De píxeles a planificación: Earth AI para la restauración de la naturaleza

Google Research desarrolló un marco de aprendizaje profundo de alta resolución para cartografiar elementos leñosos a pequeña escala, como setos, cortavientos y bosquetes, que normalmente son invisibles para la detección satelital estándar. Estos elementos pueden mejorar el almacenamiento de carbono y la biodiversidad sin desplazar cultivos. El equipo publicó un conjunto de datos vectorizados para el Reino Unido, convirtiendo mapas basados en píxeles en inventarios prácticos de setos, muros de piedra y bosquetes. Para superar la escasez de datos, utilizaron el backbone Vision-Transformer de Remote Sensing Foundations, preentrenado con 300 millones de imágenes satelitales globales y ajustado para paisajes británicos. Un sistema de etiquetado de doble capa que emplea imágenes submétricas y datos LiDAR manejó elementos superpuestos, mientras que la puntuación de compacidad Polsby–Popper clasificó formas según su función ecológica. Google Earth Engine permitió el procesamiento en paralelo de millones de elementos en toda Inglaterra. El conjunto de datos pretende capacitar a agricultores, científicos y responsables políticos para proteger elementos a pequeña escala en pro del clima y la biodiversidad.