Dos pixels ao planejamento: IA para restauração da natureza

A Google Research desenvolveu um modelo de aprendizado profundo de alta resolução para mapear características lenhosas em escala fina, como sebes, cortinas de árvores e bosques, que geralmente são invisíveis para a detecção por satélite padrão. Essas características podem aumentar o armazenamento de carbono e a biodiversidade sem deslocar culturas. A equipe lançou um conjunto de dados vetorizados para o Reino Unido, convertendo mapas baseados em pixels em inventários acionáveis de sebes, muros de pedra e bosques. Para superar a escassez de dados, eles usaram a espinha dorsal do Vision-Transformer do Remote Sensing Foundations, pré-treinada em 300 milhões de imagens de satélite globais e ajustada para paisagens britânicas. Um sistema de rotulagem de duas camadas, usando imagens de submeter e dados LiDAR, lidou com características sobrepostas, enquanto a pontuação de compacidade Polsby–Popper classificou formas por função ecológica. O Google Earth Engine permitiu o processamento paralelo de milhões de características em toda a Inglaterra. O conjunto de dados visa capacitar agricultores, cientistas e formuladores de políticas a proteger características de pequena escala para metas climáticas e de biodiversidade.