AI-algoritmes ondersteunen bosbouw, aanplant en kaartwerkzaamheden over de hele wereld

Een agrarische technologie-startup SeeTree heeft onlangs 3 miljoen dollar aan financiering ontvangen van Orbia Ventures, waardoor de startup haar missie om geboomte te digitaliseren kan verwezenlijken. Het bedrijf vertegenwoordigt een groeiende trend om AI-algoritmes in te zetten om de groei van bomen over de hele wereld te ondersteunen.

Enkele van de grootste en meest succesvolle sectoren van de landbouw zijn boomgewassen. Zo kunnen pecannoten bijvoorbeeld een opbrengst opleveren van bijna 150 jaar, terwijl een appelboomgaard een oogst kan produceren van ongeveer 50 jaar. Deze opbrengsten worden echter beïnvloed door fluctuaties in neerslag, bodemerosie, temperatuur en het algemene milieu. Wanneer bomen onder een aanzienlijke hoeveelheid stress staan, sterven ze.

Om de gezondheid van boomgewassen te waarborgen, moeten boomkwekers de gezondheid van individuele bomen in de gaten houden en voorspellen hoe ze zullen reageren op veranderingen in het milieu. Het controleren van de gezondheid van bomen door middel van eenvoudige observatie kan enorm moeilijk zijn, omdat kwekers veel variabelen in aanmerking moeten nemen, zoals ziektes en klimaatverandering, waarvan de effecten vaak vertraagd en moeilijk te kwantificeren zijn. Om deze uitdagingen het hoofd te bieden, wenden boomkwekers zich tot technologische oplossingen die hen in staat stellen de gezondheid van boomgewassen te analyseren en de productie te optimaliseren, waardoor minder arbeidsintensieve en kosteneffectievere oplossingen mogelijk worden.

Volgens Forbes maakt SeeTree gebruik van AI-algoritmes die worden ondersteund door drones, grondgevoelige sensoren, datawetenschappers en agronomen om een meer complete profiel van de gezondheid van een boom te creëren. De startup biedt momenteel digitaliserings- en bewakingsdiensten aan kwekers van citrus-, hazelnoot-, amandel-, avocado- en olijfbomen. De startup heeft als doel haar diensten uit te breiden naar kwekers van pistachenoot-, palm- en eucalyptusbomen.

Volgens de mede-oprichter van SeeTree, Israel Talpaz, heeft de door hun datawetenschappelijke tools en AI-modellen verzamelde en verwerkte data geleid tot een aanzienlijke daling van onderpresterende bomen, met een daling van 50 tot 85 procent. De mogelijkheid om te bepalen welke bomen onder stress staan en ondersteuning nodig hebben, zoals irrigatie, zal in de komende jaren belangrijker worden vanwege de effecten van klimaatverandering. Zoals Talpaz via Forbes verklaarde:

“Klimaatverandering heeft een aanzienlijke invloed op de bomen op verschillende manieren; het warmer en extremer weer rechtvaardigt andere irrigatieprotocollen en -infrastructuur, evenals een hoger niveau van adaptatie per boomgaard en boerderij. Bovendien zien we gebieden die traditioneel niet-geïrrigeerd waren, hogere niveaus van stress ervaren, omdat de bomen niet zonder de hulp van specifieke irrigatie kunnen overleven.”

De door SeeTree ontwikkelde AI-algoritmes zijn slechts één voorbeeld van hoe AI wordt gebruikt om de aanplant en het onderhoud van bomen over de hele wereld te beheren. Zowel NASA als Google (GOOGL ) hebben onlangs AI-modellen ontwikkeld om de boomkruinbedekking over de hele wereld te kwantificeren op basis van luchtfoto’s.

Google heeft een initiatief gelanceerd genaamd Tree Canopy Lab. Het platform is bedoeld voor gebruik door stadsplanners, om hen te helpen bepalen welke delen van een stad meer boomkruinbedekking nodig hebben. Veel steden hebben niet het budget om nauwkeurig te bepalen waar bomen het meest nodig zijn, maar Tree Canopy Lab streeft ernaar stadsplanners in staat te stellen variabelen zoals bevolkingsdichtheid, bestaande boombedekking en extreme hittegevoeligheid te gebruiken om betere beslissingen te nemen over waar bomen moeten worden geplant.

Tree Canopy Lab maakt gebruik van computerzichttechnieken en AI-algoritmes die zijn getraind op luchtfoto’s van bomen om kaarten te produceren die de dichtheid van de boombedekking weergeven. Het lab laat gebruikers toe om stadswijken te identificeren waar een groot aantal bomen kan worden geplant, evenals om te bepalen welke trottoirs kwetsbaar zijn voor extreme hitte vanwege minder schaduw. Tree Canopy Lab is momenteel beschikbaar voor gebruik in Los Angeles, en volgens Google heeft het instrument aangetoond dat meer dan de helft van alle inwoners van LA in gebieden wonen met minder dan 10% boomkruinbedekking, en ongeveer 44% van alle inwoners in gebieden met extreem hitterisico. Google plant om het instrument uit te breiden naar honderden andere steden in de komende jaar.

NASA gebruikt nu hoogresolutieluchtfoto’s en kunstmatige intelligentie om zeer nauwkeurige kaarten van de bomen van de aarde te maken, waarmee een nieuwe methode van boomkaarten wordt gepionierd die succesvol miljoenen eerder ongekaarte bomen in aride en semi-aride biomen over de hele wereld heeft gekarteerd.

Onderzoekers van het Goddard Space Flight Center van NASA in Maryland gebruikten machine learning-algoritmes en hoogresolutie-luchtfoto’s om algoritmes te creëren die in staat zijn de kroondiameter van een boom te karteren. Het algoritme werd gebruikt om meer dan 1,8 miljard bomen te karteren over een gebied van 1.300.000 vierkante kilometer/500.000 vierkante mijlen. De door het onderzoeksteam gebruikte algoritmes maakten gebruik van convolutionele neurale netwerken die werden uitgevoerd op Blue Waters aan de Universiteit van Illinois, een van de krachtigste supercomputers in het land.

Volgens Martin Brandt, hoofdauteur van de studie en assistent-professor aan de Universiteit van Kopenhagen, duurde het proces van het labelen van de trainingsdata meer dan een jaar. Ondanks de inspanning die nodig was om de trainingsdata te labelen, was het nog steeds een veel sneller proces dan het gebruik van traditionele kaarttechnieken. Nadat de data was gelabeld, was de studie in slechts een paar weken voltooid, in vergelijking met de jaren die het zou kunnen duren om de bomen met traditionele analysemethode te karteren.

Ecologische onderzoekers, natuurbeschermers en beleidsmakers moeten nauwkeurige tellingen van bomen in de gebieden van interesse hebben. De door het NASA-model verstrekte gegevens zullen nuttig zijn om te bepalen hoe klimaatverandering bomen en beboste gebieden over de jaren beïnvloedt. Bovendien zal het bepalen van de dichtheid en de grootte van bomen in overeenstemming met veranderingen in de gemiddelde neerslag, belangrijke gegevens voor natuurbeschermingsinspanningen op de grond opleveren.