Investigadores de la Universidad Tecnológica de Queensland (QUT) han presentado un método innovador para las detecciones de teleobjetivo que aumenta la capacidad de detectar el delicado crecimiento del musgo y el liquen en la Antártida y para mapear en la Antártida, componentes clave de los ecosistemas frágiles del continente. Este enfoque innovador garantiza encuestas no invasivas de la vegetación de la Antártida, lo que aumenta considerablemente la velocidad y los costos vinculados a estas evaluaciones se reducen considerablemente. Los hallazgos se detallan en un artículo reciente publicado en la revista Informes científicos.
El Dr. Juan Sandino, investigador de la Escuela de Ingeniería Eléctrica y Robótica de QUT, enfatizó la importancia de los musgos y los líquenes en la Antártida y los describe como esenciales ‘barómetros de estrés’. Explicó que estas plantas tolerantes a las heladas juegan un papel crucial en los ciclos biogeoquímicos, el aislamiento del suelo y el apoyo de la biodiversidad. «Estimulan los ciclos de alimentos y apoyan los ecosistemas de la Antártida, pero son los primeros en sufrir el calentamiento, el clima extremo y los problemas humanos», sobre el Dr. Sandino. «Mantener su salud es de vital importancia, pero extremadamente difícil en condiciones de campo bajo cero».
Para asumir este desafío, los investigadores utilizaron un vehículo aéreo separado (UAV) equipado con una cámara hiperespectral que puede capturar cientos de colores para cada píxel. Combinado con el sistema de satélite de navegación global en tiempo real cinemático (GNSS-RTK), el sistema garantiza un ancla de ubicación precisa de cada píxel grabado. Además, se registraron imágenes RGB con alta resolución para crear un contexto visual.
«Esta fusión de flujos de datos creó un flujo de trabajo simplificado que aseguró que no se molesten las camas de musgo», enfatizó el Dr.. Sandino. La investigación validó con éxito seis índices espectrales propuestos hechos para fábricas polares, previamente introducidas por el equipo. Los modelos entrenados con la ayuda de estos índices funcionaban mejor que las estadísticas más antiguas y se clasificaron fuertemente en gráficos de importación funcionales.
El nuevo sistema integrado mostró beneficios en comparación con las imágenes RGB tradicionales y la diferencia normalizada en el índice de vegetación de diferencia basado en satélite (NDVI), generalmente utilizado para evaluar la salud y la densidad de la vegetación. El equipo de investigación comparó doce modelos AI para etiquetar la vegetación, logrando una tasa de precisión impresionante de casi el 99%, lo que significa que sus métodos seguirán siendo efectivos con los datos futuros.
El profesor Felipe González, también de la Escuela de Ingeniería Eléctrica y Robótica de QUT, mencionó que los vuelos de prueba arrojaron mejores resultados de mapeo a diferentes alturas. Los vuelos más altos fueron para vistas generales más amplias, mientras que los vuelos más bajos dieron detalles más finos, lo que hace que una escala suave de su enfoque desde los valles localizados de repente hasta valles enteros.
«Este trabajo demuestra que una versión liviana con solo ocho longitudes de onda importantes producirá mapas confiables», dijo el profesor González, y enfatiza que este progreso facilitará las encuestas de vegetación más rápidas y económicas. Dichos desarrollos abren oportunidades para el uso de UAV más pequeños, sensores más baratos y crean datos hiperespectrales más manejables.
Esta investigación innovadora marca un importante paso adelante en la comprensión y el mantenimiento de los ecosistemas únicos de la Antártida, que libera el camino para un monitoreo más eficiente y más efectivo en uno de los entornos más remotos de la Tierra.
 have unveiled a groundbreaking remote sensing methodology that enhances the ability to detect and){kind=link}