La pandemia de coronavirus ha llevado a los investigadores a cambiar de marcha o abandonar temporalmente los proyectos debido a protocolos de salud o por no poder viajar. Pero para Patrick Keys y Elizabeth Barnes, científicos marido y mujer de la Universidad Estatal de Colorado, el año pasado condujo a un resultado productivo.colaboración en investigación.
Se asociaron con Neil Carter, profesor asistente de la Universidad de Michigan, en un artículo publicado en Cartas de investigación ambiental que describe un mapa satelital de la presión humana en tierras de todo el mundo.
Keys, autor principal e investigador científico de la Escuela de Sostenibilidad Ambiental Global de CSU, dijo que el equipo utilizó el aprendizaje automático para producir el mapa, que revela dónde se han producido cambios abruptos en el paisaje en todo el mundo.presente una instantánea de los efectos de la deforestación, la minería, la expansión de las redes de carreteras, la urbanización y el aumento de la agricultura.
"El mapa que hemos desarrollado puede ayudar a las personas a comprender los desafíos importantes en la conservación de la biodiversidad y la sostenibilidad en general", dijo Keys.
Este tipo de mapa podría usarse para monitorear el progreso del Objetivo de Desarrollo Sostenible 15 de las Naciones Unidas ODS 15, "Vida en la tierra", que tiene como objetivo fomentar el desarrollo sostenible conservando la biodiversidad
Ocho algoritmos para abarcar datos de todo el mundo
Barnes, profesor asociado en el Departamento de Ciencias Atmosféricas de CSU, hizo el trabajo pesado en el lado de los datos del proyecto.
Mientras escalonaba las tareas de crianza con Keys, escribió código como nunca antes, trabajó con billones de puntos de datos y entrenó hasta ocho algoritmos separados para cubrir diferentes partes del mundo. Luego fusionó los algoritmos para proporcionar una clasificación perfecta para el conjuntoplaneta.
Al principio, los dos investigadores tuvieron que aprender a hablar el idioma de trabajo del otro.
"Pat inicialmente tuvo una idea para esta investigación y yo dije: 'El aprendizaje automático no funciona de esa manera'", dijo Barnes.
Luego bosquejó los componentes con él: la entrada es algo que queremos poder ver desde el espacio, como una imagen de satélite; y la salida es una medida de lo que los humanos están haciendo en la Tierra. La parte central de la ecuaciónera aprendizaje automático.
Keys dijo que lo que Barnes diseñó es una red neuronal convolucional, que se usa comúnmente para interpretar imágenes. Es similar a cómo funciona Facebook cuando el sitio sugiere etiquetar amigos en una foto.
"Es como nuestros ojos y nuestro cerebro", dijo.
Al desarrollar el algoritmo, utilizaron datos existentes que clasificaban los impactos humanos en el planeta, factores como carreteras y edificios, y tierras de pastoreo para el ganado y la deforestación. Luego, la red neuronal convolucional aprendió a interpretar con precisión las imágenes de satélite, basándose en estolos datos existentes.
De un análisis de un país al mundo
Los investigadores comenzaron con Indonesia, un país que ha experimentado un cambio rápido en los últimos 20 años. A fines del verano, después de estar seguros de lo que identificaron en Indonesia mediante el aprendizaje automático, Keys sugirió que examinaran todo elglobo.
"Recuerdo haberle dicho que no es posible", dijo Barnes. "Él sabe que cada vez que diga eso, volveré y trataré de hacerlo funcionar. Una semana después, teníamos todo el mundo resuelto".
Barnes dijo que el uso del aprendizaje automático no es infalible y requiere cierto seguimiento para garantizar que los datos sean precisos.
"El aprendizaje automático siempre proporcionará una respuesta, ya sea basura o no", explicó. "Nuestro trabajo como científicos es determinar si es útil".
Keys pasó muchas noches en Google Earth revisando más de 2,000 lugares en el mundo en el año 2000 y luego comparó esos sitios con 2019. Observó cambios y confirmó los datos con Barnes.
El equipo de investigación también profundizó en tres países: Guyana, Marruecos y Gambia, para comprender mejor lo que encontraron.
En el futuro, cuando haya nuevos datos satelitales disponibles, Keys dijo que el equipo puede generar rápidamente un nuevo mapa.
"Podemos conectar esos datos a esta red neuronal ahora entrenada y generar un nuevo mapa", dijo. "Si hacemos eso todos los años, tendremos estos datos secuenciales que muestran cómo la presión humana sobre el paisaje está cambiando. "
Keys dijo que el proyecto de investigación ayudó a levantarle el ánimo durante el último año.
"Honestamente, he tenido un momento difícil durante la pandemia", dijo. "Mirando hacia atrás, pude trabajar en este proyecto que fue emocionante, divertido, interesante y abierto, y con grandes personas.la pandemia considerablemente ".
Fuente de la historia :
Materiales proporcionado por Universidad Estatal de Colorado . Original escrito por Mary Guiden. Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :