อัลกอริทึม AI ช่วยสนับสนุนการปลูกและการทำแผนที่ป่าไม้ทั่วโลก

สตาร์ทอัพเทคโนโลยีการเกษตร SeeTree ได้รับเงินทุน 3 ล้านดอลลาร์จาก Orbia Ventures ซึ่งช่วยให้สตาร์ทอัพสามารถบรรลุภารกิจในการแปลงป่าไม้ให้เป็นดิจิทัลได้ บริษัทนี้เป็นตัวอย่างของการเติบโตของการนำอัลกอริทึม AI มาใช้ในการสนับสนุนการเติบโตของป่าไม้ทั่วโลก

ส่วนใหญ่ของการเกษตรที่มีผลผลิตสูงและประสบความสำเร็จคือป่าไม้ผลิตผล เช่น ต้นปี坎สามารถให้ผลผลิตได้ถึง 150 ปี ในขณะที่สวนผลไม้สามารถให้ผลผลิตได้ถึง 50 ปี อย่างไรก็ตาม ผลผลิตเหล่านี้ได้รับผลกระทบจากความผันผวนของฝน น้ำท่วม ดินถล่ม อุณหภูมิ และสภาพแวดล้อมโดยทั่วไป เมื่อป่าไม้ถูกกดดันอย่างมาก ป่าไม้ก็จะเสียชีวิต

เพื่อให้แน่ใจว่าป่าไม้ผลิตผลมีสุขภาพดี ผู้ปลูกป่าไม้ต้องติดตามสุขภาพของต้นไม้แต่ละต้นและคาดการณ์ว่าต้นไม้จะตอบสนองต่อการเปลี่ยนแปลงในสภาพแวดล้อมอย่างไร การติดตามสุขภาพของป่าไม้โดยใช้การสำรวจอย่างง่ายอาจเป็นเรื่องที่ยากมาก เนื่องจากผู้ปลูกป่าไม้ต้องคำนึงถึงหลายปัจจัย เช่น โรคและความเปลี่ยนแปลงของสภาพภูมิอากาศ ซึ่งอาจมีผลกระทบอย่างช้าและยากต่อการวัด量 เพื่อตอบสนองต่อความท้าทายเหล่านี้ ผู้ปลูกป่าไม้กำลังหันไปใช้โซลูชั่นเทคโนโลยีที่ช่วยให้พวกเขา分析สุขภาพของป่าไม้ผลิตผลและเพิ่มประสิทธิภาพการผลิต ทำให้สามารถลดการใช้แรงงานและต้นทุนได้

ตามรายงานของ Forbes SeeTree ใช้อัลกอริทึม AI ที่ได้รับการสนับสนุนจากโดรน เซ็นเซอร์บนพื้นดิน นักวิทยาศาสตร์ข้อมูล และนักเกษตรศาสตร์ เพื่อสร้างโปรไฟล์สุขภาพของต้นไม้ที่สมบูรณ์ยิ่งขึ้น สตาร์ทอัพปัจจุบันให้บริการแปลงเป็นดิจิทัลและติดตามสภาพแวดล้อมให้กับผู้ปลูกป่าไม้ผลิตผล เช่น ต้นส้ม ต้นเฮเซลนัท ต้นอัลมอนด์ ต้นอโวคาโด และต้น橄欖 สตาร์ทอัพมีเป้าหมายที่จะขยายบริการไปสู่ผู้ปลูกป่าไม้ผลิตผลอื่นๆ เช่น ต้นปิสตาชิโอ ต้นปาล์ม และต้นยูคาลิปตัส

ตามที่อิสราเอล ทัลปาซ ผู้ร่วมก่อตั้ง SeeTree อธิบาย ว่าข้อมูลที่รวบรวมและประมวลผลโดยเครื่องมือวิทยาศาสตร์ข้อมูลและแบบจำลอง AI ของพวกเขาได้ทำให้จำนวนป่าไม้ที่ไม่ผลิตผลลดลงอย่างมาก โดยลดลงระหว่าง 50 ถึง 85 เปอร์เซ็นต์ ความสามารถในการกำหนดป่าไม้ที่มีปัญหาและต้องการการสนับสนุน เช่น ระบบ灌溉 จะมีความสำคัญมากขึ้นในอนาคตเนื่องจากผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศ

