Presentamos PureForest: Un Nuevo Conjunto de Datos para la Clasificación de Especies de Árboles

Saber qué tipos de árboles hay en un bosque es súper importante para cuidar el medio ambiente. Nuevos métodos utilizando Aprendizaje Profundo pueden ayudar a identificar diferentes especies de árboles, haciendo más fácil manejar los bosques. Sin embargo, los investigadores necesitan grandes conjuntos de buenos datos con etiquetas adecuadas para ser efectivos. Este artículo presenta el conjunto de datos PureForest, que se ha creado para clasificar especies de árboles usando tecnología avanzada.

#¿Qué es PureForest?

PureForest es un gran conjunto de datos que contiene información recolectada de bosques usando dos técnicas principales: Escaneo Lidar Aéreo (ALS) e Imágenes Aéreas de Muy Alta Resolución (VHR). Muchos conjuntos de datos públicos disponibles no cubren un área amplia y a menudo tienen tipos limitados de árboles registrados. En cambio, PureForest tiene datos de 18 especies de árboles diferentes agrupados en 13 categorías y cubre un área de 339 km² a través de 449 bosques únicos de una sola especie. Esto lo convierte en uno de los conjuntos de datos más grandes y completos para identificar especies de árboles usando estos métodos.

#La Importancia de la Identificación de Especies de Árboles

Monitorear los tipos de árboles en los bosques es crucial, especialmente ahora que el cambio climático los afecta. Los árboles enfrentan muchos desafíos, como incendios, nuevas plagas y estrés que pueden llevar a más muertes y un crecimiento más lento. Poder identificar las especies de árboles a nivel nacional es necesario para un manejo forestal efectivo y para apoyar políticas que promuevan especies resilientes.

Tradicionalmente, identificar especies de árboles ha dependido de la experiencia humana, lo que puede llevar mucho tiempo y esfuerzo. Por ejemplo, a una agencia nacional de mapeo en Francia le tomó más de diez años mapear los bosques. Esto muestra la necesidad de formas más rápidas y automatizadas para mapear y monitorear los bosques.

#Desafíos en el Mapeo de Especies de Árboles

Identificar especies de árboles no es fácil. Muchos factores afectan cómo se ven los árboles, como su edad, cómo los manejan y las condiciones ambientales como el suelo y la luz. Las imágenes aéreas, que a menudo se usan en este proceso, pueden verse afectadas por diferentes variables como el clima, los ángulos de la cámara y cómo se procesan las imágenes.

Esta complejidad significa que mapear bosques requiere habilidades especializadas y puede ser muy laborioso. Estudios recientes han explorado el uso de aprendizaje automático y aprendizaje profundo con imágenes satelitales, pero estas técnicas a menudo pasan por alto el potencial de las imágenes aéreas VHR y las características que se pueden extraer de los datos ALS.

#El Conjunto de Datos PureForest

El conjunto de datos PureForest consiste en datos tanto 2D como 3D recolectados de ALS y de imágenes aéreas VHR. El conjunto de datos se construyó usando datos ALS de alta densidad, lo que permite identificar características importantes de los árboles, como su altura y forma del dosel. Estas características pueden ser muy útiles para distinguir entre diferentes especies.

El conjunto de datos se generó utilizando un proceso semi-automatizado para crear polígonos que representan áreas con una sola especie de árbol. Estos polígonos fueron validados por expertos capacitados usando imágenes aéreas recientes para asegurar la precisión de los datos. El conjunto final incluye etiquetado consistente a través de parches de 50 m x 50 m.

#Fuentes de Datos

El conjunto de datos PureForest está compuesto por dos fuentes de datos principales:

1. Lidar HD: Este programa recolecta datos 3D a través del territorio francés. El objetivo es obtener descripciones detalladas y precisas del área para 2025.
2. ORTHO HR: Esta base de datos consiste en imágenes capturadas durante encuestas aéreas nacionales. Estas imágenes se procesan para asegurar que sean precisas y consistentes a través del conjunto de datos.

La integración de estas dos fuentes permite una visión integral de las áreas forestales que se están estudiando.

