Os arqueólogos também podem ser usados para melhorar a velocidade e a precisão para medir a quantidade de carbono mantida e liberada na floresta para encontrar sinais de detritos antigos escondidos sob as densas florestas.
De acordo com Hamdi Zurkani, professor assistente de ciência geopacial do Centro de Recursos Florestais do Arkansas, esse ciclo de carbono é a chave para a pesquisa de mudanças climáticas e a Faculdade de Florestas e Recursos Naturais da Universidade de Arakansas em Montiselo, na Faculdade de Florestas, Agricultura e Recursos Naturais. A sede do Centro está no UAM e conduz pesquisa e expansão através da Estação Experimental Agrícola do Departamento de Arkansas e Serviço de Extensão Cooperativa, Pesquisa Agrícola e Armas de Promoção.
Zurkani disse: “As florestas são frequentemente chamadas de pulmões do nosso planeta e pelas razões certas”. “Eles armazenam cerca de 80 % do carbono terrestre do mundo e desempenham um papel importante no controle climático do mundo”.
Para medir o ciclo de carbono de uma floresta, é necessário um cálculo de uma biomassa biológica na floresta superior. Embora eficazes, os métodos tradicionais de base terrestre para a floresta da floresta da floresta são limitados a uma cobertura trabalhosa, demorada e espacial, Zurkani.
Em um estudo publicado recentemente Informação ecológicaZurkani mostra como as informações de satélite de acesso aberto podem ser integradas para mapear a parte superior da floresta com algoritmos de inteligência artificial no Google Earth Engine, mesmo em áreas remotas onde a acessibilidade geralmente é um problema.
Os dados são usados no líder da investigação da Dinâmica do Ecossistema Global da NASA no Método Jurkani Novel, também conhecido como líder do Gaddy, que inclui três lasers instalados na Estação Espacial Internacional. O sistema pode medir adequadamente a altura tridimensional do dossel da floresta, a estrutura vertical do dossel e a altura da superfície. O líder usa “Detecção de luz e variação” e a distância para medir a distância e criar modelos 3D.
Zurkani também usou dados de pintura da observação da Earth Observation da Agência Espacial Européia -Satélites Sentinel -1 e Sentinel -2. Os biomas de Zurkani desenvolveram a precisão da hipótese de biomas em combinação com as imagens 3D e as imagens ópticas dos sandinels de Gedi.
Quatro algoritmos de aprendizado de máquina foram testados para analisar dados no estudo: aumento de árvores de gradiente, floresta aleatória, árvore de classificação e regressão ou carrinho e suporte de máquinas vetoriais. O aumento de árvores de gradiente obteve a pontuação de maior precisão e a menor taxa de erro. A floresta aleatória ficou em segundo lugar, confiável, mas um pouco menos precisa. O CART oferece estimativas razoáveis, mas concentre -se em um pequeno subconjunto. A máquina de vetor de suporte tem algoritmos com dificuldades, Zurkani disse que todos os modelos de IA que destacam este estudo não são igualmente adequados para a suposição de biomassa florestal acima do solo.
Zurkani diz que as previsões mais precisas servem como entradas de referência para o treinamento e o exame de modelos de aprendizado de máquina com dados ópticos de Sandinel -2, indicadores de plantas, características topográficas e conjuntos de dados de líderes da Gaidi, como entrada de referência para o treinamento e o exame de modelos de aprendizado de máquina, criticando a integração da confiabilidade.
Por que é importante
Zurkani disse que o mapeamento adequado de biomassa florestal tem um impacto no mundo real no melhor carbono contábil em todo o mundo e no manejo florestal avançado. Com uma avaliação mais precisa, governos e agências podem rastrear sequências e emissões de carbono com mais precisão da floresta para informar as decisões políticas.
Estrada
Embora a pesquisa esteja à frente no campo de medir a biomassa florestal acima do solo, Zurkani disse que os desafios restantes contêm o efeito do clima nos dados de satélite. Em algumas regiões, ainda há uma falta de cobertura de líder de alta resolução. Ele também acrescentou que os modelos profundos de IA podem procurar redes neurais para refinar ainda mais as futuras previsões de pesquisa.
“Uma coisa é clara”, disse Zurkani. “Como a mudança climática é intensificada, essa tecnologia nacional será essencial para proteger nossas florestas e planetas”.
