Hoe AI wereldwijd helpt om bos-ecosystemen te beschermen, en uit te breiden.

Als Robotisering en AI de wereld moeten helpen ‘leefbaar’ te houden, dan zullen deze technologieën ook (en misschien wel met name) dienstbaar moeten zijn bij het tegengaan van klimaatverandering. Op dat gebied is er een hoop goed nieuws de laatste tijd, bijvoorbeeld bij het massaal planten van bomen.

Initiatieven voor het planten van bomen zijn de afgelopen jaren steeds belangrijker geworden, omdat ze een laagdrempelig instrument zijn voor CO-2 reductie. Kunstmatige intelligentie kan een cruciale rol spelen bij het vergroten van het succes van deze projecten.

Het nauwkeurig inplannen van bosbouw brengt meestal veel handwerk met zich mee, van het voorbereiden en planten van zaailingen tot het onderhoud en de nazorg na het planten. Met AI-algoritmen kunnen deze processen voor een groot deel worden geautomatiseerd, wat leidt tot sneller en efficiënter planten van bomen. AI-algoritmen kunnen bijvoorbeeld worden gebruikt voor bodemanalyse en om optimale locaties voor het planten van bomen te helpen identificeren, op basis van lokale omgevingsomstandigheden. Dit kan ervoor zorgen dat de bomen op de ideale locatie worden geplant voor maximale overlevingskansen.

Ik geef hier twee voorbeelden van recente initiatieven. Zowel NASA als Google hebben onlangs AI-modellen ontwikkeld die bedoeld zijn om de dekking van boomtoppen over de hele wereld te kwantificeren op basis van luchtfoto's.

Google heeft een initiatief gelanceerd genaamd Tree Canopy Lab. Het platform is bedoeld voor gebruik door stadsplanners, om hen te helpen bepalen welke regio's van een stad meer bladerdak nodig hebben. Veel steden hebben niet het budget dat nodig is om nauwkeurig te beoordelen waar bomen het hardst nodig zijn, maar Tree Canopy Lab laat stadsplanners variabelen zoals bevolkingsdichtheid, bestaande boomdekking en extreme hittegevoeligheid gebruiken om tot betere beslissingen te komen over waar bomen moeten worden geplant.

Tree Canopy Lab maakt gebruik van computervisietechnieken en AI-algoritmen die zijn getraind op luchtfoto's van bomen om kaarten te produceren die de dichtheid van de boombedekking weergeven. Met het lab kunnen gebruikers stadsblokken identificeren waar een groot aantal bomen zou kunnen worden geplant, en bepalen welke trottoirs kwetsbaar zijn voor extreem hoge temperaturen vanwege minder schaduw.

NASA maakt nu gebruik van luchtfoto's met een hoge resolutie en kunstmatige intelligentie om zeer nauwkeurige kaarten van de bomen op aarde weer te geven. Onderzoekers van het Goddard Space Flight Center van de NASA in Maryland gebruikten machine learning-algoritmen in combinatie met krachtige supercomputers om de kroondiameter van een boom in kaart te brengen. Zo konden meer dan 1,8 miljard bomen verspreid over 1.300.000 vierkante kilometer in kaart worden gebracht.

De gegevens van het NASA-model zijn nuttig om te bepalen hoe klimaatverandering bomen en beboste gebieden in de loop van de jaren beïnvloedt. Door de nauwkeurigheid en efficiëntie te vergroten, de gezondheid en groei van bomen te bewaken en de duurzaamheid te verbeteren, kunnen AI-algoritmen helpen om het succes van initiatieven voor het planten van bomen en het behoud van het milieu te waarborgen.

Verder lezen: https://www.unite.ai/ai-algorithms-help-support-tree-farming-planting-and-mapping-operations-around-the-globe/

Auteur: Roelf van Til