Algoritma AI Membantu Mendukung Operasi Pertanian Pohon, Penanaman, dan Pemetaan di Seluruh Dunia

Sebuah perusahaan rintisan teknologi pertanian SeeTree baru-baru ini menerima $3 juta dalam pendanaan dari Orbia Ventures, membantu perusahaan tersebut untuk mencapai misinya dalam mendigitalkan pohon-pohon yang ditanam. Perusahaan ini mewakili tren yang berkembang dalam menggunakan algoritma AI untuk mendukung pertumbuhan pohon di seluruh dunia.

Beberapa bagian terbesar dan paling sukses dari pertanian perennial adalah tanaman pohon. Sebagai contoh, pohon pecan dapat menghasilkan panen selama hampir 150 tahun, sedangkan kebun apel dapat menghasilkan panen selama sekitar 50 tahun. Namun, hasil panen ini dipengaruhi oleh fluktuasi curah hujan, erosi tanah, suhu, dan lingkungan secara umum. Ketika pohon-pohon ditekan dengan tekanan yang signifikan, mereka akan mati.

Untuk memastikan kesehatan tanaman pohon, petani pohon perlu memantau kesehatan pohon individu dan memprediksi bagaimana mereka akan merespons perubahan lingkungan. Memantau kesehatan pohon melalui survei sederhana dapat sangat sulit, karena petani harus mempertimbangkan banyak variabel seperti penyakit dan perubahan iklim, yang efeknya sering kali dapat berkepanjangan dan sulit diukur. Untuk merespons tantangan ini, petani pohon beralih ke solusi teknologi yang memungkinkan mereka menganalisis kesehatan tanaman pohon dan mengoptimalkan produksi, sehingga memungkinkan solusi yang lebih sedikit tenaga kerja dan lebih hemat biaya.

Seperti yang dilaporkan oleh Forbes, SeeTree menggunakan algoritma AI yang didukung oleh drone, sensor tanah, ilmuwan data, dan agronomis untuk menciptakan profil kesehatan pohon yang lebih lengkap. Perusahaan ini saat ini menyediakan layanan pendigitalkan dan pemantauan untuk petani pohon jeruk, hazelnut, almond, avokad, dan zaitun. Perusahaan ini berencana untuk memperluas layanan mereka ke petani pohon pistachio, palem, dan eukaliptus.

Menurut co-founder SeeTree, Israel Talpaz, data yang dikumpulkan dan diproses oleh alat ilmu data dan model AI mereka telah menghasilkan penurunan signifikan pada pohon-pohon yang tidak berperforma, menguranginya sebesar 50 hingga 85 persen. Kemampuan untuk menentukan pohon-pohon mana yang stres dan membutuhkan dukungan, seperti irigasi, akan menjadi lebih penting dalam beberapa tahun mendatang karena efek perubahan iklim. Seperti yang dijelaskan oleh Talpaz melalui Forbes:

“Perubahan iklim mempengaruhi pohon-pohon dalam beberapa aspek; cuaca yang lebih panas dan ekstrem memerlukan protokol irigasi dan infrastruktur yang berbeda, serta tingkat adaptasi yang lebih tinggi per kebun dan pertanian. Selain itu, kita melihat daerah yang sebelumnya tidak diirigasi mengalami stres yang lebih tinggi karena pohon-pohon tidak dapat bertahan tanpa bantuan irigasi khusus.”

Algoritma AI yang dikembangkan oleh SeeTree hanya salah satu contoh bagaimana AI digunakan untuk mengelola penanaman dan pemeliharaan pohon di seluruh dunia. Baik NASA maupun Google (GOOGL ) baru-baru ini mengembangkan model AI yang dimaksudkan untuk mengukur cakupan kanopi pohon di seluruh dunia, berdasarkan citra udara.

Google meluncurkan sebuah inisiatif yang disebut Tree Canopy Lab. Platform ini dimaksudkan untuk digunakan oleh perencana kota, membantu mereka menentukan daerah mana yang memerlukan lebih banyak cakupan kanopi pohon. Banyak kota tidak memiliki anggaran yang cukup untuk menilai dengan akurat di mana pohon-pohon paling dibutuhkan, tetapi Tree Canopy Lab bertujuan untuk memungkinkan perencana kota menggunakan variabel seperti kepadatan penduduk, cakupan pohon yang ada, dan kerentanan panas ekstrem untuk membuat keputusan yang lebih baik tentang di mana menanam pohon.

Tree Canopy Lab menggunakan teknik penglihatan komputer dan algoritma AI yang dilatih pada citra udara pohon untuk menghasilkan peta yang menampilkan kepadatan cakupan pohon. Lab ini memungkinkan pengguna untuk mengidentifikasi blok kota di mana sejumlah besar pohon dapat ditanam, serta menentukan trotoar mana yang rentan terhadap suhu ekstrem karena kurangnya naungan. Tree Canopy Lab saat ini tersedia untuk digunakan di Los Angeles, dan menurut Google, alat ini telah menemukan bahwa lebih dari setengah dari semua penduduk LA tinggal di daerah dengan cakupan kanopi pohon kurang dari 10%, dan sekitar 44% dari semua penduduk tinggal di daerah dengan risiko panas ekstrem. Google berencana untuk membawa alat ini ke ratusan kota lainnya dalam beberapa tahun mendatang.

NASA sekarang menggunakan citra udara resolusi tinggi dan kecerdasan buatan untuk membuat peta yang sangat akurat dari pohon-pohon di Bumi, mempelopori metode baru pemetaan pohon yang telah berhasil mengkatalogkan jutaan pohon yang sebelumnya tidak dipetakan di bioma kering dan semi-kering di seluruh dunia.

Peneliti dari Pusat Penerbangan Luar Angkasa Goddard NASA di Maryland menggunakan algoritma pembelajaran mesin dan citra arteri resolusi tinggi untuk membuat algoritma yang mampu memetakan diameter mahkota pohon. Algoritma ini digunakan untuk memetakan lebih dari 1,8 miliar pohon yang tersebar di 1.300.000 kilometer persegi/500.000 mil persegi. Algoritma yang digunakan oleh tim peneliti menggunakan jaringan saraf konvolusional yang dijalankan pada Blue Waters di University of Illinois, salah satu superkomputer paling kuat di negara ini.

Menurut Martin Brandt, penulis utama studi dan asisten profesor di University of Copenhagen, proses pelabelan data pelatihan memakan waktu lebih dari setahun. Meskipun upaya yang dilakukan dalam pelabelan data pelatihan, proses ini masih jauh lebih cepat daripada menggunakan metode pemetaan tradisional. Setelah data dilabel, studi ini hanya membutuhkan beberapa minggu untuk diselesaikan, dibandingkan dengan tahun-tahun yang mungkin diperlukan untuk memetakan pohon-pohon menggunakan metode analitik tradisional.

Peneliti ekologi, konservasionis, dan pembuat kebijakan perlu memiliki hitungan akurat pohon-pohon di dalam area yang menjadi perhatian. Data yang disediakan oleh model NASA akan berguna dalam menentukan bagaimana perubahan iklim mempengaruhi pohon-pohon dan daerah berhutan selama beberapa tahun. Selain itu, menentukan bagaimana kepadatan dan ukuran pohon-pohon bervariasi sesuai dengan perubahan curah hujan rata-rata akan memberikan upaya konservasi dengan data penting di lapangan.