El cas de la Xina: Algoritmes que compten milers de milions d’arbres
Una tecnologia avançada clau, el potencial de la qual s’està veient multiplicat gràcies a la intel·ligència artificial, és LIDAR (Light Detection and Ranging). Desenvolupada inicialment entre els anys 60 i 70, aquesta tècnica permet escanejar el paisatge per crear mapes 3D increïblement detallats, capaços de «veure» fins i tot a través de la vegetació densa. El seu funcionament es basa a emetre polsos de llum làser i mesurar el temps que tarden a tornar després de rebotar en els objectes, generant així núvols massius de punts tridimensionals.
En el passat, l’anàlisi detallada d’aquestes dades, la interpretació del contingut i la quantificació dels elements eren tasques executades per especialistes amb eines limitades. Evidentment, es tractava d’una feina feixuga i pesada. Avui, la incorporació de la intel·ligència artificial per dur a terme aquestes tasques ens obre portes a capacitats inèdites, ja que és aquesta intel·ligència artificial la que té la capacitat de convertir els milers de milions de punts de dades resultants d’un procés LIDAR en coneixement útil, com veurem en l’extraordinari cas de l’inventari forestal de la Xina.”
LIDAR: L’Ull Làser que ‘mapeja’ en 3D
Muntat en avions, drons o satèl·lits, el LIDAR emet milions de polsos làser per segon. Aquests reboten en tot el que troben (copes d’arbres, branques, sòl) i tornen al sensor. Mesurant el temps de retorn i coneixent la posició exacta del sensor, es calcula la coordenada tridimensional (x, y, z) de cada punt de rebot. El resultat és un «núvol de punts» massiu que representa amb altíssima fidelitat la topografia i l’estructura tridimensional de la vegetació. El sistema treballa amb ordres de magnitud que poden anar des dels 5 punts per metre quadrat fins a la centena de punts per metre quadrat.
Intel·ligència artificial: el cervell que fa possible l’impossible
Aquí és on la IA demostra el seu valor insubstituïble. Algoritmes d’aprenentatge automàtic (Machine Learning) i, cada cop més, d’aprenentatge profund (Deep Learning) són entrenats per interpretar aquests complexos núvols de punts 3D.
Què vol dir això a la pràctica? Vol dir que la IA aprèn a «veure» dins d’aquests milions de punts. Una de les primeres coses que aprèn a fer és mesurar amb gran precisió l’alçada de cada arbre individual, analitzant la diferència entre els punts més alts de la seva capçada i el nivell del sòl detectat pel LIDAR.
Però va molt més enllà. Analitzant la forma tridimensional detallada de la capçada capturada pel LIDAR –la seva densitat, el seu contorn, la disposició de les branques principals– els algoritmes poden arribar a diferenciar entre diferents tipus d’arbres, com distingir coníferes d’arbres de fulla ampla (frondoses), o fins i tot, amb un grau d’encert notable en molts casos, identificar algunes espècies específiques basant-se en la seva estructura característica reflectida en el núvol de punts.
A més, encara que és un camp més complex i en desenvolupament, la IA pot, en alguns casos, arribar a donar indicis sobre la salut dels arbres. Canvis subtils en la densitat de la capçada que detecta l’algoritme, la presència de grans branques mortes identificades per l’estructura 3D, o variacions significatives en la forma esperada per a un arbre d’un cert tipus i mida, poden ser interpretats com a senyals d’estrès hídric, malalties, danys per vent o plagues, oferint així una informació valuosíssima per a una gestió forestal proactiva.
Tot això –mesurar alçades amb exactitud, diferenciar tipus d’arbres i fins i tot obtenir pistes sobre el seu estat de salut– aplicat a milions o milers de milions d’arbres individuals, demostra com la IA no només automatitza, sinó que habilita anàlisis a una escala i amb una complexitat que superen radicalment les capacitats humanes.
