AI-algoritmer hjelper til å støtte treplanting, -avl og -kartlegging over hele verden

Et landbruks-teknologiselskap SeeTree har nylig mottatt 3 millioner dollar i finansiering fra Orbia Ventures, noe som hjelper selskapet med å fullføre sin misjon om å digitalisere dyrkede trær. Selskapet representerer en voksende trend med å bruke AI-algoritmer til å støtte veksten av trær over hele verden.

Noen av de største og mest suksessfulle delene av perennial jordbruk er tregårder. For eksempel kan pekantrær produsere avlinger i nesten 150 år, mens et epletre kan produsere en avling i omtrent 50 år. Imidlertid påvirkes disse avlingene av fluktuasjoner i nedbør, jorderosjon, temperatur og generell miljø. Når trær utsettes for en betydelig mengde stress, dør de.

For å sikre helsen til tregårder, må tregardister overvåke helsen til enkelttrær og forutsi hvordan de kan reagere på endringer i miljøet. Overvåking av trehelse gjennom enkel overvåking kan være ekstremt vanskelig, da bøndene må ta hensyn til mange variable som sykdom og klimaendringer, hvis effekter ofte kan være forsinkede og vanskelige å kvantifisere. For å møte disse utfordringene, vender tregardister seg til teknologiske løsninger som lar dem analysere helsen til tregårder og optimalisere produksjonen, noe som muliggjør mindre arbeidskrevende og mer kostnadseffektive løsninger.

Ifølge Forbes bruker SeeTree AI-algoritmer støttet av droner, bakkenivåsensore, dataforskere og agronomer for å skape en mer komplett profil av et tres helse. Selskapet tilbyr i øyeblikket digitalisering og overvåkingstjenester til bønder av sitrus, hasselnøtter, mandler, avokado og oliven. Selskapet har som mål å utvide sine tjenester til bønder av pistasj, palme og eukalyptus.

Som forklart av medgründeren av SeeTree, Israel Talpaz, har dataene som er samlet inn og prosessert av deres data-vitenskapelige verktøy og AI-modeller ført til en betydelig reduksjon av underpresterende trær, som er redusert med mellom 50 til 85 prosent. Evnen til å bestemme hvilke trær som er under stress og trenger støtte, som vanning, vil bli viktigere i årene som kommer på grunn av klimaendringene. Som Talpaz forklarte via Forbes:

“Klimaendringene tar sin pris på trærne på flere måter; det varmere og mer ekstreme været krever andre vanningsprotokoller og infrastruktur, samt høyere nivåer av tilpasning per lund og gård. I tillegg ser vi områder som tradisjonelt ikke var vannet, som lider under høyere nivåer av stress, siden trærne ikke kan klare seg uten hjelp av spesifik vanning.”

AI-algoritmene utviklet av SeeTree er bare ett eksempel på hvordan AI brukes til å håndtere planting og vedlikehold av trær over hele verden. Såvel NASA som Google (GOOGL ) har nylig utviklet AI-modeller som er ment å kvantifisere trekronede dekket over hele verden, basert på luftbilder.

Google har lansert en initiativ kalt Tree Canopy Lab. Plattformen er ment for bruk av byplanleggere, som lar dem bestemme hvilke regioner av en by som trenger mer trekronede dekket. Mange byer har ikke budsjettet nødvendig for å nøyaktig vurdere hvor trær er mest nødvendig, men Tree Canopy Lab har som mål å la byplanleggere bruke variable som befolkningstetthet, eksisterende trekronede dekket og ekstrem varme-sårbarhet for å komme til bedre beslutninger om hvor å plante trær.

Tree Canopy Lab bruker datamaskin-syn-teknikker og AI-algoritmer trent på luftbilder av trær for å produsere kart som viser tettheten av trekronede dekket. Laben lar brukerne identifisere byblokker hvor et stort antall trær kan plantes, samt bestemme hvilke fortauer som er sårbare for ekstremt høye temperaturer på grunn av mindre skygge. Tree Canopy Lab er i øyeblikket tilgjengelig for bruk i Los Angeles, og ifølge Google, har verktøyet funnet at over halvparten av alle LA-innbyggere bor i områder med mindre enn 10 prosent trekronede dekket, og omtrent 44 prosent av alle innbyggere bor i områder med ekstrem varme-risiko. Google planlegger å bringe verktøyet til hundrevis av flere byer i løpet av det neste året.

NASA bruker nå høyoppløselige luftbilder og kunstig intelligens for å lage svært nøyaktige kart over jordens trær, og har etablert en ny metode for trekartlegging som har lykkes i å katalogisere millioner av tidligere ukartlagte trær i tørre og semi-tørre biomer over hele verden.

Forskere fra NASAs Goddard Space Flight Center i Maryland har brukt maskinlæringsalgoritmer og høyoppløselige arterielle bilder for å skape algoritmer i stand til å kartlegge kronediameteren til et tre. Algoritmen ble brukt til å kartlegge over 1,8 milliarder trær over 1 300 000 kvadratkilometer/500 000 kvadratmiles. Algoritmene brukt av forskningsteamet brukte konvolusjonsneurale nettverk som kjørte på Blue Waters ved University of Illinois, ett av de kraftigste supercomputere i landet.

Ifølge Martin Brandt, hovedforfatter av studien og assistentprofessor ved Københavns Universitet, tok prosessen med å merke treningdata over ett år. Til tross for den innsatsen som var nødvendig for å merke treningdata, var det likevel en mye raskere prosess enn å bruke tradisjonelle kartleggingsmetoder. Etter at dataene var merket, tok studien bare noen uker å fullføre, sammenlignet med årene det kan ta å kartlegge trærne med tradisjonelle analytiske metoder.

Økologiske forskere, konservatorer og politikere må ha nøyaktige tellinger av trær innen interessante områder. Dataene som er gitt av NASA-modellen vil være nyttige i å bestemme hvordan klimaendringene påvirker trær og skogområder over årene. I tillegg vil å bestemme hvordan tettheten og størrelsen på trær varierer i henhold til endringer i gjennomsnittlig nedbør, vil gi konservatoriske innsats med viktige data på bakken.