I ricercatori di QUT hanno sviluppato un nuovo sistema matematico di apprendimento automatico che aiuta a identificare e rilevare i cambiamenti nella biodiversità, compreso lo sgombero del terreno, quando le immagini satellitari sono ostruite dalle nuvole.

Utilizzo di metodi statistici per quantificare l'incertezza, la ricerca, pubblicato in Remote Sensing in Ecology and Conservation, ha analizzato le immagini satellitari disponibili di un'area di 180 km quadrati nel Queensland centro-sud-orientale.

La regione ospita molte specie autoctone tra cui il vombato dal naso peloso settentrionale in pericolo di estinzione e il vulnerabile aliante maggiore, e l'area è costituita principalmente da bosco, pascolo, e terreni agricoli.

La dottoressa Jacinta Holloway-Brown afferma che misurare i cambiamenti nella copertura forestale nel tempo è essenziale per monitorare e preservare gli habitat ed è un obiettivo chiave di sviluppo sostenibile delle Nazioni Unite e della Banca mondiale per gestire le foreste in modo sostenibile.

"Le immagini satellitari sono importanti in quanto è troppo difficile e costoso raccogliere frequentemente dati sul campo di grandi dimensioni, aree boschive, " ha detto il dottor Holloway-Brown.

"Il problema con l'utilizzo di immagini satellitari è che ampie porzioni della terra sono oscurate dalle nuvole e questa copertura nuvolosa causa grandi e frequenti quantità di dati mancanti".

Il Dr. Holloway-Brown ha affermato che è stato stimato, sulla base di 12 anni di immagini satellitari, che in media circa il 67 percento della terra è oscurato dalla copertura nuvolosa.

"Utilizzando il nostro metodo, possiamo confrontare pixel per pixel che tipo di copertura del suolo c'è e se è cambiata dall'ultima immagine. Per esempio, se il pixel era una foresta nell'ultima immagine e nella successiva una settimana circa dopo è cambiato in terra o in un ceppo d'albero, siamo in grado di rilevare che, " lei disse.

La ricerca ha comportato il calcolo di due tipi simulati di eventi di compensazione, abbattimento netto che comporta la rimozione di tutti gli alberi dall'area e la combustione per prepararsi alla crescita futura e, in secondo luogo, diradamento degli alberi che comporta solo la rimozione di alberi dall'area, lasciando arbusti più piccoli, prateria, e pascolo dietro.

Simulando le nuvole, i ricercatori, che include l'illustre professoressa Kerrie Mengersen e la dottoressa Kate Helmstedt di QUT, poteva "testare i limiti" del metodo e sapere quanto bene o meno poteva prevedere cosa c'era sotto le nuvole.

I risultati hanno mostrato che il metodo ha rilevato con precisione il cambiamento di copertura del suolo simulato sia sotto l'abbattimento netto che sotto il diradamento degli alberi.

"Otteniamo le previsioni più aggiornate dei dati mancanti a causa delle nuvole addestrando il nostro metodo di apprendimento automatico ai bordi di quelle nuvole e prevedendo le aree mancanti, " lei disse.

Il Dr. Holloway-Brown presenterà la ricerca al Task Team delle Nazioni Unite sui dati di osservazione della Terra.

"Ci sono possibilità reali di utilizzare il nostro metodo per fare davvero la differenza nel monitoraggio delle foreste, " lei disse.

I ricercatori fanno parte del Centro di eccellenza per le frontiere matematiche e statistiche del Consiglio di ricerca australiano con sede a QUT.