La disponibilidad de fotografías espontáneas y no estructuradas de ecoturistas está demostrando ser un valioso recurso para analizar ecosistemas remotos como la Antártida.
Investigadores de la Universidad estadounidense de Stony Brook han desarrollado un método que utiliza material fotográfico procedente tanto de satélites como de turistas para cartografiar la extensión de las colonias de pingüinos en la Antártida. Este estudio utiliza una técnica semiautomatizada para combinar imágenes de satélite con fotografías terrestres, a menudo tomadas por ecoturistas, para captar con precisión la dinámica de población de las colonias de pingüinos. Para el proyecto, el equipo de investigación utilizó un método que integra imágenes aleatorias de turistas para generar vistas tridimensionales del paisaje. El equipo utilizó tanto fotografías históricas como modernas, sin necesidad de datos de localización de la cámara para utilizar las imágenes, lo que aumentó enormemente el número de fotografías disponibles.
Técnicas complejas
El proyecto tuvo algunos obstáculos técnicos complejos. Un problema clave fue la correspondencia entre las imágenes de satélite y las del suelo, ya que la resolución de las imágenes de satélite difiere considerablemente de la de las fotos turísticas. “Para alinear las cámaras, utilizamos métodos manuales a través de herramientas como Meshlab (un programa informático para modelos 3D), que nos permiten lograr una alineación precisa”, explica el investigador Haoyu Wu. Además, el equipo experimentó con algoritmos como SuperGlue y GLU-Net, diseñados específicamente para ajustar automáticamente la alineación de imágenes. Pero la enorme diferencia de resolución entre las imágenes de satélite y las terrestres dificultaba este proceso y a veces lo hacía menos eficaz, por lo que el enfoque manual resultaba a menudo inevitable, afirma Wu.
¿Cómo se reconocen los pingüinos?
Para identificar y cartografiar las colonias de pingüinos, el equipo de investigación utilizó el Segment Anything Model (SAM). Este modelo, diseñado para la segmentación interactiva (el proceso por el cual un ordenador divide la información de una imagen en diferentes partes), desempeña un papel destacado en la delimitación precisa de las colonias de pingüinos, incluso en condiciones difíciles en las que el límite entre la colonia y el entorno es borroso. SAM obtuvo resultados impresionantes en la distinción de colonias, aunque su rendimiento disminuyó a veces cuando la nieve oscurecía los límites entre la colonia y el paisaje circundante. “Para mejorar el rendimiento de SAM, un entrenamiento adicional centrado en estos entornos complejos podría mejorar la precisión”, afirma Wu.
Nuevas aplicaciones para la conservación en todo el mundo
El método ofrece potencial para muchas otras aplicaciones ecológicas, afirma Wu. “Por ejemplo, podría utilizarse para seguir el crecimiento de la vegetación en humedales, controlar los patrones estacionales de floración o incluso cartografiar el retroceso de los glaciares. Siempre que el área de interés pueda segmentarse y alinearse con los datos topográficos, este enfoque podría servir de apoyo a muchos esfuerzos de vigilancia medioambiental en los que las imágenes por satélite o aéreas son limitadas”.
Los ciudadanos científicos y su papel en la investigación ecológica
Un aspecto importante de la investigación es la participación de científicos ciudadanos. Los turistas pueden contribuir proporcionando imágenes que, si se toman correctamente, pueden utilizarse en la investigación científica. “Recomendamos capturar imágenes a una distancia que incluya suficiente del contexto paisajístico para facilitar la alineación, ya que las imágenes en primer plano suelen carecer de las referencias espaciales necesarias. Incluir la topografía circundante ayuda considerablemente en el proceso de alineación. Añadir metadatos, si es posible, ayuda a la georreferenciación, aunque nuestro método también puede funcionar sin metadatos”, afirma Wu.
Mejoras y retos futuros
Aunque el método es prometedor, mejorar la precisión sigue siendo una preocupación, especialmente en paisajes dinámicos como la Antártida, donde la capa de nieve y los cambios topográficos se producen con rapidez. En futuros proyectos, el equipo espera integrar mejores algoritmos de alineación de cámaras y emplear el aprendizaje automático para cartografiar el paisaje cambiante. Los investigadores esperan que, con el perfeccionamiento de algoritmos como el de comparación de características, la técnica sea aún más aplicable, con resultados más precisos.
Sin comentarios