Zajednički tim istraživača predvođen Benom Vajnštajnom sa Univerziteta Florida, Oregon, SAD, koristio je mašinsko učenje da generiše veoma detaljne mape preko 100 miliona pojedinačnih stabala sa 24 lokacije širom SAD i objavio je svoje nalaze 16. jula u časopisu PLOS Biology. Ove karte pružaju informacije o pojedinačnim vrstama drveća i uslovima, što može u velikoj meri pomoći naporima za očuvanje i drugim ekološkim projektima.
Ekolozi su dugo prikupljali podatke o vrstama drveća kako bi bolje razumeli jedinstveni ekosistem šume. Istorijski gledano, ovo je učinjeno ispitivanjem malih parcela zemlje i ekstrapolacijom tih nalaza, iako to ne može objasniti varijabilnost u celoj šumi. Druge metode mogu da pokriju šire oblasti, ali se često bore za kategorizaciju pojedinačnih stabala.
Da bi generisali velike i veoma detaljne mape šuma, istraživači su obučili vrstu algoritma za mašinsko učenje nazvanu duboka neuronska mreža koristeći slike krošnje drveća i druge podatke senzora snimljene avionom. Ovi podaci o obuci pokrivali su 40.000 pojedinačnih stabala i, kao i svi podaci korišćeni u ovoj studiji, obezbeđeni su od Nacionalne mreže ekoloških opservatorija.
Duboka neuronska mreža je bila u stanju da klasifikuje najčešće vrste drveća sa tačnošću od 75 do 85%. Pored toga, algoritam bi mogao da obezbedi i druge važne analize, kao što je izveštavanje koje drveće je živo ili mrtvo.
Istraživači su otkrili da je duboka neuronska mreža imala najveću tačnost u oblastima sa više otvorenog prostora u krošnji drveća i da je najbolje delovala kada je kategorizovala vrste četinara, kao što su borovi, kedrovi i sekvoje.
Mreža se takođe najbolje pokazala u oblastima sa nižim diverzitetom vrsta. Razumevanje prednosti algoritma može biti korisno za primenu ovih metoda u različitim šumskim ekosistemima.
Istraživači su takođe otpremili predviđanja svojih modela u Google Earth Engine kako bi njihovi nalazi mogli da pomognu drugim ekološkim istraživanjima. Istraživači kažu: „Različitost skupova podataka koji se preklapaju podstaći će bogatije oblasti razumevanja za ekologiju šuma i funkcionisanje ekosistema.“
Autori dodaju: „Naš cilj je da pružimo istraživačima prve široke mape raznolikosti vrsta drveća iz ekosistema širom Sjedinjenih Država. Ove mape stabala krošnje mogu se ažurirati novim podacima prikupljenim na svakoj lokaciji. Saradnjom sa istraživačima na NEON lokacijama možemo da gradimo sve bolja i bolja predviđanja tokom vremena.“
