ECHOSAT: Estimating Canopy Height Over Space And Time

1. El Problema

La monitorización forestal es crítica para la mitigación del cambio climático y la contabilidad de carbono. Sin embargo, los mapas globales de altura de árboles existentes presentan dos limitaciones fundamentales:

• Estáticos: Proporcionan "instantáneas" en un momento específico, sin capturar la dinámica temporal (crecimiento anual o pérdida de árboles).
• Inconsistencia Temporal: Los enfoques actuales que intentan modelar la temporalidad suelen aplicar modelos independientes año por año o dependen de un post-procesamiento extenso para suavizar inconsistencias. Esto genera fluctuaciones irreales a nivel de píxel y no captura dinámicas sutiles como la degradación gradual o la mortalidad de árboles individuales, limitando la precisión en el análisis de carbono.

2. Metodología

Los autores proponen ECHOSAT, un mapa global de altura de dosel con resolución de 10 metros que abarca 7 años (2018-2024). La metodología se basa en tres pilares:

A. Datos y Preprocesamiento

• Fuentes Multi-sensor: Se integran datos ópticos (Sentinel-2), radar (Sentinel-1 y ALOS PALSAR-2), modelos de elevación digital (TanDEM-X) y clasificación de bosques.
• Etiquetado (Ground Truth): Se utilizan mediciones LiDAR espaciales de la misión GEDI (NASA) como etiquetas de referencia.
• Entrada Temporal: Se crea un tensor unificado de forma $18 \times 84 \times 96 \times 96$ (canales $\times$ pasos de tiempo $\times$ altura $\times$ anchura), alineando temporalmente los datos y remuestreando todo a 10 m.

B. Arquitectura del Modelo: Temporal-Swin-Unet

El núcleo del sistema es una variante del Swin Transformer adaptada para series temporales:

• Base: Combina el Video Swin Transformer (para procesamiento de video) y el Swin-Unet (para segmentación densa).
• Especificidad: Utiliza un tamaño de parche de $1 \times 1$ píxeles para preservar detalles finos en la resolución de 10 m, evitando el desenfoque de bordes.
• Mecanismos Temporales:
  • TD (Temporal Downsample): Reduce las dimensiones temporales y espaciales en el codificador mediante proyecciones lineales y concatenación.
  • TSC (Temporal Skip Connection): En el decodificador, enriquece las características año por año conectando las características del codificador del mismo año mediante una capa de Transformer, permitiendo que el decodificador "atienda" a su estado temporal correspondiente.
• Salida: Dos cabezas de salida (heads): una para pre-entrenamiento (referencia) y otra para predicción final.

C. Función de Pérdida de Crecimiento (Growth Loss)

Esta es la innovación clave para lograr consistencia temporal sin post-procesamiento:

• Enfoque Auto-supervisado: Dado que las etiquetas de GEDI son escasas y esparsas en el tiempo, el modelo no aprende directamente de etiquetas temporales densas.
• Mecanismo:
  1. La cabeza de referencia genera una serie temporal inicial.
  2. Se ajusta una regresión lineal restringida a esta serie para crear "pseudo-etiquetas".
  3. La regresión permite pendientes positivas (crecimiento) dentro de un rango biológico realista (0 a 3 m/año) y detecta perturbaciones (caídas bruscas >50% de altura o >4m en 2 años).
  4. La cabeza de predicción se entrena para minimizar la distancia entre sus predicciones y estas pseudo-etiquetas, forzando al modelo a aprender curvas de crecimiento físicamente realistas y eventos de disturbio.

3. Contribuciones Clave

1. Primer Mapa Espacio-Temporal Global de Alta Resolución: ECHOSAT es el primer mapa de altura de árboles de 10 m que cubre todo el globo durante 7 años consecutivos, permitiendo monitorear dinámicas forestales a escala.
2. Marco de Pérdida de Crecimiento: Introducción de una función de pérdida auto-supervisada que encauza el aprendizaje hacia patrones de crecimiento y disturbio realistas, eliminando la necesidad de post-procesamiento para la coherencia temporal.
3. Arquitectura Temporal-Swin-Unet: Desarrollo de una arquitectura de visión transformer adaptada específicamente para regresión pixel a pixel en series temporales de imágenes satelitales, superando las incompatibilidades de los modelos foundation estándar con tareas de predicción densa.

4. Resultados

• Precisión: ECHOSAT supera a los métodos de estado del arte (basados en Random Forest, CNNs y modelos UNet anteriores) en todas las métricas para el año 2020.
  • MAE (Error Absoluto Medio): 5.85 m (vs. 6.85 m del siguiente mejor).
  • RMSE: 10.87 m.
  • $R^2$: 0.59 (y 0.77 considerando todas las etiquetas).
• Dinámica Temporal: El modelo captura correctamente:
  • Crecimiento: Muestra tasas de crecimiento más rápidas en árboles jóvenes y más lentas en árboles maduros, consistente con la ecología forestal.
  • Perturbaciones: Detecta eventos de tala y fuego (ej. en Le Landes, Francia) mostrando caídas abruptas de altura, mientras mantiene estabilidad en bosques maduros (ej. Amazonía).
• Robustez: Mantiene alta precisión incluso en el primer año (2018) donde no hay etiquetas de GEDI disponibles para entrenamiento directo, gracias a la generalización del modelo.

5. Significado e Impacto

• Contabilidad de Carbono: Proporciona la primera herramienta global capaz de cuantificar el crecimiento y la pérdida de biomasa año tras año, esencial para políticas climáticas precisas y mercados de carbono.
• Evaluación de Perturbaciones: Permite detectar no solo grandes incendios, sino también degradación a pequeña escala y mortalidad de árboles, que antes eran invisibles en mapas estáticos.
• Avance en IA para Teledetección: Demuestra que los modelos de aprendizaje profundo pueden aprender dinámicas físicas inherentes (crecimiento biológico) sin depender de correcciones externas, marcando un paso adelante en la creación de modelos de observación terrestre más inteligentes y físicamente consistentes.

El mapa y el código están disponibles públicamente en github.com/ai4forest/echosat.