StreetTree: A Large-Scale Global Benchmark for Fine-Grained Tree Species Classification

1. O Problema

A classificação fina de espécies de árvores urbanas é fundamental para o planejamento urbano, gestão de paisagens e avaliação de serviços ecossistêmicos. No entanto, o avanço nesta área tem sido limitado pela falta de conjuntos de dados (benchmarks) públicos, em grande escala e geograficamente diversificados, especificamente projetados para árvores de rua.

As limitações dos conjuntos de dados existentes incluem:

• Cobertura geográfica restrita: A maioria limita-se a um único país ou cidade.
• Granularidade taxonômica incompleta: Falta de anotações hierárquicas completas (Ordem, Família, Gênero, Espécie).
• Dados de imagem inadequados: Uso predominante de imagens de satélite (perspectiva de topo, baixa resolução para árvores individuais) ou falta de informações sazonais.
• Distribuição de dados: Ausência de registros temporais contínuos e informações sazonais em nível de árvore individual.
• Desafios visuais: Dificuldade em lidar com alta similaridade visual entre espécies, distribuições de cauda longa (long-tailed), variações intraclasse devido às estações e condições de imagem variadas (oclusão, iluminação).

2. Metodologia e Construção do Dataset (StreetTree)

Os autores apresentaram o StreetTree, o primeiro conjunto de dados de benchmark em grande escala dedicado à classificação fina de árvores de rua.

Processo de Construção:

1. Integração de Dados Taxonômicos e Geoespaciais:

   • Agregação de dados de múltiplas fontes: conjuntos acadêmicos (TreeML, U.S. 5 Million), recursos online, dados governamentais e o Global Biodiversity Information Facility (GBIF).
   • Filtragem Rigorosa: Restrição temporal (2015-2025), foco em observações humanas (excluindo detecções automáticas), validação de coordenadas geográficas e status de ocorrência ("presente").
   • Foco Urbano: Uso da camada Global Human Settlement Layer (GHSL) para filtrar apenas árvores localizadas em zonas urbanas.
   • Padronização: Alinhamento de nomes científicos com o GBIF Taxonomic Backbone para resolver sinônimos e garantir conformidade.

2. Coleta de Imagens de Rua (Street View):

   • Consulta à API do Google Street View (GSV) usando as coordenadas das árvores.
   • Cálculo do ângulo de azimute para garantir que a imagem esteja centralizada na árvore alvo.
   • Filtragem de Imagens (Dois Estágios):
     • Estágio 1: Amostragem aleatória e segmentação semântica (usando Segformer) para calcular a porcentagem de pixels de "árvore". Imagens com <20% de pixels de árvore foram descartadas.
     • Estágio 2: Treinamento de um classificador binário eficiente (baseado em ResNet18 e MLP) para filtrar automaticamente o restante do conjunto, removendo imagens com oclusão severa ou baixa qualidade.

3. Estrutura do Dataset:

   • Escala: 12.235.152 imagens de rua representando 3.365.485 árvores individuais.
   • Cobertura: 133 países em 5 continentes.
   • Taxonomia: 71 Ordens, 241 Famílias, 1.747 Gêneros e 8.363 Espécies.
   • Anotações: Hierarquia de 4 níveis (Ordem, Família, Gênero, Espécie), coordenadas geográficas, data/estação de observação e metadados da imagem.
   • Temporalidade: Registros de 2015 a 2025, permitindo análise de mudanças fenológicas e interanuais.

4. Divisão do Dataset:

   • StreetTree-12M: Conjunto de treinamento massivo para fine-tuning de modelos de visão.
   • StreetTree-18kEval: Conjunto de avaliação rigoroso (18.600 imagens) projetado para evitar vazamento de dados (separação em nível de instância individual) e testar a generalização em classes frequentes, comuns e raras (distribuição de cauda longa).

3. Principais Contribuições

1. Cobertura Global Sem Precedentes: O maior conjunto de dados de árvores urbanas do mundo, com amostras de 133 países.
2. Taxonomia Hierárquica Completa: Anotações em quatro níveis taxonômicos, suportando pesquisas em classificação hierárquica.
3. Dados de Rua de Nível do Solo: Imagens que capturam características morfológicas detalhadas (forma da copa, textura da casca, formato da folha) impossíveis de obter com satélites.
4. Informação Sazonal e Temporal: Registros contínuos que cobrem variações sazonais e mudanças de longo prazo (2015-2025).
5. Benchmark Robusto: Estabelecimento de linhas de base (baselines) sólidas e avaliação de modelos sob condições de desequilíbrio de classes e complexidade do mundo real.

4. Resultados Experimentais

Os autores avaliaram vários modelos de visão (ViT, CLIP, SigLIP, BioCLIP) em diferentes escalas de dados (0,1% a 100% do conjunto de treinamento).

• Desempenho Geral: Modelos especializados em visão e linguagem, especialmente o Fine-tuned BioCLIP e SigLIP, superaram consistentemente o ViT padrão e o CLIP zero-shot. O BioCLIP, que incorpora conhecimento biológico no pré-treinamento, obteve os melhores resultados em todos os níveis taxonômicos.
• Impacto da Escala de Dados: O desempenho dos modelos melhorou significativamente à medida que a quantidade de dados de treinamento aumentava, indicando que o modelo não atingiu o limite de saturação e que dados em larga escala são cruciais.
• Desafio da Cauda Longa: Houve uma queda acentuada no desempenho para espécies raras em comparação com as frequentes.
  • Exemplo (BioCLIP, 100% dos dados): Precisão Top-1 de 30,26% para espécies frequentes vs. 20,60% para espécies raras.
• Dificuldade da Tarefa: A lacuna entre a precisão Top-1 e Top-5 é grande (ex: 30,26% Top-1 vs. 52,07% Top-5 para espécies frequentes), evidenciando a extrema similaridade visual entre espécies e a dificuldade de decisão final precisa.
• Limitação Atual: Mesmo com os melhores modelos e todo o conjunto de dados, a precisão Top-1 para classificação de espécies permanece baixa (~30%), refletindo a complexidade intrínseca da tarefa em ambientes urbanos reais (oclusão, iluminação, variação sazonal).

5. Significado e Conclusão

O StreetTree representa um marco na interseção entre visão computacional e ciência urbana.

• Avanço Científico: Fornece uma base de dados padronizada e de alta qualidade para impulsionar o desenvolvimento de modelos de aprendizado profundo capazes de lidar com a complexidade de ecossistemas urbanos.
• Aplicação Prática: Potencial para reduzir drasticamente os custos de mão de obra e tempo em inventários florestais urbanos, monitoramento de saúde das árvores e gestão de biodiversidade.
• Desafios Futuros: O trabalho destaca a necessidade de modelos mais interpretáveis, técnicas para mitigar o desequilíbrio de classes (long-tailed distribution) e a integração de Grandes Modelos de Linguagem (LLMs) para enriquecer as anotações semânticas.

Em suma, o StreetTree não é apenas um conjunto de dados, mas uma ferramenta crítica para a transição para uma gestão de florestas urbanas mais automatizada, escalável e baseada em dados.