Алгоритмы ИИ помогают поддерживать лесное хозяйство, посадку и картографирование операций по всему миру

Стартап в области сельскохозяйственных технологий SeeTree недавно получил $3 миллиона финансирования от Orbia Ventures, что помогает стартапу выполнить свою миссию по оцифровке выращиваемых деревьев. Компания представляет собой растущую тенденцию использования алгоритмов ИИ для поддержки роста деревьев по всему миру.

Некоторые из крупнейших и наиболее успешных разделов многолетнего сельского хозяйства – это деревья. Например, деревья pecan могут давать урожай почти 150 лет, а яблоневый сад может давать урожай около 50 лет. Однако эти урожаи подвержены колебаниям осадков, эрозии почвы, температуры и общей среды. Когда деревья подвергаются значительному стрессу, они умирают.

Чтобы обеспечить здоровье деревьев, лесники должны контролировать здоровье отдельных деревьев и предсказывать, как они могут реагировать на изменения в окружающей среде. Контроль за здоровьем деревьев с помощью простого обследования может быть чрезвычайно трудным, поскольку фермерам необходимо учитывать многие переменные, такие как болезни и изменение климата, эффекты которых могут быть длительными и трудными для количественной оценки. Чтобы ответить на эти проблемы, лесники обращаются к технологическим решениям, которые позволяют им анализировать здоровье деревьев и оптимизировать производство, обеспечивая менее трудоемкие и более экономически эффективные решения.

По сообщениям Forbes, SeeTree использует алгоритмы ИИ, поддерживаемые беспилотниками, наземными датчиками, специалистами по данным и агрономами, чтобы создать более полный профиль здоровья дерева. Стартап в настоящее время предоставляет услуги по оцифровке и мониторингу фермерам цитрусовых, фундука, миндаля, авокадо и оливковых деревьев. Стартап планирует расширить свои услуги на фермеров деревьев pistachio, пальм и эвкалипта.

Как объяснил сооснователь SeeTree, Израэль Тальпаз, данные, собранные и обработанные их инструментами науки о данных и моделями ИИ, привели к значительному снижению количества недооцененных деревьев, сократив их на 50-85%. Способность определять, какие деревья находятся под стрессом и нуждаются в поддержке, такой как орошение, станет более важной в ближайшие годы из-за последствий изменения климата. Как объяснил Тальпаз через Forbes:

«Изменение климата оказывает свое воздействие на деревья в нескольких аспектах; более жаркая и экстремальная погода требует разных протоколов орошения и инфраструктуры, а также более высоких уровней адаптивности на участке и ферме. Кроме того, мы видим, что районы, которые традиционно не орошались, испытывают более высокие уровни стресса, поскольку деревья не могут справиться без помощи специального орошения».

Алгоритмы ИИ, разработанные SeeTree, – это только один пример того, как ИИ используется для управления посадкой и уходом за деревьями по всему миру. И NASA, и Google (GOOGL ) недавно разработали модели ИИ, предназначенные для количественной оценки покрытия крон деревьев по всему миру на основе аэрофотоснимков.

Google запустила инициативу под названием Tree Canopy Lab. Платформа предназначена для использования городскими планировщиками, чтобы помочь им определить, какие районы города нуждаются в большем количестве крон деревьев. Многие города не имеют бюджета, необходимого для точной оценки, где деревья наиболее необходимы, но Tree Canopy Lab позволяет городским планировщикам использовать переменные, такие как плотность населения, существующее покрытие деревьев и уязвимость к экстремальной жаре, чтобы принимать более обоснованные решения о том, где сажать деревья.

Tree Canopy Lab использует методы компьютерного зрения и алгоритмы ИИ, обученные на аэрофотоснимках деревьев, чтобы создать карты, отображающие плотность покрытия деревьев. Лаборатория позволяет пользователям определить городские кварталы, где можно посадить большое количество деревьев, а также определить, какие тротуары уязвимы к чрезвычайно высоким температурам из-за недостатка тени. Tree Canopy Lab в настоящее время доступна для использования в Лос-Анджелесе, и, по данным Google, инструмент обнаружил, что более половины всех жителей Лос-Анджелеса живут в районах с менее 10% покрытия крон деревьев, и около 44% всех жителей живут в районах с высоким риском экстремальной жары. Google планирует внедрить этот инструмент в сотни других городов в течение следующего года.

NASA теперь использует высокоразрешающие аэрофотоснимки и искусственный интеллект для создания высокоточных карт деревьев Земли, открывая новый метод картографирования деревьев, который успешно каталогизировал миллионы ранее некартографированных деревьев в аридных и полузасушливых биомах по всему миру.

Исследователи из Центра космических полетов NASA Годдарда в штате Мэриленд использовали алгоритмы машинного обучения и высокоразрешающие аэрофотоснимки, чтобы создать алгоритмы, способные картографировать диаметр кроны дерева. Алгоритм был использован для картографирования более 1,8 миллиарда деревьев, распространенных на 1 300 000 квадратных километров/500 000 квадратных миль. Алгоритмы, используемые исследовательской группой, использовали свёрточные нейронные сети, запущенные на Blue Waters в Университете Иллинойса, одном из самых мощных суперкомпьютеров в стране.

По словам Мартина Брандта, ведущего автора исследования и помощника профессора Университета Копенгагена, процесс маркировки обучающих данных занял более года. Несмотря на усилия, необходимые для маркировки обучающих данных, это был всё же более быстрый процесс, чем использование традиционных методов картографирования. После того, как данные были помечены, исследование заняло всего несколько недель, по сравнению с годами, которые могли бы потребоваться для картографирования деревьев с помощью традиционных методов анализа.

Экологи, консерваторы и политики должны иметь точные подсчеты деревьев в районах интереса. Данные, предоставленные моделью NASA, будут полезны для определения того, как изменение климата влияет на деревья и лесные массивы за годы. Кроме того, определение того, как плотность и размер деревьев варьируются в соответствии с изменениями среднего количества осадков, предоставит усилиям по сохранению важные данные на местах.