Искусственный интеллект помогает эффективнее следить за лесами Мэна
Мониторинг лесных экосистем — сложная задача из-за сочетания различных программ, систем сбора данных и вычислительных сред, требующих много энергии. Лаборатория беспроводных сенсорных сетей (WiSe-Net) Университета Мэна разработала новый метод использования искусственного интеллекта (ИИ) и машинного обучения для повышения энерго- и экономической эффективности мониторинга влажности почвы. Этот подход можно применять для более эффективных измерений в обширных лесных экосистемах Мэна и других регионов.
Влажность почвы — важный параметр как для лесных, так и для сельскохозяйственных экосистем, особенно в условиях недавних засух в Мэне. Несмотря на существующие сети мониторинга и крупные открытые базы данных, стоимость коммерческих датчиков влажности почвы и энергопотребление, необходимое для их работы, часто оказываются препятствием для исследователей, лесников и фермеров.
Вместе с учёными из Университета Нью-Гэмпшира и Университета Вермонта, WiSe-Net разработала беспроводную сенсорную сеть, которая использует ИИ для обучения более энергоэффективному мониторингу влажности почвы и обработке данных. Исследование финансировалось грантом Национального научного фонда (NSF).
«ИИ может обучаться на основе данных об окружающей среде, предсказывать качество беспроводной связи и количество поступающей солнечной энергии, чтобы эффективно использовать ограниченную энергию и обеспечить долгую и надёжную работу недорогой сети», — говорит Али Абеди, руководитель исследования и профессор электротехники и вычислительной техники.
Программное обеспечение со временем учится оптимально использовать доступные ресурсы сети, что помогает создавать энергоэффективные системы с меньшей стоимостью для крупномасштабного мониторинга по сравнению с существующими отраслевыми стандартами.
WiSe-Net также сотрудничала с Аароном Вайскиттелем, директором Центра исследований устойчивых лесов, чтобы аппаратные и программные разработки соответствовали научным задачам.
«Влажность почвы — ключевой фактор роста деревьев, но она быстро меняется — как в течение дня, так и сезонно. Нам не хватало возможности эффективно отслеживать её в больших масштабах. Раньше мы использовали дорогие датчики, которые собирали данные с фиксированным интервалом, но они были ненадёжными. Более дешёвый и надёжный датчик с беспроводными возможностями открывает новые перспективы для исследователей и практиков», — отмечает Вайскиттель.
Исследование было опубликовано 9 августа 2022 года в International Journal of Wireless Information Networks (Springer).
Хотя разработанная система ориентирована на влажность почвы, ту же методологию можно распространить на другие типы датчиков (например, температуры окружающей среды, глубины снежного покрова) и масштабировать сети, добавляя новые узлы.
«Мониторинг различных параметров в реальном времени требует разной частоты измерений и уровня энергопотребления. Агент ИИ может этому научиться и соответствующим образом скорректировать частоту сбора и передачи данных, вместо того чтобы замерять и отправлять каждую точку данных, что не так эффективно», — поясняет Абеди.