基于群体智慧的亚马逊森林砍伐检测采样策略

保护热带森林因其在全球生态系统中的关键作用而在社会和生态上具有高度相关性。然而，持续的森林砍伐和退化每年影响数百万公顷的土地，需要政府或私人倡议来确保有效的森林监测。2019年4月，一个基于公民科学和机器学习模型的项目ForestEyes（FE）启动，旨在为政府和非营利组织的专家提供辅助数据，以支持其森林砍伐监测工作。最近的研究表明，对FE项目志愿者/公民科学家的标记进行标注有助于定制机器学习模型。在此意义上，我们采用FE项目，基于群体智慧创建了不同的采样策略，以从训练集中选择最合适的样本来学习支持向量机（SVM）技术，并在森林砍伐检测任务中获得更好的分类结果。在我们的实验中，我们可以证明，与随机采样策略相比，基于用户熵增的策略在森林砍伐检测任务中取得了最佳分类结果，同时减少了SVM技术的收敛时间。