Integración de imágenes de alta resolución de UAVs para la asignación de servicios ecosistémicos de aprovisionamiento en los trópicos
Ximena Tagle proporciona un resumen de su tema de investigación de doctorado
Estoy a la mitad de mi investigación de doctorado en el Laboratorio de Geo-información Ciencia y Teledetección en la Universidad de Wageningen e Investigación (WUR), en colaboración con el Instituto de Investigación de la Amazonía Peruana (IIAP) y la Universidad de Leeds gracias a la beca WWF Russell E. Train (https://www.worldwildlife.org/stories/wwf-welcomes-the-2018-class-of-conservation-leaders#).
El objetivo principal de mi investigación es combinar datos de tierra (medidas de campo), vehículos aéreos no tripulados – imágenes RGB UAV (imágenes de drones) e imágenes satelitales para mapear los puntos críticos de la producción de fruta de palma (Mauritia flexuosa, Euterpe precatoria y Oenocarpus bataua) en la región de Loreto. Con el fin de demostrar que el valor económico de los bosques puede provenir de productos no madereros y fomentar la conservación de la Amazonía peruana.
Para ello, tengo 3 objetivos de investigación:
Con 4 preguntas de investigación:
1. ¿Es posible identificar y cuantificar semiautomáticamente las especies de palmeras utilizando imágenes de UAV en una selva tropical?
Respondimos a esta pregunta en el artículo publicado el año pasado: https://www.mdpi.com/2072-4292/12/1/9
2. ¿Qué tan factible es la detección y cuantificación automática de especies de palmeras económicamente importantes a "mayor escala" utilizando UAVs?
Estoy usando Deep Learning para detectar especies de palmeras económicamente importantes en 100 – 200 hectáreas por mosaico, en diferentes áreas de Loreto. ¡Esta publicación llegará pronto!
Además, uno de mis MSc. Los estudiantes desarrollaron un plug-in QGIS que incorpora este modelo para detectar Mauritia flexuosa, y pronto también Euterpe precatoria y Oenocarpus bataua. Esta interfaz es fácil de usar y es utilizada por el Servicio de Zonas Nacionales Protegidas en Perú (sernanp en español).
3. ¿Qué tan precisas pueden las imágenes de UAV determinar la producción de fruta de palma semiautomáticamente?
Estoy tratando de automatizar esta detección mediante el uso de aprendizaje profundo, así.
4. ¿Cuál es la variabilidad espacial de la producción de frutos de palmera en la región de Loreto? ¿Es posible identificar puntos críticos de la producción de frutos de palmera?
Mediante la combinación del UAV, los datos de tierra y las imágenes de satélite, la idea es generar un mapa de puntos críticos de la producción de fruta de palma para la región de Loreto.
Esta investigación es un esfuerzo unido y no habría sido posible sin el apoyo de mis supervisores Martin Herold, Harm Bartholomeus, Tim Baker; Colaboradores del IIAP Dennis Del Castillo y Euridice Honorio, y especialmente sin la ayuda de todo el equipo de campo, incluyendo las comunidades locales y el personal del Servicio de Espacios Naturales Protegidos (SERNANP).