Netflora, una metodología desarrollada por Embrapa, reúne un conjunto de algoritmos entrenados con inteligencia artificial (IA) para reconocer especies forestales. Con base en características botánicas, disponible en una base de datos, este aprendizaje permite identificar árboles de interés comercial e indicar su ubicación exacta en el bosque. Especies como la castaña, el cumaru-ferro, aaí y cedrodrodro se reconocen con un 95% de corrección, resultado que reduce los costos de producción y hace más sostenible la gestión de los bosques en la Amazonía.
Según el investigador de Embrapa Acre Evandro Orfanó (pict on the left), uno de los coordinadores de estos estudios, Netflora da una mayor automatización a la planificación de la actividad forestal y aumenta la precisión y eficiencia en la ejecución de los planes de gestión. Una vez entrenado y especializado, el algoritmo también proporciona métricas, como diámetro y área de dosel, que permiten estimar, a través de ecuaciones alométricas (que relacionan formas y tamaños), el volumen de madera de cada árbol. Estas herramientas tecnológicas contribuyen al aumento de la producción forestal con la conservación del medio ambiente, dice.
La investigación para permitir el uso de la inteligencia artificial en el sector forestal ha sido desarrollada por Embrapa desde 2015 e incluye diferentes aspectos de la actividad. En la fase actual, los estudios se llevan a cabo a través del proyecto Geotechnologies aplicado a la automatización forestal y la espacialización de las reservas de carbono en el uso de la tierra nativa y modificada en la Amazonia Occidental (Geoflora), ejecutado en Acre, Rodania, Roraima, Amapá, Pará y Amazonas, en asociación con el Fondo JBS por la Amazonía.
La adopción de estas tecnologías implica inversiones en ordenadores, drones, baterías y estructura de oficina adecuada. Según Orfanó, este gasto inicial se ve compensado por la drástica reducción de los costes de producción, especialmente en la fase de inventario forestal. Para tener una idea, en el estudio tradicional de especies, con equipos en el campo, una hectárea de bosque mapeado tiene un costo estimado entre R$ 100 y R$ 140, mientras que con la metodología Netflora este valor disminuye a R$ 4 a R$ 6.
Enfatiza que esta reducción la proporciona la agilidad en la obtención y procesamiento de información sobre la zona a gestionar. Una empresa forestal que utiliza la gestión tradicional puede mapear hasta 10.000 hectáreas de bosque al año. Con el uso de IA, la ganan en capacidad operativa puede saltar a un millón de hectáreas en el mismo período.
Foto: Caio Alexandre Santos
Resultados validados
Para construir la base de datos de entrenamiento de algoritmos, se cartografiaron más de 40.000 hectáreas de bosque en 37 sitios (áreas) de Acre, Rondonia y el sur de Amazonas, con el uso de drones. En dos años de estudio, se realizaron cerca de mil planes de vuelo y cada uno generó unas 300 imágenes aéreas, que fueron tratadas y transformadas en ortofotos (imágenes bien referenciadas y de alta resolución). Sobre la base del rango de información contenida en los ortofotos, se entrenaron nueve algoritmos, con diferentes propósitos y rendimiento de la corrección.
Tenemos algoritmos que reconocen una sola especie forestal, otras tienen la capacidad de identificar diferentes grupos o los principales árboles de madera y no madera de Acre y otras localidades de la Amazonía. Algunos algoritmos ya han logrado un alto rendimiento, pero este aprendizaje será continuo, señala Orfanó, quien estima la meta de mapeo del proyecto en 80.000 hectáreas de bosque, con la inserción de nuevas áreas de interés comercial en la Amazonía, para ampliar la construcción de la base de datos.
También según el experto, ya que aumenta el conocimiento sobre el bosque, será posible intensificar el aprendizaje de los algoritmos entrenados y habilitar nuevos algoritmos, por grupo de especies, según las demandas regionales.
Lanzan en el 51 aniversario de Embrapa
Las dos primeras versiones de los algoritmos entrenados se lanzarán el 25 de abril de 2024, durante las celebraciones del 51 aniversario de Embrapa. Un algoritmo tiene la capacidad de reconocimiento de la única aaí (Euterpe precatoria Mart.) en las fases productivas (con racimos) y no productivas, en Acre. El otro, además del único aaí, es capaz de reconocer nueve especies más de palmeras de la Amazonía (paxiúba, buriti, jaci, ouricuri, murmuru, tucumá, inajá, patauá y baha).
Para febrero de 2025, otros siete algoritmos estarán disponibles, con capacidad para identificar especies de madera y no madera, en diferentes lugares amazónicos. La agenda de lanzamiento también incluye algoritmos para el reconocimiento de especies en sistemas agroforestales (AFS) y para la actividad de monitoreo ambiental. |
Foto de Felipe Sá
Aprendizaje de los algoritmos
Las imágenes aéreas recogidas en el trabajo de investigación se procesan y transforman en ortofotos en el Laboratorio de Geotecnologías de Embrapa Acre. A partir de la información de ortofotos, el entrenamiento de algoritmos se produce a través de una red neuronal artificial (método de inteligencia artificial que enseña a las computadoras a procesar datos de una manera inspirada en el cerebro humano), compuesta por filtros que extraen de estas imágenes de alta resolución información relevante del objeto de interés y presenta al algoritmo.
