Google Research publica un dataset vectorizado con IA para mapear setos y bosquetes en Reino Unido
Hecho Qué ha ocurrido
Google Research, en colaboración con la Universidad de Oxford, ha liberado un dataset vectorizado de rasgos leñosos de pequeña escala (setos, muros de piedra, bosquetes) en Inglaterra, generado con un framework de deep learning basado en un backbone Vision-Transformer preentrenado (Remote Sensing Foundations) y afinado con datos de submeter imagery y LiDAR. El sistema clasifica las formas mediante el índice de compacidad Polsby-Popper y procesa el territorio a escala nacional usando Google Earth Engine. Es la evolución del anterior mapa raster Farmscapes 2020 hacia un inventario accionable de geometrías vectoriales.
Resumen generado mediante IA a partir de Google Research (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Ofrece una herramienta concreta para contabilidad de carbono y biodiversidad en tierras agrícolas sin reducir la producción de alimentos, un problema relevante para políticas de sostenibilidad y ESG.
- Quién se ve afectado
- Agencias medioambientales, gestores de tierras agrícolas, consultoras de sostenibilidad y organismos de contabilidad de carbono.
- Qué puede cambiar
- Permite identificar y cuantificar rasgos ecológicos antes invisibles para inventarios forestales estándar, facilitando la verificación de créditos de carbono y proyectos de restauración a escala de parcela.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Si se extiende a otros países o sistemas agroforestales (silvopastoreo), y si se adopta por certificadoras de carbono o reguladores para detectar 'leakage' en proyectos de conservación.
Recomendación Qué debería hacer una empresa
Empresas de consultoría ambiental o agritech en Europa podrían evaluar en los próximos 6-12 meses la integración de este tipo de datos geoespaciales abiertos en sus productos de medición de carbono.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Google Research (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗Vision TransformerteledetecciónLiDARGoogle Earth Engine Google ResearchUniversity of Oxford biodiversidad Google Earth AI Reino Unido sostenibilidad teledetección
Relacionadas
Google DeepMind lanza AlphaEarth Foundations para mapeo planetario en alta resolución
Google DeepMind ha presentado AlphaEarth Foundations, un modelo de IA que integra petabytes de datos de observación terrestre para crear una representación…
Por qué importaEste modelo reduce drásticamente el costo y la complejidad del análisis geoespacial a escala planetaria, permitiendo monitoreo de seguridad…
Google genera 2 millones de mapas sintéticos para enseñar a IA a trazar rutas
Google Research ha presentado MapTrace, un sistema de generación de datos sintéticos para entrenar modelos multimodales a interpretar mapas y trazar rutas…
Por qué importaEste trabajo expone una brecha crítica en los modelos multimodales actuales: pueden reconocer objetos en imágenes pero fallan en razonamiento…
Google DeepMind publica herramientas de IA para mapear especies y predecir deforestación
Google DeepMind ha anunciado tres avances en aplicación de IA a conservación ambiental: un modelo de predicción de riesgo de deforestación a resolución de 30…
Por qué importaEstas herramientas democratizan el acceso a capacidades de análisis ambiental de alto nivel para gobiernos, empresas y organizaciones de…
Google presenta MAPL-EMIT, modelo de deep learning para mapear emisiones de metano desde satélite
Google Research, en colaboración con NASA JPL, presentó MAPL-EMIT, un framework de deep learning basado en un transformer de visión (Swin-S) que detecta…
Por qué importaMejora la capacidad de monitorización global de metano, un gas con 30 veces más potencial de calentamiento que el CO2, facilitando la detección de…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.