Desarrollan un sistema para clasificar tipos de bosques de forma automática a través de inteligencia artificial
Este trabajo, emprendido por los grupos ‘Khaos’ y ‘ETC’ de la UMA, se enmarca en el proyecto sobre medio ambiente, biodiversidad y cambio climático ‘EnBiC2-Lab’
Una investigación de la Universidad de Málaga ha creado una herramienta capaz de clasificar los bosques haciendo uso de la inteligencia artificial (IA), a través de imágenes de satélite. El grupo Khaos, en colaboración con el Centro Temático Europeo de la UMA (ETC-UMA), ha desarrollado este nuevo sistema.
Los investigadores aluden a la importancia de la observación de la Tierra basada en imágenes de satélite, ya que proporciona una base tecnológica que posibilita la creación de aplicaciones de vanguardia en torno a diversos campos: el cambio climático, la agricultura de precisión, el urbanismo inteligente, la degradación del suelo o los cambios en la cubierta terrestre. En concreto, tal y como apunta la investigadora Virginia García, “el riesgo de degradación del medio ambiente ha crecido significativamente durante las últimas décadas. En este sentido, el seguimiento del uso del suelo desempeña un papel fundamental en la consecución de varios objetivos estratégicos a escala mundial, como la conservación de la biodiversidad, la reducción de las emisiones de carbono y el calentamiento global, la planificación urbana y la agricultura”.
Particularmente, el estudio recoge el valor de los bosques como reguladores del clima y de la diversidad, al igual que la relevancia que adquiere su protección y restauración, reflejada en políticas internacionales y europeas como la reciente Ley Europea de Restauración de bosques, el Pacto Verde Europeo o los Objetivos de Sostenibilidad de Naciones Unidas.
Aunque los diferentes gobiernos elaboran catálogos detallados de los diferentes usos del suelo e inventarios forestales, estos se actualizan tras largos periodos de tiempo, lo que no permite realizar un seguimiento contino. Por ello, “en este trabajo nos planteamos el reto de desarrollar una metodología que facilite la clasificación de la cubierta terrestre en zonas extensas como la cuenca mediterránea, además de crear mapas de bosques a nivel de especies. En este contexto, nos encontramos con la necesidad de analizar gran cantidad de imágenes de satélite”, expone Antonio Manuel Burgueño, otro de los autores del proyecto. Este extenso volumen de datos de imágenes de satélite sin procesar requiere “el uso de soluciones basadas en el big data” matiza Burgueño.
Clasificación de los bosques de la cuenca mediterránea
Para poder clasificar los diferentes usos del suelo, y con el objetivo de contemplar los cambios que se producen en los bosques a lo largo del año (fenómeno conocido como “fenología”) dependiendo del tipo de especies arbóreas, se han analizado las tres estaciones. Asimismo, a través de técnicas de inteligencia artificial, se ha creado un modelo que, “en base a anotaciones de zonas de bosque para las que se conoce su tipología, se puede predecir el tipo de bosque en zonas para las que no se dispone de información. De esta forma, usando datos de un porcentaje pequeño del territorio total de la cuenca mediterránea, se ha podido hacer la clasificación de los bosques de la cuenca completa, que incluye 19 países”, explica el investigador Ismael Navas.
El proceso de búsqueda de datos de campo para entrenar los modelos de AI contó con la participación de voluntarios de 16 países: por una parte, investigadores que han cedido sus datos de campo; por otra, a través de una Datathon (encuentro de investigadores) en la que 46 participantes recolectaron datos de usos de suelo de sus países de origen.
Gracias a este sistema, será posible disponer de mapas actualizados anualmente que permitirán estudiar los efectos del cambio climático y de la actividad humana sobre estos bosques, la efectividad de las políticas forestales o la capacidad de recuperación de estos tras los incendios, “lo que facilitaría a las administraciones la toma de decisiones basadas en datos para la conservación y restauración de nuestros espacios naturales”, añaden los autores.
El grupo Khaos, ETC-UMA y el proyecto EnBic2-Lab
Este trabajo ha sido desarrollado por el grupo de investigación KHAOS de la Universidad de Málaga, que forma parte del Instituto de Tecnología e Ingeniería del Software “Jose María Troya Linero”, en colaboración con el "Centro Temático Europeo de la UMA” (European Topic Centre, ETC-UMA) que trabaja para la Agencia Europea del Medio Ambiente (European Environment Agency, EEA). Por su parte, el “Laboratorio de Medio Ambiente, Biodiversidad y Cambio Climático (EnBic2 Lab)” es un proyecto cofinanciado por parte del Ministerio de Ciencia e Innovación a través de Fondos FEDER del Programa Operativo Plurirregional de España 2014-2020.
Acceso al artículo completo:
Antonio Manuel Burgueño, José F. Aldana-Martín, María Vázquez-Pendón, Cristóbal Barba-González, Yaiza Jiménez Gómez, Virginia E. García-Millán, Ismael Navas-Delgado. Scalable approach for high-resolution land cover: a case study in the Mediterranean Basin. Journal of Big Data 10(1): 91 (2023). https://doi.org/10.1186/s40537-023-00770-z