AI 알고리즘이 전 세계의 나무 농업, 식재, 및 매핑 작업을 지원합니다

농업 기술 스타트업 SeeTree는 최근 Orbia Ventures로부터 300만 달러의 자금을 받았으며, 이로써 스타트업은 농업용 나무를 디지털화하는 임무를 수행할 수 있게 되었습니다. 이 회사는 전 세계적으로 나무의 성장을 지원하기 위해 AI 알고리즘을 사용하는 성장하는 추세를 대표합니다.

일년생 농업의 가장 큰 부분은 나무 작물입니다. 예를 들어, 피칸 나무는 거의 150년 동안 수확할 수 있으며, 사과 과수원은 약 50년 동안 수확할 수 있습니다. 그러나 이러한 수확량은 강우량, 토양 침식, 기온, 일반 환경의 변화에 의해 영향을 받습니다. 나무에 많은 스트레스를 가하면 죽습니다.

나무 작물의 건강을 보장하기 위해, 나무 농부는 개별 나무의 건강을 모니터링하고 환경의 변화에 어떻게 반응할지 예측해야 합니다. 단순한 조사로 나무 건강을 모니터링하는 것은 매우 어려울 수 있습니다. 농부는 질병과 기후 변화의 영향을 고려해야 하며, 이러한 영향은 종종 지연되고難測할 수 있습니다. 이러한 도전에 대응하기 위해, 나무 농부는 나무 작물의 건강을 분석하고 생산을 최적화할 수 있는 기술 솔루션을 사용하고 있습니다.

포브스에 따르면, SeeTree는 드론, 지상 센서, 데이터 과학자, 및 농업 전문가의 지원을 받는 AI 알고리즘을 사용하여 나무의 건강에 대한 더 완전한 프로필을 생성합니다. 이 스타트업은 현재 시트러스, 헤이즐넛, 아몬드, 아보카도, 및 올리브 나무를 재배하는 농부에게 디지털화 및 모니터링 서비스를 제공합니다. 이 스타트업은 피스타치오, 팜, 및 유칼립투스 나무를 재배하는 농부에게 서비스를 확장할 계획입니다.

SeeTree의 공동 창립자 인 이스라엘 탈파즈는, 데이터 과학 도구 및 AI 모델에 의해 수집되고 처리된 데이터가 저성과 나무의 감소에 상당한 영향을 미쳤으며, 50~85% 감소했다고 설명했습니다. 스트레스를 받고 있거나 지원이 필요한 나무를 결정하는 능력은 기후 변화의 영향으로 인해 향후 몇 년 동안 더 중요해질 것입니다. 탈파즈는 포브스와의 인터뷰에서 다음과 같이 설명했습니다.

“기후 변화는 나무에 여러 가지 측면에서 영향을 미치고 있습니다. 더 뜨거운 날씨와 극端한 날씨는 다른 관개 프로토콜과 인프라, 및 더 높은 수준의 적응성을 필요로 합니다. 또한, 우리는 전통적으로 비관개 지역에서 스트레스 수준이 더 높은 지역을 보이고 있습니다. 나무는 특정 관개 없이 대처할 수 없습니다.”

SeeTree가 개발한 AI 알고리즘은 전 세계적으로 나무의 식재 및 유지 보수를 관리하기 위해 AI를 사용하는 예 중 하나입니다. NASA와 Google은 최근에 전 세계의 나무冠 덮개 커버리지를 정량화하기 위한 AI 모델을 개발했습니다.

Google은 Tree Canopy Lab이라는 이름의 이니셔티브를 시작했습니다. 이 플랫폼은 도시 계획자가 도시의 특정 지역에 더 많은 나무冠 덮개 커버리지가 필요한지 결정하는 데 도움이 됩니다. 많은 도시에서는 정확하게 나무가どこ에 필요인지 평가하기 위한 예산이 없습니다. 그러나 Tree Canopy Lab은 인구 밀도, 기존의 나무 커버리지, 및 극단적인 열 취약성과 같은 변수를 사용하여 나무를 심을 위치를 결정하는 데 도움이 됩니다.

Tree Canopy Lab은 나무를 표시하는 지도 생성을 위해 컴퓨터 비전 기술 및 공중 이미지에 대한 AI 알고리즘을 사용합니다. 사용자는 나무를 많이 심을 수 있는 도시 블록을 식별할 수 있으며, 또한 그늘의 부족으로 인해 매우 높은 온도에 취약한 보도를 결정할 수 있습니다. Tree Canopy Lab은 현재 로스앤젤레스에서 사용할 수 있으며, Google에 따르면, 이 도구는 LA의 모든 주민 중 절반 이상이 10% 미만의 나무冠 덮개 커버리지를 가진 지역에 거주하며, 약 44%의 주민이 극단적인 열 위험 지역에 거주한다고 밝혔습니다. Google은 향후 1년 동안 수백 개의 도시에서 이 도구를 제공할 계획입니다.

NASA는 현재 고해상도 공중 이미지를 사용하여 지구의 나무를 매우 정확하게 매핑하고 있으며, 이는 아리드 및 반아리드 생태계에서 이전에 매핑되지 않은 수백억 개의 나무를 성공적으로 카탈로그화했습니다.

NASA의 Goddard 우주 비행 센터의 연구원들은 기계 학습 알고리즘 및 고해상도 공중 이미지를 사용하여 나무의 크라운 직경을 매핑할 수 있는 알고리즘을 만들었습니다. 이 알고리즘은 1,300,000 제곱 킬로미터/500,000 제곱 마일에 걸쳐 있는 18억 개의 나무를 매핑했습니다. 연구 팀이 사용한 알고리즘은 일리노이 대학교의 Blue Waters에서 실행되는 컨볼루션 신경망을 사용했습니다.

연구의 주저자이며 코펜하겐 대학교의 조교수인 마틴 브란트에 따르면, 훈련 데이터를 레이블하는 데 1년 이상이 소요되었습니다. 훈련 데이터를 레이블하는 데 많은 노력이 필요했지만, 전통적인 매핑 방법을 사용하는 것보다 훨씬 빠른 프로세스였습니다. 데이터가 레이블링된 후, 연구는 몇 주 만에 완료되었으며, 이는 전통적인 분석 방법을 사용하여 나무를 매핑하는 데 몇 년이 걸릴 수 있습니다.

생태학 연구자, 보존론자, 및 정책 입안자는 관심 영역 내의 나무에 대한 정확한 수를 알아야 합니다. NASA 모델에서 제공되는 데이터는 기후 변화가 나무와 삼림 지역에 미치는 영향을 결정하는 데 유용할 것입니다. 또한, 나무의 밀도와 크기가 평균 강우량의 변화에 따라 어떻게 변하는지 결정하는 데 보존 노력에 중요한 현장 데이터를 제공할 것입니다.