Van pixels naar planning: Google AI voor natuurherstel

Onderzoekers van Google hebben een deep learning-framework gepresenteerd waarmee kleine landschapselementen (hagen, windschermen, bosjes) kunnen worden herkend die op standaard satellietbeelden niet zichtbaar zijn. Deze objecten kunnen de koolstofopname en biodiversiteit vergroten zonder dat landbouwgrond uit productie hoeft te worden genomen. Eerder werd de rasterdataset Farmscapes 2020 (Engeland) uitgebracht, en nu is er eenvectordataset gepubliceerd met hagen, stenen muren en bosjes in het hele Verenigd Koninkrijk. Voor de creatie ervan werd gebruikgemaakt van een voorgetraind Vision-Transformer (ViT)-model uit Remote Sensing Foundations (Google Earth AI), dat verder werd getraind op 247 km² aan gelabelde data, en van LiDAR. Voor de classificatie van objecten werd de compactheidsmaat van Polsby-Popper gebruikt (langwerpige objecten met een coëfficiënt < 0,5). De verwerking vond plaats in Google Earth Engine. De data zijn openbaar en beschikbaar voor boeren, wetenschappers en beleidsmakers.