que la gran mayoría de los datos existentes sobre los bosques mundiales se derivan de imágenes satelitales de resolución baja a media (10 o 30 metros), existe una brecha en la comprensión científica de los sistemas forestales dinámicos y más dispersos, como la agrosilvicultura, los bosques de tierras secas y los bosques alpinos. Bosques, que en conjunto constituyen más de un tercio de los bosques del mundo.
El grupo Meta Sustainability y el World Resources Institute han publicado recientemente un mapa global de altura de los árboles con una resolución de 1 m.
En un esfuerzo por avanzar en el monitoreo forestal de código abierto, todos los datos de altura de la copa de los árboles y los modelos de inteligencia artificial son gratuitos y están disponibles públicamente.
Índice
¿Qué es la estimación global de la altura de la copa de los árboles?
La estimación global de la altura de los árboles se refiere al proceso de determinar la altura de los árboles de los bosques en todo el mundo utilizando diversas técnicas de detección remota. Esta estimación es crucial para varios estudios ecológicos y ambientales, incluida la evaluación de la biodiversidad, la estimación de la biomasa y la investigación del cambio climático.
Detalle sobre los datos
El conjunto de datos analiza las mejores imágenes satelitales disponibles de los años 2009 a 2020. Si bien la nubosidad y la estacionalidad imponen limitaciones en las fechas de las imágenes analizadas, el 80% de los datos se produce con imágenes de entre los años 2018 y 2020.
Para crear mapas con un uso razonable de recursos, era necesario tanto un modelo globalmente robusto como una inferencia rápida. Esto se consiguió aprovechando un modelo de última generación basado en métodos desarrollados por Inteligencia Artificial (AI) en Meta Research llamado DiNOv2. El modelo se entrenó en 18 millones de imágenes de satélite (0,5 millones de imágenes en color natural de Maxar Technologies), que abarcan más de un billón de píxeles, de todo el mundo.
El modelo de IA permite predecir la altura del dosel para un área determinada con un error absoluto medio de 2,8 m, lo que permite la detección y medición de árboles individuales. Para ampliar la aplicabilidad del modelo de IA, se han creado para utilizar imágenes aéreas y de drones cuando se vuelven a muestrear con la misma resolución de 0,5 m. y un equilibrio de color similar. Los detalles del modelo y el rendimiento se pueden encontrar en este reciente artículo.
¡A probarlo!
Gracias a los autores es posible comprobar por nosotros mismos las posibilidades del mapa global con la altura de los árboles ¡The Canopy Height!
Este enlace se ha creado utilizando Google Earth Engine y se han cargado las siguientes variables:
- Versión más reciente: mapa de resolución de 1 metro:
var canopy_ht = ee.ImageCollection(“proyectos/meta-forest-monitoring-okw37/assets/CanopyHeight”)
- Versión anterior: mapa de resolución de 1 kilómetro:
var dataset = ee.Image('NASA/JPL/global_forest_canopy_height_2005')
Fuentes:
- https://sustainability.fb.com/blog/2024/04/22/using-artificial-int elligence-to-map-the-earths-forests/
- https://geoawesomeness.com/global-canopy-height-estimation-with-1-meter-resolution/
- https://www.sciencedirect.com/science/article/pii/S003442572300439X
Licenciado en Geografía. Máster en Sistemas de Información Geográfica. Consultor GIS desde el año 2004. En MappingGIS desde el año 2012 para ayudarte a impulsar tu perfil GIS y diferenciarte de la competencia. Echa un vistazo a todos nuestros cursos de SIG online.