Título del Proyecto
Explorando el potencial de la identificación automatizada de especies de plantas tropicales a partir de datos de escaneo hiperespectral y 3D
Nombre del mentor
Helene Muller-Landau, Científica Senior
Contact information: mullerh@si.edu
Lugar de la pasantía
Isla Barro Colorado, Panamá.
Resumen y objetivos del proyecto
Los bosques tropicales representan la mayoría de las reservas terrestres de carbono y la biodiversidad, por lo que es fundamental comprender cómo se ven afectados por el cambio climático mundial. Su alta diversidad de plantas ofrece el potencial de una alta resiliencia al cambio global antropogénico porque las especies varían ampliamente en sus respuestas a la variación ambiental y las especies más afectadas negativamente invariablemente se volverán menos comunes. Sin embargo, esta misma diversidad presenta un tremendo desafío para nuestra capacidad de comprender la función de los bosques tropicales hoy en día y predecir cómo responderá al cambio global, ya que significa que la variación interespecífica es crítica. Actualmente carecemos de los abundantes datos específicos de cada especie necesarios para cuantificar esta variación interespecífica y capturarla en modelos. Los estudios realizados en tierra son a pequeña escala y contienen tamaños de muestra inadecuados de la mayoría de las especies de plantas, y los datos de teledetección proporcionan tamaños de muestra grandes, pero actualmente no pueden distinguir especies individuales en diversos bosques tropicales.
Los avances tecnológicos en imágenes hiperespectrales, escaneo láser e inteligencia artificial ahora ofrecen el potencial para la identificación automatizada de especies de plantas individuales utilizando sensores remotos, teléfonos inteligentes y / u otras herramientas. Esto permitiría la recopilación de datos a gran escala y específicos de especies en los bosques tropicales y permitiría que una gama más amplia de investigadores, estudiantes y científicos ciudadanos contribuyeran. Sin embargo, para aprovechar este potencial, necesitamos recopilar datos de entrenamiento de alta calidad y analizarlos para desarrollar algoritmos de aprendizaje automático apropiados y determinar qué tipos o combinaciones de datos son más útiles para la identificación de especies.
Este proyecto tiene como objetivo sentar las bases para la identificación automatizada de especies de plantas leñosas en diversos bosques tropicales. Los objetivos específicos son:
(1) recopilar y publicar un conjunto de datos de entrenamiento multidimensional de alta calidad que incluya reflectancia hiperespectral y estructura tridimensional de plantas enteras, hojas, cortezas, frutos y flores de > 150 especies de plantas leñosas en el centro de Panamá;
(2) cuantificar la variación dentro de las especies y la distinción entre especies en estos datos;
(3) evaluar la capacidad de distinguir taxones para cada tipo de datos y combinación de tipos, e identificar los enfoques más prometedores para la identificación automatizada de especies.
La finalización exitosa de la investigación propuesta sentará las bases para la recopilación a gran escala de datos específicos de taxones que abarcan muchas especies de plantas que coexisten en los bosques tropicales. Los hallazgos sobre la utilidad de la reflectancia del espectrómetro serán de particular importancia para los esfuerzos por ampliar el monitoreo de la biodiversidad tropical de grandes parcelas como Smithsonian ForestGEO a paisajes más grandes con sensores hiperespectrales aéreos y espaciales.
Habilidades requeridas
El/la candidato/a ideal tiene una licenciatura en un campo relevante, capacidad para realizar trabajo de campo en bosques tropicales en terrenos accidentados, fuertes habilidades organizativas, capacidad para trabajar bien con miembros del equipo de diversos orígenes, fuertes habilidades cuantitativas que incluyan experiencia en programación, fuertes habilidades de comunicación oral y escrita en inglés y buenas habilidades de comunicación en español.