El cas pràctic – la Xina: superant limitacions inimaginables
L’encàrrec i el repte principal per als investigadors que van desenvolupar el projecte va ser quantificar amb precisió les poblacions d’arbres a tota la Xina i examinar-ne els patrons espacials a múltiples escales, abordant les limitacions de les recerques prèvies
Per afrontar aquests desafiaments, el compromís dels investigadors va ser presentar un mètode per estimar les poblacions d’arbres a la Xina utilitzant dades LiDAR aerotransportades per UAV (Vehicles Aeris No Tripulats), amb l’objectiu de respondre a la pregunta fonamental: Quants arbres hi ha a la Xina? A més, es van proposar integrar aquest enfocament amb dades de distribució forestal existents per examinar els patrons espacials de les poblacions d’arbres a múltiples escales i generar dades de distribució de la densitat d’arbres per a la Xina a una resolució de 100 metres quadrats. Finalment, van cercar generar un mapa d’alta resolució espacial de la densitat d’arbres a tota la Xina, proporcionant informació valuosa per a la gestió d’ecosistemes forestals i el desenvolupament de polítiques relacionades amb la protecció de boscos naturals i la forestació
- Es van recopilar més de 400 TB de dades LiDAR de UAV, cobrint més de 1400 km² en diversos ecosistemes forestals de la Xina.
- Les dades processades es van dividir en quadrícules forestals de 100 m × 100 m, i els arbres individuals es van identificar mitjançant un algoritme de segmentació dins del programari LiDAR360, amb verificació visual manual.
- Per generar un mapa de densitat arbòria, es van incorporar 27 característiques geoespacials (climàtiques, edàfiques, topogràfiques, vegetatives i antropogèniques) de múltiples fonts de teledetecció.
- Es van emprar cinc algoritmes d’aprenentatge automàtic d’alt rendiment (LGBM, GBR, CAT, RF i XGB) i van fer una mitjana dels resultats per generar el mapa final de densitat arbòria i les estimacions d’incertesa.
La xifra final es va estimar en 142,6 ± 0,35 (mitjana ± SD) bilions d’arbres a tota la Xina. Aquesta xifra es va obtenir extrapolant la densitat d’arbres mitjana de 689 ± 17 (mitjana ± SD) arbres/ha., calculada mitjançant l’aplicació de models predictius de densitat d’arbres, entrenats amb les dades LiDAR dels 1400 km² analitzats.
Un detall interessant del projecte ha estat la validació d’aquests resultats a tan gran escala. Per assegurar que les estimacions generades per la IA fossin fiables, el procés ha requerit comparar les dades aèries amb mesures exhaustives realitzades en parcel·les de mostreig sobre el terreny. Aquest contrast entre la visió remota i la verificació ‘in situ’, aplicat als increïblement diversos tipus de bosc i terrenys complexos presents a la Xina, va ser fonamental no només per ajustar els algoritmes i entendre’n el grau d’encert, sinó també per dotar de robustesa científica la impressionant xifra final de l’inventari.
Més enllà del recompte i el context europeu/espanyol
La IA pot esdevenir una bona aliada per a la millora del nostre medi ambient en molts àmbits. El recompte d’arbres a la Xina n’és només un exemple certament espectacular. La mateixa combinació LIDAR+IA pot utilitzar-se per avaluar la salut forestal, detectar plagues de manera primerenca, optimitzar l’ús de l’aigua en l’agricultura, monitorar glaceres o descobrir patrimoni arqueològic ocult.
És important remarcar que aquestes tecnologies no són alienes a Europa i Espanya. La tecnologia LIDAR s’ha fet servir al nostre entorn per a diverses aplicacions cartogràfiques, d’infraestructures o de gestió de riscos, i també en camps com la conducció automatitzada. Hi ha diferents grups de recerca a universitats espanyoles que treballen aquestes tecnologies. Per tant, estem en condicions, i disposem de base tecnològica i de coneixement suficient, per poder ampliar l’ús de LIDAR combinat amb IA per abordar nous reptes que siguin socialment rellevants i interessants. El potencial hi és, esperant ser aprofitat de manera més decidida.
Una crida a l’acció proactiva per la IA
Hem vist com la sinergia entre LIDAR i la IA permet dur a terme tasques d’un impacte social i ambiental enorme, que abans eren simplement inviables. La IA és en aquest cas el motor que transforma dades massives en coneixement accionable, superant limitacions analítiques que ens frenaven.
Utilitzar la intel·ligència artificial, com en el cas exposat per mantenir els nostres boscos, és un actiu valuosíssim i un exemple clar del seu potencial positiu. En aquests casos, hem d’apostar decididament per la IA, preparar-nos i treballar per integrar-la de manera intel·ligent i responsable en la recerca d’un futur més sostenible i pròsper.
- Referència: K. Cheng, H. Yang, Y. Chen et al., How many trees are there in China?, Science Bulletin, https://doi.org/10.1016/j.scib.2025.02.001
