Schimbările climatice îi obligă pe producătorii de alimente să-și modifice procesele pentru a se adapta la timpurile din ce în ce mai imprevizibile și periculoase. Micii fermieri sunt deosebit de vulnerabili la impactul schimbărilor climatice. Adesea le lipsesc resursele necesare pentru a-și proteja culturile și tehnicile de creștere. La North Carolina State University, cercetătorii integrează inteligența artificială în tehnologia geospațială pentru a ajuta la rezolvarea acestor provocări complexe la adresa securității alimentare globale și a sărăciei.
Josh Gray este profesor asociat la Colegiul de Resurse Naturale, care lucrează cu Departamentul de Silvicultură și Resurse de Mediu și cu Centrul de Analiză Geospațială. Teledetecția utilizează sateliți pentru a examina caracteristicile fizice ale Pământului de la distanță.
„Nu există alte tehnologii care să îți permită să faci asta. Este o tehnologie de scalare cu adevărat importantă”, a spus Gray.
„Putem face măsurători de pe orbită pe care nu le putem face pe sol. Nu contează câți absolvenți trimitem pe teren. Pur și simplu nu poți măsura lucruri precum cantitatea de apă freatică pe jumătate de kilometru”, a adăugat el.
Inteligența artificială a fost integrată în analiza geospațială
La Simpozionul anual de cercetare universitar al NC State, Gray a descris modul în care laboratorul său folosește tehnologia geospațială și inteligența artificială pentru a studia fermele mici din Câmpia Indo-gangetică. El identifică soluții la problemele cu care se confruntă o planetă într-o continuă încălzire folosind analiza geospațială.
Micii proprietari sunt cei care dețin ferme foarte mici. Împreună, produc mai mult de jumătate din caloriile consumate de oameni din întreaga lume. De-a lungul munților Himalaya, acești mici proprietari sunt sărăciți în mod disproporționat și sunt afectați de schimbările climatice.
Acești mici agricultori cultivă de obicei orez și grâu. Grâul este deosebit de sensibil la creșterea temperaturilor. Pentru a determina dacă plantarea grâului mai devreme în sezon ar putea proteja cultura de creșterea temperaturii, laboratorul lui Gray a dezvoltat un proces pentru a determina datele de plantare în aceste mici ferme cu ajutorul unor imagini satelitare.
Aceste ferme au mai puțin de 2 hectare fiecare, iar numărul lor este de ordinul zecilor de milioane. Fiind dificil de urmărit fizic caracteristicile fiecărei ferme și granițele acesteia, laboratorul a antrenat o rețea neuronală convoluțională pentru a identifica automat fermele prin intermediul imaginilor satelitare.
Cercetările devin mai eficiente și mai dinamice
Imaginile surprinse au fost introduse în U-Net, o rețea neuronală convoluțională. Cunoscute sub numele de CNN, rețelele neuronale convoluționale sunt modele computaționale în învățarea automată care pot analiza imaginile. Antrenat de aceste mostre de imagini, U-Net ar putea identifica limitele precise ale terenurilor.
Potrivit lui Grey, proiectul este „un amestec de statistici convenționale, cunoștințe de domeniu, AI și învățare automată”.
Combinarea acestor discipline creează un proces de cercetare mai eficient și mai dinamic.
„A ști din ce perioade de timp să selectăm imaginile ne-a permis să avem o tehnică de învățare automată mult mai eficientă”, a spus Gray.
Laboratorul intenționează să extindă procesul pentru a analiza milioanele de ferme din regiune. Cu această cercetare, echipa ar putea determina soluții fezabile pentru micii fermieri și ar putea consolida securitatea alimentară.
