AIアルゴリズムが世界中の樹木農業、植林、測図作業をサポートする

農業技術スタートアップのSeeTreeは、Orbia Venturesから300万ドルを資金調達し、樹木農業のデジタル化を目指すミッションを達成するために一歩前進しました。同社は、世界中の樹木の成長をサポートするためにAIアルゴリズムを採用する、成長するトレンドを代表しています。

最も大きな、そして最も成功した持続可能農業の分野は樹木作物です。例えば、ペカンナッツの木は約150年間収穫され、リンゴの果樹園は約50年間収穫されます。しかし、これらの収穫は降雨量、土壌浸食、温度、一般的な環境の変動によって影響を受けます。樹木が大きなストレスを受けると、死に至ります。

樹木作物の健康を確保するために、樹木農家は個々の樹木の健康を監視し、環境の変化に対する樹木の反応を予測する必要があります。単純な調査によって樹木の健康を監視することは非常に難しいと考えられます。樹木農家は、病気や気候変動などの多くの変数を考慮する必要がありますが、その影響はしばしば長期的で、測定や数量化することが難しいと考えられます。樹木農家は、これらの課題に対応するために、樹木作物の健康を分析し、生産を最適化することができる技術的なソリューションを採用しています。これにより、労力の削減とコストの削減が可能になります。

フォーブスによると、SeeTreeは、ドローン、地上センサー、データサイエンティスト、農学者をサポートするAIアルゴリズムを使用して、樹木の健康に関するより包括的なプロファイルを作成しています。同社は現在、ミカン、ヘイゼルナッツ、アーモンド、アボカド、オリーブの樹木を栽培する農家に、デジタル化および監視サービスを提供しています。同社は、ピスタチオ、ヤシ、ユーカリの樹木を栽培する農家にもサービスを拡大することを目指しています。

SeeTreeの共同創設者であるイスラエル・タルパズによると、同社のデータサイエンスツールとAIモデルによって生成されたデータは、低性能の樹木の数を50〜85%削減することができました。気候変動の影響により、樹木がストレスを受け、灌漑などのサポートが必要になることが予想されるため、樹木がストレスを受けていることを判断する能力は、将来的に重要になるでしょう。タルパズはフォーブスに次のように説明しています。

「気候変動は、樹木に多くの点で影響を及ぼしています。より熱く、極端な天候は、異なる灌漑プロトコルとインフラストラクチャ、および各果樹園と農場の高いレベルの適応性を必要とします。さらに、従来灌漑されていない地域では、樹木が特定の灌漑の支援なしに耐えられないため、ストレスのレベルが高いことがわかります。」

SeeTreeによって開発されたAIアルゴリズムは、世界中の樹木の植え付けと維持を管理するためにAIを利用する例の1つです。NASAとGoogleは最近、空中画像に基づいて世界中の樹木のカーペントリーカバレッジを数量化することを目的としたAIモデルを開発しました。

Googleは、Tree Canopy Labと呼ばれるイニシアチブを立ち上げました。このプラットフォームは、都市計画家が都市のどの地域に樹木のカーペントリーカバレッジが必要かを判断するために使用されます。多くの都市では、樹木が最も必要な場所を正確に評価するための予算が不足していますが、Tree Canopy Labは、人口密度、既存の樹木カバレッジ、極端な熱の脆弱性などの変数を使用して、樹木を植える場所についてより良い決定を下すことを目的としています。

Tree Canopy Labは、樹木の空中画像に基づいてコンピュータビジョン技術とAIアルゴリズムを使用して、樹木カバレッジの密度を表示する地図を生成します。このラボでは、都市のブロックで多くの樹木を植える場所を特定し、樹木の陰が少ないため極端な高温に弱い歩道を特定することができます。Tree Canopy Labは現在、ロサンゼルスで使用可能であり、Googleによると、このツールは、ロサンゼルスの半分以上の住民が樹木カバレッジが10%未満の地域に住んでおり、約44%の住民が極端な熱のリスクがある地域に住んでいることがわかりました。Googleは、来年中にこのツールを数百の都市に導入することを計画しています。

NASAは現在、高解像度の空中画像と人工知能を使用して、地球の樹木の非常に正確な地図を作成しています。これは、世界中の乾燥した生物帯で以前は地図化されていなかった数百万の樹木をカタログ化することに成功した、樹木マッピングの新しい方法のパイオニアです。

メリーランド州にあるNASAのゴダード宇宙飛行センターの研究者は、樹木の冠の直径をマッピングすることができるアルゴリズムを作成するために、マシンラーニングアルゴリズムと高解像度の動脈画像を使用しました。このアルゴリズムは、1,300,000平方キロメートル（500,000平方マイル）の範囲にわたる18億本の樹木をマッピングするために使用されました。研究チームによって使用されたアルゴリズムは、イリノイ大学のBlue Watersで実行される畳み込みニューラルネットワークを使用しました。これは、国で最も強力なスーパーコンピュータの1つです。

研究の主著者であり、コペンハーゲン大学の助教授であるマーティン・ブランDTによると、トレーニングデータのラベル付けには1年以上かかりました。トレーニングデータのラベル付けには多大な労力が必要でしたが、従来のマッピング方法よりもはるかに迅速なプロセスでした。データがラベル付けされた後、研究はわずか数週間で完了しました。これは、従来の分析方法を使用して樹木をマッピングするのにかかる数年とは対照的です。

生態学的研究者、保護活動家、政策立案者は、関心のある地域内の樹木の正確な数を把握する必要があります。NASAモデルによって提供されるデータは、気候変動が樹木や森林地域に与える影響を判断する上で役立つことになります。さらに、樹木の密度とサイズが平均降雨量の変化に伴ってどのように変化するかを判断することは、保護活動に重要な現場データを提供することになります。