อัลกอริทึม AI ที่พัฒนาโดย SeeTree เป็นตัวอย่างหนึ่งของวิธีการที่ AI ถูกนำมาใช้ในการจัดการการปลูกและการบำรุงป่าไม้ทั่วโลก ทั้ง NASA และ Google (GOOGL ) ได้พัฒนาแบบจำลอง AI ที่มีจุดมุ่งหมายเพื่อ量วัดพื้นที่ป่าไม้โดยใช้ภาพถ่ายทางอากาศ

Google ได้เปิดตัวโครงการที่เรียกว่า Tree Canopy Lab แพลตฟอร์มนี้ได้รับการออกแบบมาเพื่อใช้โดยผู้วางแผนเมือง โดยช่วยให้พวกเขาเข้าใจว่าพื้นที่ใดในเมืองที่ต้องการพื้นที่ป่าไม้มากที่สุด แพลตฟอร์มนี้ใช้เทคนิคการมองเห็นของคอมพิวเตอร์และอัลกอริทึม AI ที่ได้รับการฝึกฝนจากภาพถ่ายทางอากาศของป่าไม้เพื่อสร้างแผนที่ที่แสดงความหนาแน่นของพื้นที่ป่าไม้

Tree Canopy Lab ช่วยให้ผู้ใช้สามารถระบุพื้นที่ในเมืองที่สามารถปลูกป่าไม้ได้มากที่สุด และกำหนดว่าทางเดินใดที่มีความเสี่ยงต่ออุณหภูมิสูงมากเนื่องจากไม่มีเงา แพลตฟอร์มนี้ปัจจุบันสามารถใช้ได้ในลอสแอนเจลิส และตามที่ Google ระบุว่าเครื่องมือนี้พบว่ามากกว่าครึ่งหนึ่งของผู้อยู่อาศัยใน LA อาศัยอยู่ในพื้นที่ที่มีพื้นที่ป่าไม้น้อยกว่า 10% และ लगभग 44% ของผู้อยู่อาศัยอาศัยอยู่ในพื้นที่ที่มีความเสี่ยงต่ออุณหภูมิสูงมาก

นาซาใช้ภาพถ่ายทางอากาศและอัลกอริทึม AI เพื่อสร้างแผนที่ป่าไม้ที่มีความแม่นยำสูง โดยใช้เทคนิคการเรียนรู้ของเครื่องและภาพถ่ายทางอากาศที่มีความละเอียดสูง นาซาสามารถสร้างแผนที่ป่าไม้ที่มีความแม่นยำสูงได้ โดยสามารถระบุและบันทึกป่าไม้หลายล้านต้นที่ไม่เคยถูกบันทึกมาก่อนในพื้นที่แห้งแล้งและพื้นที่กึ่งแห้งแล้งต่างๆ ทั่วโลก

นักวิจัยจากศูนย์การบินอวกาศก็อดดาร์ดของนาซาใช้อัลกอริทึมการเรียนรู้ของเครื่องและภาพถ่ายทางอากาศที่มีความละเอียดสูงเพื่อสร้างแผนที่ป่าไม้ที่มีความแม่นยำสูง โดยสามารถระบุและบันทึกป่าไม้มากกว่า 1.8 พันล้านต้นในพื้นที่มากกว่า 1.3 ล้านตารางกิโลเมตร

ตามที่มาร์ติน บรันดท์ ผู้เขียนหลักของการศึกษาและผู้ช่วยศาสตราจารย์จากมหาวิทยาลัยโคเปนเฮเกน การระบุและบันทึกข้อมูลการฝึกอบรมใช้เวลาเกือบหนึ่งปี แม้ว่าการระบุและบันทึกข้อมูลการฝึกอบรมจะใช้เวลานาน แต่ก็เป็นกระบวนการที่เร็วกว่าการใช้วิธีการแบบดั้งเดิมในการสร้างแผนที่ป่าไม้

นักวิจัยด้านนิเวศวิทยา นักอนุรักษ์ และนักกำหนดนโยบายต้องการมีข้อมูลที่ถูกต้องเกี่ยวกับจำนวนป่าไม้ในพื้นที่ที่สนใจ ข้อมูลที่ได้รับจากแบบจำลองของนาซาจะมีประโยชน์ในการกำหนดว่าการเปลี่ยนแปลงสภาพภูมิอากาศมีผลกระทบต่อป่าไม้และพื้นที่ป่าไม้อย่างไร นอกจากนี้ การกำหนดว่าความหนาแน่นและขนาดของป่าไม้เปลี่ยนแปลงไปอย่างไรเมื่อเทียบกับการเปลี่ยนแปลงของฝนเฉลี่ยจะให้ข้อมูลที่สำคัญแก่การอนุรักษ์