人工智能算法支持全球树木种植、种植和制图作业

一家农业技术初创公司 SeeTree最近从Orbia Ventures获得了300万美元的资金，帮助该公司实现其数字化种植树木的使命。该公司代表了一种日益增长的趋势，即使用人工智能算法来支持全球树木的生长。

一些最大的和最成功的常年农业部门是树木作物。例如，山核桃树可以生产近150年的产量，而苹果树可以生产约50年的作物。然而，这些产量受到降雨、土壤侵蚀、温度和一般环境的波动影响。当树木受到大量压力时，它们就会死亡。

为了确保树木作物的健康，树农需要监测个别树木的健康状况，并预测它们如何应对环境的变化。通过简单的调查来监测树木健康状况非常困难，因为农民必须考虑诸如疾病和气候变化等许多变量，这些变量的影响往往是长期的和难以量化的。为了应对这些挑战，树农正在转向技术解决方案，以分析树木作物的健康状况并优化生产，从而实现更少人工和更具成本效益的解决方案。

据福布斯报道，SeeTree使用人工智能算法，支持无人机、地面传感器、数据科学家和农学家来创建树木健康状况的更完整的画像。该公司目前为柑橘、榛子、杏仁、牛油果和橄榄树农民提供数字化和监测服务。该公司计划将其服务扩展到开心果、棕榈和桉树农民。

SeeTree的联合创始人Israel Talpaz解释说，他们的数据科学工具和人工智能模型收集和处理的数据已经导致了低效树木数量的显著减少，减少了50%至85%。确定哪些树木处于压力之下并需要支持，例如灌溉，将变得更加重要，因为气候变化的影响。正如Talpaz通过福布斯解释的那样：

“气候变化正在以多种方式影响树木；更热和更极端的天气需要不同的灌溉协议和基础设施，以及每个林地和农场更高的适应性。此外，我们看到传统上不灌溉的地区正在经历更高的压力，因为树木无法在没有特定灌溉支持的情况下生存。”

SeeTree开发的人工智能算法只是一个例子，展示了如何利用人工智能来管理全球树木的种植和维护。NASA和谷歌最近开发了人工智能模型，以量化全球树木冠层覆盖，基于航空图像。

谷歌推出了一个名为Tree Canopy Lab的计划。该平台旨在帮助城市规划师确定城市中哪些地区需要更多的树木冠层覆盖。许多城市没有足够的预算来准确评估树木在哪里最需要，但Tree Canopy Lab旨在让城市规划师使用诸如人口密度、现有树木覆盖和极端高温易感性等变量来做出更好的决定，关于在哪里种植树木。

Tree Canopy Lab使用计算机视觉技术和人工智能算法来生成显示树木覆盖密度的图。该实验室允许用户识别可以种植大量树木的城市街区，并确定哪些人行道由于树荫较少而容易受到极端高温的影响。Tree Canopy Lab目前可用于洛杉矶，根据谷歌的说法，该工具发现超过一半的洛杉矶居民居住在树木冠层覆盖不足10%的地区，约44%的居民居住在极端高温风险地区。谷歌计划在未来一年内将该工具推广到数百个城市。

NASA现在使用高分辨率航空图像和人工智能来创建地球树木的精确地图，开创了一种新的树木制图方法，成功地编目了全球干旱和半干旱生物群落中数百万个以前未被编目的树木。

马里兰州NASA戈达德太空飞行中心的研究人员使用机器学习算法和高分辨率航空图像来创建能够绘制树木冠层直径的算法。该算法用于绘制130万平方公里/50万平方英里的180亿棵树。研究团队使用的算法利用伊利诺伊大学的Blue Waters超级计算机运行卷积神经网络，这是该国最强大的超级计算机之一。

根据研究的首席作者、哥本哈根大学助理教授Martin Brandt的说法，标记训练数据的过程花了超过一年时间。尽管标记训练数据需要付出努力，但与传统的制图方法相比，这仍然是一个更快的过程。一旦数据被标记，研究只需几周时间就完成了，而传统分析方法可能需要几年时间来绘制树木。

生态研究人员、保护主义者和政策制定者需要准确的树木数量数据。NASA模型提供的数据将有助于确定气候变化如何影响树木和林地的变化。另外，确定树木密度和大小如何随着平均降雨量的变化而变化，将为保护工作提供重要的现场数据。NASA模型提供的数据将有助于确定气候变化如何影响树木和林地的变化。另外，确定树木密度和大小如何随着平均降雨量的变化而变化，将为保护工作提供重要的现场数据。 interest. NASA模型提供的数据将有助于确定气候变化如何影响树木和林地的变化。另外，确定树木密度和大小如何随着平均降雨量的变化而变化，将为保护工作提供重要的现场数据。