C贸mo se aplican la telemetr铆a y la inteligencia artificial en Argentina
La utilizaci贸n de tecnolog铆as avanzadas de teledetecci贸n con m茅todos de clasificaci贸n mejorados, permiten una comprensi贸n m谩s completa de la cobertura y la estructura de nuestros ecosistemas naturales y sistemas agropecuarios.
Dado que los sensores montados en sat茅lites registran la radiaci贸n reflejada por la superficie de la tierra en diferentes intervalos de longitudes de onda de manera repetida en el tiempo, es factible entrenar algoritmos de clasificaci贸n a partir de los atributos espectro-temporales de p铆xeles donde se define la presencia de bosques (y de otros p铆xeles que pertenecen a otras clases como cultivos de soja, pasturas o suelos sin vegetaci贸n) para asignar categor铆as (etiquetar) a p铆xeles que a priori no se sabe a qu茅 clase pertenecen.
En este marco metodol贸gico, vale la pena resaltar que el IPCVA se encuentra financiando el proyecto "Benchmarking de riesgo de la ganader铆a argentina para la regulaci贸n de deforestaci贸n de la Uni贸n Europea" y que viene siendo desarrollado por la Red de Seguridad Alimentaria del Conicet.
La investigaci贸n utiliza plataformas satelitales activas y pasivas de EEUU y de la Uni贸n Europea (GEDI, Landsat y Sentinel) junto con t茅cnicas de aprendizaje profundo y recientes avances de la misi贸n EnMap de la Agencia Espacial Alemana para cartografiar la extensi贸n, altura y cobertura de 谩rboles de los bosques nativos de Argentina. Con esta informaci贸n se desarrollan mapas de bosques aplicando t茅cnicas de aprendizaje autom谩tico y aprendizaje estad铆stico.
Estas herramientas son las que permiten extrapolar el conocimiento aprendido a partir de un conjunto reducido de p铆xeles en las im谩genes satelitales a toda la regi贸n bajo estudio. Adem谩s, se combinan diferentes procesos de mejora de los datos satelitales para incrementar la confiabilidad y su potencial predictivo.
La investigaci贸n se basa en los siguientes enfoques principales: a) La clasificaci贸n supervisada bosque/no bosque, b) La estimaci贸n de la cobertura de 谩rboles y c) cuantificaci贸n de la altura de la vegetaci贸n.
- Clasificaci贸n Supervisada Bosque/No Bosque:
Se utiliza el algoritmo Random Forest para asignar cada pixel a la categor铆a "bosque" o "no bosque". Hasta el momento se han empleado 82.458 muestras de entrenamiento provenientes de diferentes clases (por ejemplo, le帽osas cerradas, cultivos, pastizales) obtenidas de proyectos de mapeo, lo que ha servido de base para mejorar la precisi贸n de los resultados y la calibraci贸n del algoritmo.
- Estimaci贸n de la Cobertura de 脕rboles:
Se utilizaron t茅cnicas de Machine Learning y una biblioteca espectral para cuantificar la abundancia de 谩rboles, arbustos, herb谩ceas, suelo desnudo y agua en cada pixel. Se emple贸 el modelo Random Forest con 39.330 muestras sint茅ticas generadas a partir de mezclas de clases puras. Se estandarizaron las fracciones para que sumaran 1 y se implement贸 una regla de decisi贸n para corregir estimaciones en 谩reas sombreadas.
- Cuantificaci贸n de la Altura de la Vegetaci贸n:
La estimaci贸n de la altura de la vegetaci贸n se bas贸 en datos LiDAR de la misi贸n GEDI. Se entren贸 un modelo de regresi贸n de Random Forest utilizando muestras con informaci贸n similar a la clasificaci贸n supervisada.
El an谩lisis de riesgo de deforestaci贸n del IPCVA y la adaptaci贸n a los nuevos requerimientos de Europa.
La UE aprob贸 el reglamento 1115/2023 en el cual exige garantizar que los productos que provengan de 谩reas deforestadas despu茅s del 31 de diciembre de 2020 no puedan ser importados a la UE.
La Comisi贸n Europea est谩 trabajando en evaluaciones de riesgo de deforestaci贸n para clasificar a los pa铆ses de los que importan carne, soja, madera y otros productos agropecuarios.
En este marco, la evaluaci贸n de riesgo de deforestaci贸n encarada por el IPCVA a nivel pa铆s toma precisamente como referencia el art铆culo 29 del Reglamento Europeo sobre cadenas de suministro libres de deforestaci贸n.
La evaluaci贸n de riesgo se est谩 realizando a partir de modelos de cambios de uso del suelo que tomando en cuenta los datos del pasado pueden estimar la probabilidad de ocurrencia de nuevos cambios. Como resultado de esta investigaci贸n en marcha se dispondr谩 de una clasificaci贸n de riesgo propia basada en un an谩lisis objetivo y transparente, teniendo en cuenta la 煤ltima evidencia cient铆fica y fuentes reconocidas a nivel internacional.
Contar con un estudio realizado en Argentina con informaci贸n local y la expertise de investigadores del INTA, CONICET e INTI, permitir谩 definir con mayor precisi贸n el o los niveles de riesgo nacionales. Este trabajo ser谩 el punto de partida para iniciar un di谩logo con la Comisi贸n Europea y poder dar cumplimiento a la futura diligencia debida necesaria para exportar productos c谩rnicos argentinos al mercado europeo.
Autor: Ing. Agr. M. Sc. Adrian Bifaretti, Jefe Departamento de Promoci贸n Interna del IPCVA.