ASCE: deep learning ajuda a otimizar o gerenciamento hidrológico em florestas densas
A combinação de varredura a laser aerotransportada com deep learning (ou aprendizado profundo, em inglês) conseguiu otimizar o gerenciamento hidrológico ao mapear e analisar com precisão valas de drenagem em florestas densas. Publicado no Journal of Irrigation and Drainage Engineering, da American Society of Civil Engineers (ASCE), o estudo também mostrou que o laser é a melhor opção para captação de imagens de resolução fina das valas obscurecidas pela copa das árvores
Para isso, uma rede neural profunda foi treinada com dados de varredura a laser aerotransportada de 1.607 km de canais digitalizados manualmente em dez regiões espalhadas pela Suécia. O modelo mapeou corretamente 86% de todos os canais de valas nos dados de teste, com um coeficiente de correlação de Matthews de 0,78. De acordo com a pesquisa, esse método requer apenas um índice topográfico, o que possibilita a implementação em escalas nacionais com recursos computacionais limitados.
A drenagem florestal é um recurso muito usado em zonas úmidas arborizadas da Europa para melhorar o crescimento da madeira e o reflorestamento; entretanto, pouco se sabe sobre seus reais benefícios e malefícios ao meio-ambiente. Os autores acreditam que este estudo abre possibilidades de uso de tecnologias de IA avançadas para mapear valas de drenagem em grandes áreas de mata fechada. A técnica pode contribuir significativamente para a avaliação da hidrologia regional do ecossistema em paisagens florestais, fornecendo dados mais precisos.
Para ler o artigo completo, clique aqui.
Dot.Lib
A Dot.Lib distribui conteúdo online científico e acadêmico a centenas de instituições espalhadas pela América Latina. Temos como parceiras algumas das principais editoras científicas nacionais e internacionais. Além de prover conteúdo, criamos soluções que atendem às necessidades de nossos clientes e editoras.