At løfte skyerne ved landrensning og tab af biodiversitet

QUT -forskere har udviklet et nyt matematisk system til maskinlæring, der hjælper med at identificere og opdage ændringer i biodiversitet, herunder landrensning, når satellitbilleder blokeres af skyer.

Ved hjælp af statistiske metoder til at kvantificere usikkerhed, forskningen, udgivet i Remote Sensing in Ecology and Conservation, analyseret tilgængelige satellitbilleder af et 180 km kvadratisk område i det centrale sydøstlige Queensland.

Regionen er hjemsted for mange indfødte arter, herunder den kritisk truede nordlige behårede wombat og den sårbare større svævefly, og området består hovedsageligt af skov, græsgange, og landbrugsjord.

Dr. Jacinta Holloway-Brown siger, at måling af ændringer i skovdækning over tid er afgørende for at spore og bevare levesteder og er et centralt bæredygtigt udviklingsmål for FN og Verdensbanken for at forvalte skove bæredygtigt.

"Satellitbilleder er vigtige, da det er for svært og dyrt at ofte indsamle feltdata over store, skovområder, "Sagde Dr. Holloway-Brown.

"Problemet med at bruge satellitbilleder er, at store dele af jorden er skjult af skyer, og dette skydække forårsager store og hyppige mængder manglende data."

Dr. Holloway-Brown sagde, at det blev anslået baseret på 12 års satellitbilleder i gennemsnit, at omkring 67 procent af jorden er skjult af skydække.

"Ved hjælp af vores metode, vi kan sammenligne pixel for pixel, hvilken type landdække der er, og om det har ændret sig siden det sidste billede. For eksempel, hvis pixelen var skov i det sidste billede, og i løbet af den næste uge eller deromkring er den ændret til jord eller en træstub, vi er i stand til at opdage det, " hun sagde.

Forskningen involverede beregning af to simulerede typer af clearinghændelser, klar fældning, der indebærer at fjerne alle træer fra området og brænde for at forberede fremtidig vækst og, for det andet, træudtynding, der kun indebærer fjernelse af træer fra området, efterlader mindre buske, græsarealer, og græsgange bagved.

Ved at simulere skyer, forskerne, som omfatter QUT's fremragende professor Kerrie Mengersen og Dr. Kate Helmstedt, kunne "teste grænserne" for metoden og vide, hvor godt eller ej den kunne forudsige, hvad der var under skyerne.

Resultaterne viste, at metoden nøjagtigt detekterede simuleret ændring af landdække under både klar fældning og træfortynding.

"Vi får de mest opdaterede forudsigelser om manglende data på grund af skyer ved at træne vores machine learning -metode i kanterne af disse skyer og forudsige de manglende områder, " hun sagde.

Dr. Holloway-Brown skal præsentere forskningen for FN's task team om jordobservationsdata.

"Der er reelle muligheder for at bruge vores metode til at gøre en reel forskel for skovovervågning, " hun sagde.

Forskerne er en del af det QUT-baserede Australian Research Council Center of Excellence for Mathematical and Statistical Frontiers.