Todos os dias, parece que os cientistas publicam uma nova tecnologia ou algoritmo. A inteligência artificial e o aprendizado de máquina são ferramentas poderosas que podem ajudar as pessoas em todo o mundo e acelerar a própria pesquisa. Pode-se perguntar se essas abordagens ainda requerem alguma supervisão humana.

Uma tarefa trabalhosa para ecologistas e conservacionistas em todo o mundo é catalogar e monitorar habitats florestais. Escaneamento a Laser Terrestre (TLS) está se tornando uma das abordagens principais para fazer uma varredura 3D de uma árvore individual ou fragmento de floresta para extrair diferentes medições (por exemplo, número de árvores, altura da árvore, diâmetro da árvore). Esta abordagem computacionalmente desafiadora é propensa a altas taxas de erro, pois depende de algoritmos que determinam o que é uma árvore ou parte de uma árvore em uma nuvem de pontos 3D (ou seja, imagem).

Doutor Olivier Martin-Ducup da Universidade de Montpellier e colegas da Universidade de Yaoundé, Aalto University e Tampere University comparou medições de árvores automáticas e associadas ao homem em um terreno de um hectare na Reserva de Fauna de Dja, em Camarões. Os pesquisadores descobriram que, quando isolaram as árvores nas varreduras a laser, reduziram os erros de medição em um fator de três a dez vezes.

Em 2018, Martin-Ducup e seus colegas estabeleceram um lote de floresta de 1 ha na Reserva de Fauna Dja. A equipe mediu 391 árvores e escaneou o terreno em um padrão sinuoso. A árvore, Uapaca guineense, foi a espécie mais comum, enquanto Irvingia grandifolia tinha o maior diâmetro (1.2 m).

Os cientistas testaram cinco pipelines totalmente automatizados usando diferentes softwares, algoritmos e configurações. As três etapas principais foram primeiro localizar e isolar árvores individuais da nuvem de pontos 3D gerada pelo LIDAR, segmentar as folhas e a madeira e reconstruir as árvores usando modelagem estrutural quantitativa.

Os cientistas testaram se a assistência humana nos diferentes estágios de processamento poderia reduzir as taxas de erro na parcela, na subparcela e no nível da árvore. A altura, diâmetro, área de copa, área basal e volume de madeira das árvores foram estimados e comparados com as medições manuais.

Na escala das árvores, o pesquisador constatou que o isolamento das árvores com ajuda humana reduziu o erro no volume de madeira em um fator de dez. Na escala de parcela de 1 ha, a localização de árvores com assistência humana reduziu o erro em um fator de três.

“Os resultados mostraram que todos os pipelines retornaram resultados pouco confiáveis ​​quando executados de forma totalmente automática”, escreveram Martin-Ducup e seus colegas.

“Essa descoberta destaca o risco de usar cegamente esses tratamentos automatizados na escala da parcela. No entanto, demonstramos que fornecer assistência humana, mesmo assistência limitada, em etapas críticas nos métodos automatizados de pipeline pode ajudar muito a reduzir os erros de estimativa.”

Escaneamento LIDAR, aprendizado de máquina e inteligência artificial são novas ferramentas interessantes que podem ajudar cientistas, conservacionistas e administradores de terras. Mas contar árvores em uma imagem 3D ainda pode ser feito melhor por uma pessoa.