Når et træ falder i St. Louis, vil strømmen gå?

I en undersøgelse for nylig offentliggjort i Sensorer , Saint Louis University-forskere parrede satellitbilleddata med maskinlæringsteknikker for at kortlægge lokale træarter og sundhed. De data, der genereres af projektet, vil hjælpe med at informere om bedste praksis for håndtering af sunde grønne områder samt trimningsprogrammer for at undgå strømafbrydelser efter storme.

Vasit Sagan, Ph.D., lektor i Earth and Atmospheric Sciences ved Saint Louis University, siger, at forvaltning af sunde grønne byområder er en nøglestrategi til at bekæmpe global opvarmning.

"Med dette arbejde, vores mål var at forbedre livskvaliteten i St. Louis og globalt, Sagan sagde. "Træer og grønne områder er afgørende for at modvirke den globale opvarmning. Generelt, byer er omkring fem grader celsius varmere end landområder. For at reducere byernes varmeøer og klimaændringseffekter, vi kan øge grønne områder.

"I dette studie, vi kortlagde otte træarter:skaldet cypres, bomuldstræ, grøn aske, sølv ahorn, sukker ahorn, stift eg, Østrigsk fyr og platan. At have en mangfoldighed af træarter er fantastisk. På den anden side, nogle arter er mere modtagelige for storme, da forskellige træarter har forskellig tolerance over for stress. Den overordnede idé var at bruge rumbaseret teknologi til at identificere træartstype og sundhedstilstand."

I skoven, et træ, der bliver ramt under en storm, kan bare vælte uden at forårsage meget forstyrrelse. Når et træ falder i St. Louis, det kan forårsage strømafbrydelse. At forstå træernes art og sundhedstilstand er vigtig af sikkerhedsmæssige og økonomiske årsager. Millioner af dollars bliver brugt på træbeskæring hvert år.

"Med data fra dette projekt, vi kan spore vækstraterne for forskellige træer, som kan hjælpe bureauer med at administrere deres trimningsprogrammer, Sagan sagde. "Denne information vil være nyttig for organisationer som Ameren i deres proaktive træbeskæringsprogram."

Sean Hartling, SLU kandidatstuderende og forfatter på papiret, siger, at visse træer har større sårbarhed over for stress og storme.

"Bradford-pærer eller sølvahorn har tendens til at være hurtigtvoksende og billige, så folk kan lide at sætte dem i deres gårdhave, " sagde Hartling. "Men, de er problematiske i nærheden af ​​elledninger. Eg og valnød, på den anden side, er stærkere træer."

Forskerne brugte luftbåren LiDAR (Light Detection and Ranging) systembilleddannelse sammen med satellitbilledteknikker til at indsamle data om træer. Derefter, de "trænede" et maskinbaseret analyseværktøj til at identificere træer baseret på disse data.

"Hele pointen med dette projekt var klassificering, " sagde Hartling. "Ved at implementere en datafusionstilgang, vi har data fra forskellige sensorer, som kan opfange forskellige nuancer.

"LiDAR har høj opløsning og producerer gode billeddatasæt. Det giver os træhøjde og struktur. Den synlige nær-infrarøde giver os information om det visuelle spektrums karakteristika, ligesom det skiftende pigment mellem arter. Kortbølget infrarød trænger ind i de kemiske egenskaber, som vand og klorofylindhold. Vi håber, at disse data vil hjælpe med at forbedre klassificeringen."

"Derefter, vi undersøger også dyb læring, hvor klassificereren træner maskinen til at identificere træer. Evnen til at håndtere mange træningsprøver er et varmt emne i billedklassificering. Men, du har stadig brug for prøver for at træne modellen."

Så, i løbet af to måneder, Hartling digitaliserede næsten alle træer - omkring 4, 000—i Forest Park for at "lære" et maskinbaseret værktøj til at bruge billeddataene til at klassificere træer.

"Vi udviklede et geospatialt analyseværktøj, der fusionerer information fra forskellige kilder for bedre at skelne trætyper, Sagan sagde. "Dette er virkelig banebrydende i den forstand, at vi på den ene side har virkelig høje sensoriske datasæt, der kan fortælle os højden, form af træer, mønstre, distributioner. Og vi bringer det sammen med geospatiale modelværktøjer ved hjælp af den nyeste dybe (maskin)læring. Det er kernen i denne forskning."

Forskernes næste skridt bliver at se på træarter, træsundhedsdata og hjælpeoplysninger, overlejre dataene og lave hotspot-analyse, hjælper eksperter med at oprette kort over kvarterer med risiko for strømafbrydelser under storme og hjælper med at genoprette strømmen hurtigt. Mens teamet fortsætter deres arbejde, de vil tilføje til deres datasæt ved hjælp af UAV'er (Unmanned Aerial Vehicles), også kendt som droner.

"Til den første undersøgelse, vi brugte satellitbilleder, " sagde Hartling. "Næste, vi bruger små sensoriske UAV'er til højere opløsning og nøjagtighed.

"Vi kan dække omkring 80 acres på en 15 minutters flyvning med en UAV. Vi kan identificere træer med risiko for skade eller sygdom. Vi kan muligvis finde brunfarvning på toppen af ​​en baldakin eller en ændring af barken. Vi vil se, om vi kan finde en metode, vi kan bruge i større skala."

"Vi har faktisk LiDAR-data for hver enkelt gren af ​​træerne, vi studerede, Sagan sagde. vi bruger UAV'er til at gå ud og skabe vores egne data. Styrken ved UAV'er er, at vi kan opsætte og teste vores egen hypotese, og skaler derefter op til satellitter."

"Ligesom en læge måske bruger billeder til at se, om dine lunger er sunde, vi bruger billeder til at diagnosticere, om en plante er sund eller ej, Sagan sagde.

Forskerne har partnerskaber med flere organisationer i St. Louis. Det nuværende projekt kortlagde træer i Skovparken. Samarbejde med Bellefontaine Cemetery, holdet hjælper med at forbedre miljøet og arboretniveauet på kirkegården for sjældne planter og træernes sundhed ved at skabe en 3-D digital park, samt kortlægning af invasive og sjældne plantearter.