Van pixels naar planning: Earth AI voor natuurherstel

Google Research heeft een hoge-resolutie deep learning-raamwerk ontwikkeld om fijnschalige houtige kenmerken zoals houtwallen, windsingels en bosschages in kaart te brengen die doorgaans onzichtbaar zijn voor standaard satellietdetectie. Deze kenmerken kunnen de koolstofopslag en biodiversiteit verbeteren zonder dat er gewassen hoeven te wijken. Het team heeft een gevectoriseerde dataset voor het Verenigd Koninkrijk uitgebracht, waarmee pixelgebaseerde kaarten worden omgezet in bruikbare inventarisaties van houtwallen, stenen muren en bosschages. Om het gebrek aan gegevens te overwinnen, gebruikten ze een 'Remote Sensing Foundations Vision-Transformer' backbone die was getraind op 300 miljoen wereldwijde satellietbeelden en vervolgens verfijnd voor Britse landschappen. Een tweelaags labelingsysteem met submeterbeelden en LiDAR-gegevens verwerkte overlappende kenmerken, terwijl de Polsby-Popper compactheidsscore vormen classificeerde op basis van ecologische functie. Google Earth Engine maakte parallelle verwerking van miljoenen kenmerken in Engeland mogelijk. De dataset is bedoeld om boeren, wetenschappers en beleidsmakers in staat te stellen kleinschalige kenmerken te beschermen voor klimaat- en biodiversiteitsdoelen.