El mapa satelital de la presión humana sobre la tierra proporciona información sobre el desarrollo sostenible

La pandemia de coronavirus ha llevado a los investigadores a cambiar de marcha o abandonar temporalmente proyectos por 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 una colaboración de investigación productiva.

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 basado en satélites de la presión humana en tierras de todo el mundo.

Keys, autor principal y científico investigador 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. El mapa muestra una instantánea casi actual 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 realizaba tareas de crianza con Keys, escribió código como nunca antes, trabajando con billones de puntos de datos y entrenando hasta ocho algoritmos separados para cubrir diferentes partes del mundo. Luego fusionó los algoritmos para proporcionar una clasificación perfecta para todo el planeta.

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 el resultado es una medida de lo que están haciendo los humanos en la Tierra. La parte central de la ecuación fue el 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 clasificaron 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 estos datos existentes.

De un análisis de un país al mundo

Los investigadores comenzaron con Indonesia, un país que ha experimentado cambios rápidos en los últimos 20 años. Al final del verano, después de tener confianza en lo que identificaron en Indonesia mediante el aprendizaje automático, Keys sugirió que miraran todo el mundo.

“Recuerdo que le dije que no era posible”, dijo Barnes. “Él sabe que cada vez que digo eso, volveré y trataré de que funcione. 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 está cambiando la presión humana sobre el paisaje”.

Keys dijo que el proyecto de investigación ayudó a levantarle el ánimo durante el último año.

“Honestamente, he tenido momentos difíciles durante la pandemia”, dijo. “Mirando hacia atrás, pude trabajar en este proyecto que fue emocionante, divertido, interesante y abierto, y con gente estupenda. Iluminó considerablemente la pandemia”.