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.
Fuente original: Google Research (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗Vision TransformerteledetecciónLiDARGoogle Earth Engine biodiversidadGoogle Earth AIReino Unidosostenibilidadteledetección
Tu opinión
0 comentarios
Relacionadas
DeepMind lanza AlphaGenome Atlas con predicciones para 9.000 millones de variantes genéticas
Google DeepMind presentó AlphaGenome Atlas, una plataforma con predicciones precomputadas del efecto molecular de 9.000 millones de posibles variantes de una…
Por qué importaEs un ejemplo de cómo la IA puede acelerar drásticamente la investigación biomédica al hacer computacionalmente accesible algo antes inviable…
DeepMind lanza el Atlas AlphaGenome con predicciones de 9.000 millones de variantes de ADN
Google DeepMind anunció el 8 de septiembre el AlphaGenome Atlas, un repositorio público con predicciones precalculadas para las 9.000 millones de posibles…
Por qué importaReduce drásticamente la barrera técnica y computacional para investigar el efecto de variantes genéticas en la regulación génica, acelerando…
Google DeepMind presenta AlphaGenome Atlas, base de datos con predicciones de 9 mil millones de variantes genéticas
Google DeepMind ha lanzado AlphaGenome Atlas, una base de datos que predice los efectos de todas las posibles variaciones de un único nucleótido en el genoma…
Por qué importaAcelera dramáticamente el descubrimiento científico en genómica y medicina personalizada al proporcionar acceso inmediato a predicciones sobre el 98%…
Google DeepMind lanza AlphaGenome Atlas, mapa gratuito del genoma humano con IA
Google DeepMind ha presentado AlphaGenome Atlas, una plataforma web gratuita que cataloga predicciones de impacto de mutaciones en todo el genoma humano…
Por qué importaFacilita a investigadores y empresas biotecnológicas priorizar qué mutaciones estudiar entre miles de millones de posibilidades, acelerando…