Un modelo basado en sensores remotos e inteligencia artificial para la estimación de la degradación del bosque
Cargando...
Fecha
Fecha
2022-03-24
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Descripción
La degradación de los bosques y la deforestación son problemáticas medioambientales que disminuyen la prestación de los servicios ecosistémicos. Una posible solución para la identificación y seguimiento de estas problemáticas son los sistemas de monitoreo a partir de sensores remotos, debido a la utilidad de la información generada a partir de los satelites activos y pasivos. A pesar de esto, existe limitación en las zonas tropicales debido a la alta presencia de nubes a lo largo del año, lo que consecuentemente limita la cantidad de información. De esta manera, el presente estudio plantea un modelo que hace uso de sensores remotos e inteligencia artificial para la identificación de la degradación del bosque con limitada información haciendo uso del NDVI, su variación entre ventanas de tiempo en el periodo de 1990 - 2019 y herramientas de machine learning. Este estudio se desarrolló en bosque húmedo tropical en el municipio de Mapiripán (Meta, Colombia), zona donde se han identificado problemáticas de cultivos ilícitos y deforestación. Para enfrentar tal problemática, se planteó un modelo a partir de sistemas de información geográfica para la identificación de la degradación que se encuentra relacionada con la deforestación, al comparar 7 algoritmos de machine learning se encontró que el algoritmo de redes neuronales de tres capas ocultas (modelo con mayor desempeño, precisión del 75,25%) y el segundo modelo corresponde al algoritmo de Discriminante lineal (precisión 73.25%) muestran mejores desempeños a pesar de su limitada información. Adicionalmente, se logró identificar que un 60% de las áreas deforestadas sufrieron algún grado de intervención que llevó a la deforestación, con lo cual, se pudo evitar este mediante un sistema de monitoreo y de alertas tempranas.
Resumen
Forest degradation and deforestation are environmental problems that diminish the provision of ecosystem services. A possible solution for the identification and monitoring of these problems are monitoring systems based on remote sensing; information from active and passive satellites offers a great deal of useful information. Despite this, there is a limitation in tropical areas due to the high presence of clouds throughout the year, which consequently limits the amount of information. Thus, this study proposes a model that makes use of remote sensing and artificial intelligence for the identification of forest degradation with limited information using NDVI, its variation between time windows in the period 1990 - 2019 and machine learning tools. This study was developed in tropical rainforest in the municipality of Mapiripán (Meta, Colombia), an area where problems of illicit crops and deforestation have been identified. To address this problem, a model was proposed based on geographic information systems for the identification of degradation related to deforestation. When comparing 7 machine learning algorithms, it was found that the neural network algorithm of three hidden layers (model with the best performance, 75.25% accuracy) and the second model corresponds to the linear discriminant algorithm (73.25% accuracy) show better performance despite its limited information. Additionally, it was possible to identify that 60% of the deforested areas suffered some degree of intervention that led to deforestation, which could be avoided through a monitoring and early warning system.
Palabras clave
Machine learning, NDVI, redes neuronales de tres capas ocultas