Delimitación de anillos de crecimiento en la especie Goupia glabra mediante técnicas de visión por computador

Abstract

La dendrocronología ha sido una herramienta de gran utilidad en la ecología. Esta ha permitido el estudio del clima y de los bosques en el mundo. Su desarrollo fue en las regiones templadas tal vez por dos razones: en ella se encuentran los países más desarrollados económicamente y la creencia generalizada en que en el trópico al no haber estaciones, tampoco se forman anillos de crecimiento en la madera de los árboles que allí crecen. A raíz de esto, los estudios de anillos de crecimiento en el trópico son una minoría y hasta ahora se han realizado en regiones con bajas precipitaciones en algunos meses en el año (una época seca marcada). Adicionalmente puede decirse que la detección automática de anillos en el trópico no ha sido estudiada; por el contrario, este estudio aborda la detección automática de anillos en una especie tropical en la región más lluviosa de América (Chocó biogeográfico). A partir de secciones transversales de la especie Goupia glabra provenientes de la región más lluviosa de América, se evaluó la metodología más apropiada para la detección de anillos de crecimiento en la especie. Fueron evaluadas la fase de adquisición de las imágenes, los filtros en el preprocesado, las técnicas convencionales de visión por computador para la detección de bordes y un algoritmo de aprendizaje profundo. Se corroboró la gran utilidad que tienen los escáneres de alta resolución para los estudios dendrocronológicos y la dificultad que presentan los métodos convencionales de la visión artificial para la detección de anillos de crecimiento en especies con anatomía compleja. Los resultados sugieren que, mediante técnicas avanzadas como redes neuronales convolucionales profundas, se pueden detectar anillos de crecimiento en especies tropicales, en climas donde nunca se ha estudiado la dendrocronología. Para este estudio se obtuvieron resultados con exactitud de 91% y valor F1 de 65% en las muestras de validación. Esto abre las puertas a nuevos estudios y preguntas en el campo de la dendrocronología en el trópico y cambia paradigmas de la ecología en general

Abstract: Dendrochronology has been a very useful tool in ecology. This has allowed the study of climate and forests in the world. Its development was in the temperate regions perhaps for two reasons: there are the most economically developed countries and the widespread belief that in the tropics there are not seasons, nor are growth rings formed in the wood of the trees that grow there. As a result, studies of growth rings in the tropics are a minority and so far, have been conducted in regions with low rainfall in some months of the year (a marked dry season). Additionally, it can be said that the automatic detection of rings in the tropics has not been studied; On the contrary, this study deals with the automatic detection of rings in a tropical species in the rainiest region of America (Chocó biogeographic). Trunk cross sections from the tree species Goupia glabra located in Chocó-Colombia, the rainiest region of America, were used to evaluate the most appropriate methodology for the detection of growth rings in this species. This implied the evaluation of acquisition phase of the images, preprocessing filters, handcrafted techniques of computer vision for edge detection and algorithms of deep learning. Additionally, the large utility of high-resolution scanners for dendrochronological studies was corroborated as well as the difficulty of using handcrafted methods of artificial vision. Results suggest that the use of advanced techniques such as Deep Convolutional Neural Networks are useful to detect growth rings in tropical tree species even in climates where dendrochronology has never been studied. The accuracy of these results was 91% and 65% for the F1 value in the validation samples. This study in general changes paradigms of ecology and then opens the doors to new researches that address questions in the field of dendrochronology in the tropics. Keywords: Dendrochronology, Computer Vision, Goupia glabra, Chocó biogeographic, Deep Learning, Ecology, U-Net