Scientific Reports presenta un importante avance científico desarrollado por investigadores de la Universidad Tecnológica de Queensland (QUT), quienes han diseñado un nuevo método de teledetección para detectar y cartografiar con alta precisión los delicados musgos y líquenes en la Antártida.
Estos organismos vegetales son esenciales para el equilibrio de los ecosistemas antárticos, ya que cumplen funciones fundamentales en los ciclos de nutrientes, el aislamiento del suelo y el mantenimiento de la biodiversidad, actuando además como indicadores del estrés ambiental. Sin embargo, debido a su sensibilidad, son los primeros en verse afectados por el calentamiento global, fenómenos meteorológicos extremos y la actividad humana. Por esta razón, monitorear su estado de salud es prioritario, aunque extremadamente desafiante dadas las condiciones adversas del continente.
El equipo liderado por el Dr. Juan Sandino, de la Escuela de Ingeniería Eléctrica y Robótica de QUT, desarrolló un sistema de monitoreo no invasivo utilizando tecnología hiperespectral montada en drones (UAV), en combinación con datos del Sistema Global de Navegación por Satélite Cinemático en Tiempo Real (GNSS-RTK). Esta tecnología permite registrar cientos de bandas espectrales por píxel y ubicar cada uno con precisión geográfica, lo que ofrece una representación mucho más detallada y exacta que las imágenes tradicionales RGB (rojo-verde-azul) o los índices satelitales convencionales como el NDVI (Índice de Vegetación de Diferencia Normalizada).
Tecnología en pro de la protección de la Antártida
Además, se incorporaron imágenes RGB de alta resolución para añadir un contexto visual reconocible. Todos estos datos fueron fusionados en un flujo de trabajo optimizado que evitó la alteración de los frágiles lechos de musgo. Los investigadores también validaron seis índices espectrales desarrollados previamente, especialmente diseñados para plantas polares. Con estos índices, se entrenaron modelos de inteligencia artificial que superaron a los métodos tradicionales en precisión y capacidad predictiva, alcanzando aproximadamente un 99 % de precisión en la identificación de vegetación, incluso bajo pruebas rigurosas. Esto les da confianza sobre su eficacia en futuras aplicaciones.
El estudio comparó 12 modelos diferentes de inteligencia artificial para etiquetar la vegetación, confirmando la fiabilidad del enfoque. Asimismo, se realizaron vuelos de prueba a diferentes altitudes (30 y 70 metros), lo cual demostró que es posible ajustar la escala del análisis según el nivel de detalle necesario: vuelos más bajos permiten estudiar características finas, mientras que vuelos más altos son ideales para obtener una visión general de grandes regiones.
El profesor Felipe González, también de la QUT, destacó que una versión más liviana del sistema, que utiliza solo ocho longitudes de onda esenciales, sería suficiente para producir mapas fiables. Esta simplificación hace que el sistema sea aún más eficiente y económico, permitiendo el uso de drones más pequeños, sensores de menor costo y conjuntos de datos hiperespectrales más compactos. Esta versatilidad podría facilitar la realización de estudios regulares y extensivos sobre la vegetación en la Antártida con una fracción del tiempo y costo que antes se requería.
Este nuevo enfoque representa un avance significativo en el monitoreo ambiental polar, al ofrecer una herramienta precisa, no invasiva y escalable para estudiar ecosistemas extremadamente sensibles al cambio climático. Además de proteger la biodiversidad antártica, este desarrollo podría servir de modelo para monitorear otros entornos frágiles alrededor del mundo.
Puedes revisar más información relativa a noticias de tecnología | Instagram | YouTube | Twitch | Patrocina Bytes and Bits
About The Author
