Anna Derkacheva, Gerald «JJ» Frost, Howie Epstein et Ksenia Ermokhina, de l’Université HSE en Russie, Alaska Organic Analysis, Inc., l’Université de Virginie et l’Académie russe des sciences (respectivement), discutent de leur article: Modèles de paysage de l’arbilification dans le faible arctique sibérien: une perspective d’apprentissage automatique
La toundra arctique connaît certains des effets les plus forts du changement climatique sur Terre. Les changements peuvent être facilement observés sur la durée d’une durée de vie humaine en tant que réorganisation des écosystèmes et des paysages. L’growth rapide des hauts arbustes dans des terres précédemment occupées par des usines de toundra à rumence en est un exemple et est l’une des principales composantes du «verdissement de la toundra» évident dans les enregistrements par satellite tv for pc à lengthy terme depuis le début des années 1980. L’growth des arbustes comprend à la fois le remplissage des auvents d’arbustes existants et la colonisation de nouveaux emplacements. Dans nos recherches, nous avons évalué l’étendue et conduisant les facteurs locaux de la «arbuste» par de grands arbustes d’aulne (style Alnus) pour trois emplacements dans le nord-ouest de la Sibérie, Russie.
Les photos satellites à haute résolution fournissent des détails et une couverture suffisants dans le temps pour observer et quantifier la propagation des arbustes récents dans les paysages de la toundra. Nous avons obtenu des paires d’photos satellites acquises à 10 à 15 ans d’intervalle pour trois paysages dans le nord-ouest de la Sibérie, avec une résolution qui a permis d’identifier les arbustes individuels. Nous avons ensuite appliqué l’intelligence artificielle (IA) pour créer un réseau neuronal spécialement formé (réseau neuronal convolutionnel, ou CNN) qui a reconnu les arbustes d’aulne à travers trois étapes du développement de la canopée – une colonisation, une colonisation, un peu de peuplements ouverts d’arbustes matures et des peuplements fermés avec des canots denses – avec notre imagerie satellite tv for pc. Ce réseau a pu suivre la distribution des arbustes et ses changements des centaines de fois plus rapidement que les methods manuelles, avec une qualité comparable!
La deuxième pièce de notre puzzle consistait à comprendre les facteurs au niveau du paysage qui rendent un habitat «attrayant» pour l’growth des arbustes d’aulne. Parce que nous opérons dans des zones d’étude de ~ 50 km2les variables topographiques locales sont les plus susceptibles d’influencer les modèles d’prevalence des arbustes. Pour l’Arctique typiquement froid et humide, les principales influences locales sont le chauffage solaire et l’humidité moulue (c.-à-d. Microclimat). Nous avons évalué ces deux facteurs, développant des cartes de ces variables à l’aide d’un modèle d’élévation numérique connu sous le nom d’ArcticDem.
Les analyses statistiques ont confirmé certaines connaissances existantes, mais ont également révélé d’autres relations qui n’étaient pas évidentes. Par exemple, Alder occupait historiquement des pentes bien drainées au sud, qui ont fourni les meilleures situations pour cette espèce à la marge nord de son aire de répartition. Cependant, l’growth contemporaine de l’viewers semble se produire dans des microsites moins optimaux – réapparaître une gamme de rayonnement solaire et de niveaux d’humidité – reflétant le potentiel pour que les arbustes augmentent leur paysage «d’empreinte» à la suite de températures de réchauffement. Pour l’un de nos websites d’étude, l’prevalence des arbustes a augmenté de plus de 25% par décennie, contrairement à un autre website qui n’a augmenté que de 2,5%. Bien qu’un climat de réchauffement soit le principal moteur de l’growth des arbustes à l’échelle circumpolaire, les modèles d’growth des arbustes à l’échelle du paysage ont peu de sens à moins que la disponibilité de websites de colonisation appropriée ne soit considérée.
Bien que ces travaux aient été menés à quelques emplacements dans l’Arctique sibérienne, notre pipeline d’analyse utilisant le traitement d’picture par satellite tv for pc a-Ai, l’extraction de facteurs environnementaux de l’Arcticdem et la croisement statistique peuvent être appliquées à des zones plus grandes avec le même détail. Une meilleure compréhension de l’arbilification arctique va au-delà de la portée de l’écologie des plantes. De nombreux modèles d’écosystèmes régionaux ou mondiaux (par exemple pour le climat, le cyclisme du carbone, le pergélisol) s’appuient sur les descriptions de la couverture végétale réelle et future et de la composition communautaire, et le passage de la couverture largement herbacée aux arbustes hauts est un changement environnemental vital qui affectera la faune arctique, le permafrost, l’utilisation terrestre humaine, le climat régional et plus.