#El Proceso de Anotación

Para crear el conjunto de datos, se reunieron polígonos que representan áreas de bosque puro y luego fueron validados. Los datos provienen de dos bases de datos forestales en Francia. El proceso asegura que cada polígono sea preciso y refleje las especies presentes. Este método tuvo en cuenta las imágenes aéreas más recientes para alinear con los datos ALS.

El enfoque estuvo en identificar paneles de árboles con una sola especie. Esto simplifica la tarea y facilita el análisis de los datos para clasificaciones de árboles específicas.

#Estructura del Conjunto de Datos

El conjunto de datos PureForest está organizado en directorios claros para facilitar el acceso. La estructura incluye carpetas para imágenes y datos Lidar, permitiendo a los usuarios encontrar fácilmente la información que necesitan. Además, hay archivos de metadatos que detallan todos los parches, sus etiquetas y otros detalles esenciales.

Las principales categorías de especies de árboles dentro del conjunto de datos permiten un enfoque sencillo para la Clasificación. El conjunto cubre una amplia gama de clases, asegurando que sea representativo y útil para diversos fines de investigación.

#Usos Potenciales de PureForest

El conjunto de datos PureForest puede ser un recurso valioso para los investigadores que buscan estudiar bosques y desarrollar nuevos métodos de análisis. La escala del conjunto de datos y sus anotaciones detalladas lo hacen adecuado para crear modelos de aprendizaje profundo destinados a la clasificación de especies de árboles.

Una posible aplicación es usar el conjunto de datos para investigar qué tan bien los modelos existentes pueden identificar árboles individuales. Al usar métodos de segmentación de última generación, los investigadores pueden evaluar cómo se desempeñan diferentes modelos en diversas especies.

Además, el alto volumen de datos disponibles abre posibilidades para enfoques de aprendizaje semi-supervisado. Estos métodos pueden usar tanto datos etiquetados como no etiquetados para mejorar el rendimiento del modelo.

#Evaluación y Comparación de Modelos

Para entender qué tan bien se desempeñan los modelos con el conjunto de datos PureForest, los investigadores establecen resultados de referencia. Los modelos de referencia sirven como puntos de comparación para medir la efectividad de diferentes métodos en clasificar especies de árboles.

La evaluación considera varias métricas de rendimiento, incluida la precisión general y la intersección sobre la unión (IoU). Estas métricas ayudan a identificar qué tan bien un modelo puede diferenciar entre clases de árboles.

#Resultados del Modelo de Datos Lidar

En experimentos usando solo los datos Lidar, el modelo de referencia mostró resultados prometedores, logrando una precisión general (OA) del 80%. El modelo funcionó bien en la mayoría de las categorías, con una media de IoU del 55%. Los resultados destacaron que las clases con más datos disponibles tendían a tener un mejor desempeño en las tareas de clasificación.

El modelo tuvo dificultades con especies raras, y esto se reflejó en los números de rendimiento para clases como Abeto y Douglas, que mostraron baja precisión. Esto sugiere que se necesita más data para esas especies para mejorar el rendimiento del modelo.

#Comparaciones con Modelos de Imágenes Aéreas

Al comparar el desempeño del modelo Lidar con el de las imágenes aéreas VHR, los resultados indicaron que, aunque ambos métodos son efectivos, los datos Lidar pueden brindar una ventaja. El modelo VHR tuvo un desempeño ligeramente inferior en comparación con el Lidar.

Sin embargo, es importante notar que el modelo VHR no pasó por una extensa sintonización de hiperparámetros, así que una exploración adicional podría arrojar resultados diferentes.

#Conclusión

El conjunto de datos PureForest representa un avance significativo en la capacidad de clasificar especies de árboles en bosques utilizando tecnología moderna. Ofrece un recurso valioso para investigadores y profesionales en el campo.

Dada la tamaño, diversidad y anotaciones exhaustivas del conjunto de datos, puede ser utilizado para desarrollar nuevos métodos en aprendizaje profundo y mejorar nuestra comprensión de la dinámica forestal. Los investigadores pueden construir sobre este conjunto de datos para ampliar los límites de lo que es posible en la clasificación de especies de árboles y el manejo forestal.

Al final, la creación de PureForest tiene como objetivo beneficiar a cualquiera interesado en el monitoreo y análisis forestal, asegurando un futuro más brillante para nuestros bosques a través de mejor información y tecnología.