Kunstig intelligens kan bruges til bedre at overvåge Maines skove, viser undersøgelser

Overvågning og måling af skovøkosystemer er en kompleks udfordring på grund af en eksisterende kombination af software, indsamlingssystemer og computermiljøer, der kræver stigende mængder energi til at drive strøm. University of Maines laboratorium for trådløse sensornetværk (WiSe-Net) har udviklet en ny metode til at bruge kunstig intelligens og maskinlæring til at gøre overvågning af jordfugtighed mere energi- og omkostningseffektiv – en metode, der kunne bruges til at gøre måling mere effektiv i den brede skov økosystemer i Maine og videre.

Jordfugtighed er en vigtig variabel i både skovklædte og landbrugsmæssige økosystemer, især under de seneste tørkeforhold i tidligere Maine-sommere. På trods af de robuste jordfugtighedsovervågningsnetværk og store, frit tilgængelige databaser kan omkostningerne ved kommercielle jordfugtighedssensorer og den strøm, de bruger til at køre, være uoverkommelige for forskere, skovbrugere, landmænd og andre, der sporer jordens sundhed.

Sammen med forskere ved University of New Hampshire og University of Vermont har UMaine's WiSe-Net designet et trådløst sensornetværk, der bruger kunstig intelligens til at lære, hvordan man bliver mere strømeffektiv til at overvåge jordfugtigheden og behandle dataene. Forskningen blev finansieret af en bevilling fra National Science Foundation.

"AI kan lære af miljøet, forudsige kvaliteten af ​​den trådløse forbindelse og den indkommende solenergi for effektivt at bruge begrænset energi og få et robust lavprisnetværk til at køre længere og mere pålideligt," siger Ali Abedi, hovedforsker i den nylige undersøgelse og professor i elektrisk og computeringeniør ved University of Maine.

Softwaren lærer over tid, hvordan man udnytter tilgængelige netværksressourcer bedst muligt, hvilket hjælper med at producere strømbesparende systemer til en lavere pris til overvågning i stor skala sammenlignet med de eksisterende industristandarder.

WiSe-Net samarbejdede også med Aaron Weiskittel, direktør for Center for Research on Sustainable Forests, for at sikre, at al hardware- og softwareforskning er informeret af videnskaben og skræddersyet til forskningsbehovene.

"Jordfugtighed er en primær drivkraft for trævækst, men den ændrer sig hurtigt, både dagligt såvel som sæsonmæssigt," siger Weiskittel. "Vi har manglet evnen til at overvåge effektivt i stor skala. Historisk har vi brugt dyre sensorer, der indsamlede med faste intervaller - for eksempel hvert minut - men som ikke var særlig pålidelige. En billigere og mere robust sensor med trådløse muligheder som denne åbner virkelig dør for fremtidige ansøgninger for forskere og praktikere."

Undersøgelsen blev offentliggjort 9. august 2022 i Springer's International Journal of Wireless Information Networks .

Selvom systemet designet af forskerne fokuserer på jordfugtighed, kan den samme metode udvides til andre typer sensorer, såsom omgivelsestemperatur, snedybde og mere, samt opskalering af netværkene med flere sensorknuder.

"Overvågning i realtid af forskellige variabler kræver forskellige samplingshastigheder og effektniveauer. En AI-agent kan lære disse og justere dataindsamlingen og transmissionsfrekvensen i overensstemmelse hermed i stedet for at sample og sende hvert enkelt datapunkt, hvilket ikke er så effektivt," siger Abedi . + Udforsk yderligere

Trådløs teknologi måler jordfugtighed på flere dybder i realtid