Cultivando Florestas Sustentáveis com Análise de Imagens de Satélite
Pontos importantes
As imagens de sensoriamento remoto são aprimoradas pela riqueza de dados capturados por pessoas no solo. Assim, a equipe de Inventário e Análise Florestal (FIA) do USDA criou a Big Data Mapping and Analytics Platform (BIGMAP), um ambiente de modelagem, mapeamento e análise em escala nacional baseado em nuvem para as florestas dos EUA. O BIGMAP é otimizado e ajustado para aproveitar a paralelização e o armazenamento em massa necessários para o processamento raster em escala. A equipe da FIA fundiu milhares de cenas do Landsat com centenas de milhares de gráficos, processando dezenas de trilhões de pixels na nuvem, tudo em questão de dias.
Por mais de 100 anos, o Serviço Florestal do Departamento de Agricultura dos Estados Unidos (USDA) trabalhou para manter a saúde, a diversidade e a produtividade das florestas e pastagens do país para as gerações atuais e futuras. O programa de Inventário e Análise Florestal (FIA) do USDA foi criado para melhorar o uso e a integração de tecnologias avançadas de sensoriamento remoto para auxiliar nessa missão.
Neste vídeo, funcionários do Serviço Florestal do USDA discutem o programa da FIA e demonstram a ciência por trás de seu projeto de mapeamento. Para lidar com problemas complexos e multidimensionais de análise raster, o USDA Forest Service aproveita a versatilidade do ArcGIS e do Python para criar algoritmos de aprendizagem automática personalizados que modelam a relação entre imagens de satélite e as características da floresta que eles medem. Ao rastrear as mudanças ao longo do tempo para cada pixel em uma imagem de satélite, eles podem monitorar a sazonalidade e a vegetação, prever secas e impactos ambientais e entender melhor as espécies florestais. Os dados que estão sendo desenvolvidos são então usados para informar as decisões políticas e de gestão relativas às florestas de nossa nação; também está disponível ao público para facilitar a colaboração na criação de um futuro sustentável.
Reproduza o vídeo para ver demonstrações das ferramentas usadas no programa da FIA ou continue lendo para obter as principais conclusões.
Este conteúdo está disponível publicamente, publicado na organização ArcGIS Online do Serviço Florestal dos EUA, ArcGIS Living Atlas of the World e em portais de dados abertos. Mapas como esses oferecem a capacidade de preencher ferramentas espacialmente explícitas que podem ser integradas ao planejamento de conservação para apoiar o gerenciamento de carbono, manejo da vida selvagem, restauração de bacias hidrográficas e outros serviços ambientais.
Aqui estão dois exemplos de como você pode consumir esses serviços em suas próprias análises usando ferramentas de geoprocessamento, funções raster e muito mais.
- Secas—As secas estão causando grandes impactos nas florestas e bosques, e os cientistas da agência já estão usando os resultados do BIGMAP para disponibilizar amplamente as projeções do modelo de seca. Secas significativas foram mostradas a partir de um exame de exposição dos últimos anos em torno do Vale Central, na Califórnia. Projetando para 2040, a exposição à seca muda da Califórnia Central para as Montanhas Rochosas do Sul.
- Fixação de carbono—Adicionar dados a um modelo de adequação ajuda a identificar áreas no noroeste do Pacífico onde existem oportunidades de plantio sem ameaças significativas. Essas podem ser áreas importantes para realizar uma administração compartilhada para implementar planos de mitigação ou restauração do clima.
Aplicativos de mapeamento de amostra adicionais incluem o seguinte:
- Mapeamento dos principais reservatórios de carbono florestal
- Monitoramento da sazonalidade na vegetação e na estrutura geral da floresta
- Mostrando perdas de carbono florestal devido a distúrbios como incêndios florestais e tornados
- Adequação de modelagem para oportunidades de plantio sem ameaças significativas
Aqui estão cinco técnicas de modelagem sendo usadas:
Fenologia da vegetação
Ao rastrear as mudanças ao longo do tempo, podemos monitorar a sazonalidade, os ciclos da vegetação e a senescência em grandes áreas geográficas para identificar diferentes tipos de floresta, composição de espécies de árvores e estrutura geral da floresta.
Regressão harmônica
Utilizada para analisar as séries temporais capturadas na fenologia da vegetação, esta técnica permite caracterizar não só o estado médio da vegetação, mas também como as condições mudam ao longo de um ano.
Ordenação ecológica
Esses coeficientes que descrevem mudanças sazonais na vegetação, juntamente com outros dados auxiliares como clima e topografia, podem ser combinados com dados de resposta coletados em parcelas de inventário florestal para ordenar espécies de árvores ao longo de gradientes ambientais.
Imputação de vizinhos mais próximos de k
A localização de parcelas no espaço de feição de gradientes ambientais pode ser usada com o Vizinhos mais próximos de k algorithm (kNN), que funciona atribuindo um “contêiner de gráficos” a cada pixel com base em sua proximidade medida no espaço de feições.
Previsão e mapeamento
Cada contêiner representa um grupo de registros, armazenados no banco de dados da FIA, a partir do qual é possível fazer previsões em nível de pixel, quantificar a incerteza e mapear uma variedade de atributos da floresta.
Precisa de ajuda para encontrar a solução certa?
Agende uma conversa com um de nossos experientes consultores de vendas. Diga-nos como você está usando imagens e dados de sensoriamento remoto agora, e mostraremos onde um sistema geoespacial abrangente pode levar seu trabalho.