AI-algoritmer hjelper med å støtte treoppdrett, planting og kartlegging over hele verden

En oppstart av landbruksteknologi SeTree har mottok nylig 3 millioner dollar i finansiering fra Orbia Ventures, hjelper oppstarten med å fullføre oppdraget sitt med å digitalisere oppdrettstrær. Selskapet representerer en økende trend med å bruke AI-algoritmer for å støtte veksten av trær rundt om i verden.

Noen av de største og mest vellykkede delene av flerårig jordbruk er treavlinger. For eksempel kan pekanntrær gi avling i nesten 150 år, mens en eplehage kan gi en avling i rundt 50 år. Imidlertid påvirkes disse avlingene av svingninger i nedbør, jorderosjon, temperatur og det generelle miljøet. Når trær utsettes for en betydelig belastning, dør de.

For å sikre helsen til treavlingene, må trebønder overvåke helsen til individuelle trær og forutsi hvordan de kan reagere på endringer i miljøet. Å overvåke trehelsen gjennom enkel kartlegging kan være utrolig vanskelig, ettersom bønder må ta hensyn til mange variabler som sykdom og klimaendringer, effektene av disse kan ofte være langvarige og vanskelige å kvantifisere. For å svare på disse utfordringene, henvender trebønder seg til teknologiske løsninger som lar dem analysere helsen til treavlinger og optimalisere produksjonen, noe som muliggjør mindre arbeidskrevende og mer kostnadseffektive løsninger.

Som rapportert av Forbes, SeeTree bruker AI-algoritmer støttet av droner, bakkesensorer, dataforskere og agronomer for å skape en mer fullstendig profil av et tres helse. Oppstarten leverer for tiden digitaliserings- og overvåkingstjenester til bønder av sitrus-, hasselnøtt-, mandel-, avokado- og oliventrær. Oppstarten har som mål å utvide tjenestene sine til bønder av pistasj-, palmer og eukalyptustrær.

Som forklart av medgründeren av SeeTree, Israel Talpaz, har dataene samlet inn og behandlet av deres datavitenskapelige verktøy og AI-modeller resultert i en betydelig reduksjon av underytende trær, og redusert dem med mellom 50 og 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 effektene av klimaendringer. Som Talpaz forklarte via Forbes:

«Klimaendringer tar sitt toll på trærne i flere aspekter; det varmere og mer ekstreme været krever forskjellige vanningsprotokoller og infrastruktur, samt høyere nivåer av tilpasningsevne per lund og gård. I tillegg ser vi områder som tradisjonelt ikke har vært vannet, lider av høyere stressnivåer, da trærne ikke kan klare seg uten hjelp av spesifikk vanning.»

AI-algoritmene utviklet av SeeTree er bare ett eksempel på hvordan AI blir brukt til å administrere planting og vedlikehold av trær rundt om i verden. Både NASA og Google har nylig utviklet AI-modeller beregnet på å kvantifisere trekronedekning rundt om i verden, basert på flybilder.

Google har lansert et initiativ kalt Tree Canopy Lab. Plattformen er ment for bruk av byplanleggere, og hjelper dem med å finne ut hvilke regioner i en by som trenger mer trekronedekke. Mange byer har ikke budsjettet som trengs for nøyaktig å vurdere hvor trær er mest nødvendig, men Tree Canopy Lab har som mål å la byplanleggere bruke variabler som befolkningstetthet, eksisterende tredekning og ekstrem varmesårbarhet for å komme til bedre beslutninger om hvor de skal plante trær .

Tree Canopy Lab bruker datasynsteknikker og AI-algoritmer som er trent på flybilder av trær for å produsere kart som viser tettheten av tredekning. Laboratoriet lar brukere identifisere byblokker der et stort antall trær kan plantes, samt bestemme hvilke fortau som er sårbare for ekstremt høye temperaturer på grunn av mindre skygge. Tree Canopy Lab er for tiden tilgjengelig for bruk i Los Angeles, og ifølge Google har verktøyet funnet ut at over halvparten av alle LA-innbyggere bor i områder med mindre enn 10 % trekronedekning, og rundt 44 % av alle innbyggere bor i områder med ekstrem varmerisiko. Google planlegger å bringe verktøyet til hundrevis av flere byer i løpet av det neste året.

NASA bruker nå høyoppløselige flybilder og kunstig intelligens for å gjengi svært presise kart over jordens trær, banebrytende en ny metode for trekartlegging som har katalogisert millioner av tidligere ikke-kartlagte trær i tørre og halvtørre biomer rundt om i verden.

Forskere fra NASAs Goddard Space Flight Center i Maryland brukte maskinlæringsalgoritmer og høyoppløselige arterielle bilder for å lage algoritmer som er i stand til å kartlegge kronediameteren til et tre. Algoritmen ble brukt til å kartlegge over 1.8 milliarder trær spredt over 1,300,000 500,000 XNUMX kvadratkilometer/XNUMX XNUMX kvadratkilometer. Algoritmene som ble brukt av forskerteamet brukte konvolusjonelle nevrale nettverk som ble kjørt på Blue Waters ved University of Illinois, en av de kraftigste superdatamaskinene i landet.

Ifølge Martin Brandt, hovedforfatter av studien og adjunkt ved Københavns Universitet, tok prosessen med å merke treningsdataene over et år. Til tross for innsatsen med å merke treningsdataene, var det fortsatt en mye raskere prosess enn å bruke tradisjonelle kartleggingsmetoder. Etter at dataene ble merket, tok studien bare noen få uker å fullføre, sammenlignet med årene det kan ha tatt å kartlegge trærne ved hjelp av tradisjonelle analysemetoder.

Økologiske forskere, naturvernere og beslutningstakere må ha nøyaktige tellinger av trær innenfor områder av interesse. Dataene fra NASA-modellen vil være nyttige for å bestemme hvordan klimaendringer påvirker trær og skogkledde områder over år. I tillegg vil det å bestemme hvordan tettheten og størrelsen på trærne varierer i samsvar med endringer i gjennomsnittlig nedbør gi viktige data på bakken til bevaringsarbeidet.