El ingeniero forestal Mauro Alessandro Karasinski, estudiante de doctorado de la Universidad Federal de Paraná (UFPR) y miembro del equipo de creación de Netflora, explica que durante el aprendizaje el algoritmo aprende patrones de dosel de los árboles (formato, tamaño, borde, textura e intensidad de color de las hojas según la época del año) y organiza esta información para reconocer las características aprendidas, en imágenes de nuevas áreas mapeadas. Esta práctica se conoce como predicción, es decir, la capacidad del algoritmo de IA para predecir y estimar la ubicación de un objeto objetivo y determinar el tipo de clase a la que pertenece.
Como resultado del aprendizaje, se dispone de un archivo de forma (archivo vectoral con la identificación y ubicación de cada especie e indicación del grado de certeza), que permite elaborar el inventario forestal con el número de árboles existentes, por clase o género y otra información de la especie y la zona mapeada, señala.
Cómo utilizar la metodología
Acceso gratuito, Netflora está disponible en el repositorio de GitHub y puede ejecutarse fácilmente a través de un cuaderno de Colab simplificado (plataforma abierta y de colaboración gratuita, alojado en la nube de Google). La metodología está dirigida a empresas del sector forestal, profesionales de instituciones de educación superior, asociaciones agroextractivistas y organismos ambientalistas que demandan información sobre el inventario forestal y monitoreo experto de los ecosistemas forestales en la Amazonía, entre otros públicos.
El uso de la metodología no requiere conocimiento especializado; sin embargo, desde su lanzamiento, el paso a paso para su adopción se puede comprobar en el curso de Netflora en Práctica: Guía para la detección de especies forestales a partir de imágenes de drones e inteligencia artificial, acceso libre, en la plataforma e-Campo, entorno de aprendizaje virtual Embrapa. Para obtener más información sobre cómo utilizar los algoritmos entrenados, visite la página de Netflora. |
Potencial de uso
Cada algoritmo de Netflora permite innumerables combinaciones de entrenamiento. Además de proporcionar mayor agilidad a la etapa de inventario forestal, la metodología puede proporcionar información para estimar la producción y mejorar las técnicas en los planes de manejo y contribuir a ajustar las estrategias de cosecha para las especies no tempororas.
Otra clase de algoritmos podrá reconocer montones de troncos, madera aserrada y claros abiertos por eventos climáticos o artificiales, entre otras acciones en el entorno forestal. Los algoritmos de entrenamiento también son capaces de establecer correlaciones entre aspectos de la morfología del dosel de árboles con reservas de carbono en el bosque. Este conocimiento puede ayudar en las evaluaciones de los efectos del cambio climático en la dinámica de las desbroce natural, observa Orfanó.
Para Andreia Azevedo, directora del Fondo JBS para la Amazonía, todavía hay poca orientación en la explotación sostenible de los productos forestales y las tecnologías de IA pueden contribuir a mejorar la gestión de la gestión forestal y la conservación de la Amazonía. La metodología de Netflora permitirá avanzar en la planificación y recopilación de datos precisos en grandes áreas administradas. Un sistema de gestión eficiente hace que la actividad forestal sea más productiva, reduce los impactos en los ecosistemas y facilita la vida de los extractivistas y otros actores involucrados con el sector, destaca.
El algoritmo de castañas
Entre las especies no maderas con potencial económico en la región amazónica, contemplada por la investigación con IA, se encuentra la nuez de Brasil (Bertholletia excelsa). Parte de la base de datos para la capacitación de este algoritmo fue posible gracias al estudio Comportamiento holológico de especies forestales detectada por sistemas aéreos no tripulados, realizado entre 2017 y 2019, en asociación con la Universidad Federal de Acre (Ufac). La investigación generó más de 3.000 imágenes de castañas, una colección que ya permite el margen de precisión del algoritmo entre el 92% y el 95%, en el reconocimiento de la especie.
De acuerdo con Erica Mendona dos Santos, ingeniera forestal y estudiante de maestría en Ufac, quien coordinó el estudio y participa en el proyecto Geoflora, las imágenes realizadas con drones capturan eficientemente los cambios en el pecho de las castañas, resultantes de cambios en las fases productiva y vegetativa, en diferentes épocas del año. Esta información, validada por fotografías de los árboles, producidas en tierra, era valiosa para la mejora del algoritmo para el reconocimiento de la especie. El mapeo de castañas con el uso de IA permitirá identificar nuevos árboles para la recolección de frutas, un aspecto que puede mejorar la productividad extractiva, concluye. |
Inicio
