AI-algoritmer hjælper med at støtte trælandbrug, planting og kortlægning af operationer over hele verden

Et landbrugsteknologisk startup SeeTree har for nylig modtaget 3 millioner dollars i finansiering fra Orbia Ventures, hvilket hjælper startuppet med at opfylde sin mission om at digitalisere dyrkede træer. Virksomheden repræsenterer en voksende tendens til at anvende AI-algoritmer til at støtte væksten af træer over hele verden.

Nogle af de største og mest succesrige sektorer inden for perennial landbrug er trækropsproduktion. For eksempel kan pecantræer producere afgrøde i næsten 150 år, mens et æblelund kan producere en afgrøde i cirka 50 år. Men disse afgrøder påvirkes af fluktuationer i nedbør, jorderosion, temperatur og det generelle miljø. Når træer udsættes for en betydelig mængde stress, dør de.

For at sikre sundheden af trækropsproduktion, skal træbønder overvåge sundheden af enkelttræer og forudsige, hvordan de kan reagere på ændringer i miljøet. Overvågning af træsundhed gennem simpel overvågning kan være utrolig svært, da bønderne skal tage mange variable som sygdom og klimaforandring med i betragtning, hvis effekter ofte kan være forsinkede og svære at kvantificere. For at reagere på disse udfordringer, søger træbønderne efter teknologiske løsninger, der giver dem mulighed for at analysere sundheden af trækropsproduktion og optimere produktionen, hvilket giver færre arbejdskrævende og mere omkostningseffektive løsninger.

Ifølge Forbes anvender SeeTree AI-algoritmer, der understøttes af droner, jordfølere, datavidenskabsfolk og agronomer til at skabe en mere komplet profil af et træs sundhed. Startuppet tilbyder i øjeblikket digitaliserings- og overvågningsydelser til bønder, der dyrker citrus, hasselnød, mandler, avocado og oliventræer. Startuppet sigter mod at udvide sine ydelser til bønder, der dyrker pistacetræer, palmer og eukalyptustræer.

Som forklaret af SeeTrees medstifter, Israel Talpaz, har data, der er indsamlet og behandlet af deres datavidenskabsværktøjer og AI-modeller, resulteret i en betydelig reduktion af underpræsterende træer, hvilket er reduceret med mellem 50 og 85 procent. Evnen til at bestemme, hvilke træer er under stress og har brug for støtte, som vand, vil blive mere vigtig i de kommende år på grund af klimaforandringerne. Som Talpaz forklarede via Forbes:

“Klimaforandringen tager sin pris på træerne på flere måder; den varmere og mere ekstreme vejr kræver andre irrigationsprotokoller og -infrastruktur samt højere niveauer af tilpasning pr. lund og gård. Desuden ser vi områder, der traditionelt ikke var irrigerede, lider under højere niveauer af stress, da træerne ikke kan klare sig uden hjælp fra specifik irrigation.”

De AI-algoritmer, der er udviklet af SeeTree, er kun et eksempel på, hvordan AI anvendes til at styre planting og vedligeholdelse af træer over hele verden. Såvel NASA som Google har for nylig udviklet AI-modeller, der skal kvantificere trækronens dækning over hele verden, baseret på luftfotografier.

Google har lanceret en initiativ kaldet Tree Canopy Lab. Platformen er beregnet til brug af byplanlæggere, der skal bestemme, hvilke områder af en by, der har brug for mere trækronedækning. Mange byer har ikke den nødvendige budget til at nøjagtigt vurdere, hvor træer er mest nødvendige, men Tree Canopy Lab sigter mod at lade byplanlæggere bruge variable som befolkningstæthed, eksisterende trædækning og ekstrem varmevulnerabilitet til at træffe bedre beslutninger om, hvor træer skal plantes.

Tree Canopy Lab anvender computer vision-teknikker og AI-algoritmer, der er trænet på luftfotografier af træer til at producere kort, der viser trædækningsdensiteten. Labbet giver brugerne mulighed for at identificere bykvarterer, hvor et stort antal træer kan plantes, samt bestemme, hvilke fortorve, der er sårbare over for ekstremt høje temperaturer på grund af mindre skygge. Tree Canopy Lab er i øjeblikket tilgængelig til brug i Los Angeles, og ifølge Google har værktøjet fundet, at over halvdelen af alle LA-borgere bor i områder med mindre end 10% trædækning, og cirka 44% af alle borgere bor i områder med ekstrem varmerisiko. Google planlægger at bringe værktøjet til hundredvis af flere byer over de næste år.

NASA bruger nu højopløselige luftfotografier og kunstig intelligens til at fremstille meget præcise kort over jordens træer, hvilket baner vejen for en ny metode til trækortlægning, der har lykkes i at katalogisere millioner af tidligere ukortlagte træer i tørre og semitørre biomer over hele verden.

Forskere fra NASAs Goddard Space Flight Center i Maryland anvendte maskinelæringsalgoritmer og højopløselige luftfotografier til at skabe algoritmer, der kan kortlægge træernes kronediameter. Algoritmen blev anvendt til at kortlægge over 1,8 milliarder træer fordelt over 1.300.000 kvadratkilometer/500.000 kvadratmiles. Algoritmerne, der blev anvendt af forskningsteamet, anvendte convolutionelle neurale netværk, der kørte på Blue Waters på University of Illinois, en af de mest kraftfulde supercomputere i landet.

Ifølge Martin Brandt, hovedforfatter af studiet og adjunktprofessor på Københavns Universitet, tog processen med at mærke træningsdataen over et år. Trods den indsats, der var involveret i at mærke træningsdataen, var det stadig en meget hurtigere proces end at anvende traditionelle kortlægningsmetoder. Efter at dataen var mærket, tog studiet kun få uger at fuldføre, sammenlignet med de år, det kunne have taget at kortlægge træerne ved hjælp af traditionelle analytiske metoder.

Økologiske forskere, conservationister og politikere har brug for nøjagtige tal på træer inden for områder af interesse. Data, der leveres af NASA-modellen, vil være nyttig til at bestemme, hvordan klimaforandringen påvirker træer og skove over årene. Desuden vil bestemmelse af, hvordan træernes tæthed og størrelse varierer i overensstemmelse med ændringer i gennemsnitsnedbør, give conservation med vigtige data på grundniveau.