El aprendizaje automático revoluciona los métodos para cuantificar la biosfera terrestre
Investigadores de la Universidad establecen una nueva metodología para mejorar, desde el espacio ya través del aprendizaje automático, la observación y análisis de la biosfera terrestre. Este enfoque estadístico representará un avance significativo en el seguimiento de cultivos y sumideros de carbono, así como en la predicción de inundaciones y sequías. El trabajo ha sido publicado en la revista Avances de la ciencia.
La nueva metodología de aprendizaje automático permite mejorar la precisión en la predicción de parámetros clave, como el índice de área foliar, la productividad primaria bruta y la fluorescencia de la clorofila inducida por el sol, entre otros. El campo de aplicaciones es enorme y será de gran utilidad para mejorar el seguimiento de cultivos y sumideros de carbono, detectar cambios y anomalías, sequías e inundaciones. La aplicación de estas técnicas de aprendizaje automático permitirá mediciones más precisas de la dinámica de los sumideros de carbono terrestres, lo que tiene implicaciones para las acciones de mitigación del cambio climático global.
La Tierra está cambiando rápidamente y lo hace de muchas maneras. Los sensores a bordo de los satélites, incluidos aviones y drones, obtienen continuamente información valiosa sobre nuestro planeta de forma remota. Cuantificar la cubierta vegetal y estudiar su estructura bioquímica y funcionamiento desde el espacio es clave para entender el cambio global, la biodiversidad y la agricultura.
Desde la década de 1970, la teledetección se ha basado en gran medida en el uso de índices de vegetación, que son fórmulas paramétricas para la señal espectral adquirida por los satélites. Estos índices, fáciles de calcular, están diseñados para correlacionarse bien con fenómenos biofísicos particulares de la cobertura terrestre, como el verdor, el contenido de agua o la actividad fotosintética, entre otros. Por ello, estos índices se han utilizado y se siguen utilizando ampliamente para cuantificar la biosfera terrestre, su productividad y su dinámica. Sin embargo, la literatura y las múltiples aplicaciones revelan importantes limitaciones, que finalmente se resuelven en este estudio.
En el artículo publicado por Avances de la ciencia, cuyo primer autor es el físico y catedrático de Ingeniería Electrónica y coordinador del grupo de Procesado de Imagen y Señal (ISP) de la Universitat de València Gustau Camps-Valls, los científicos presentan una aproximación metodológica al aprendizaje automático cuyo marco teórico permite generalizar todos los índices de vegetación utilizados en la literatura al respecto. “Hemos comprobado que todos los enfoques anteriores, más heurísticos, intuitivos y basados en principios físicos simples, son casos particulares en nuestra metodología. Ahora, desde una perspectiva estadística, estamos ganando en precisión y salvando las limitaciones que frenaban el avance en este parte de los estudios sobre la biosfera terrestre”, explica Camps-Valls. “La nueva metodología mejora los resultados en todas las aplicaciones que hemos abordado: seguimiento de la fenología de la vegetación, cuantificación de la absorción de carbono y actividad fotosintética a escala planetaria. También demostramos que es de gran utilidad para detectar cambios y cobertura vegetal, como así como para estimar rendimientos de cultivos desde el espacio, por ejemplo”, añade Álvaro Moreno, investigador del ISP (IPL-UV) y miembro del ERC Synergy Grant USMILE que dirige Gustau Camps.
La metodología propuesta, que permite mejorar todos los índices de vegetación, y en particular el índice más utilizado en las últimas cuatro décadas, el NDVI ? proporciona las claves para diseñar índices nuevos y más potentes. Además, destaca por su extrema sencillez algorítmica. “Proporcionamos el código fuente en todos los lenguajes de programación, incluido Google Earth Engine, una plataforma que permite escalar los resultados a nivel planetario. De esta manera, creemos que el marco será adoptado por muchos científicos, profesionales y desarrolladores”. dice Jordi Muñoz, coautor y miembro de la ISP. “El hecho de que el nuevo índice generalice todos los índices anteriores ofrece garantías teóricas de que siempre funcionará igual o mejor”, dice Manuel Campos, miembro del grupo ESR del Departamento de Física de la Universitat de València, “y es algo muy sencillo de calcular y aplicar en la práctica”, añade Javier García, del mismo grupo.
Además de su uso para monitorear la biosfera terrestre, el enfoque estadístico propuesto tiene aplicaciones potenciales en estudios oceanográficos y atmosféricos, entre otros. Los indicadores son ampliamente utilizados en todas las ramas de la ciencia y pueden mejorarse fácilmente con esta metodología.
