L’intelligence artificielle peut être utilisée pour mieux surveiller les forêts du Maine, selon une étude

La surveillance et la mesure des écosystèmes forestiers est un défi complexe en raison d’une combinaison existante de logiciels, de systèmes de collecte et d’environnements informatiques qui nécessitent des quantités croissantes d’énergie pour fonctionner. Le laboratoire Wireless Sensor Networks (WiSe-Net) de l’Université du Maine a mis au point une nouvelle méthode d’utilisation de l’intelligence artificielle et de l’apprentissage automatique pour rendre la surveillance de l’humidité du sol plus énergétique et plus rentable, une méthode qui pourrait être utilisée pour rendre la mesure plus efficace dans l’ensemble de la forêt. écosystèmes du Maine et au-delà.

L’humidité du sol est une variable importante dans les écosystèmes forestiers et agricoles, en particulier dans les récentes conditions de sécheresse des étés passés du Maine. Malgré les réseaux robustes de surveillance de l’humidité du sol et les grandes bases de données librement disponibles, le coût des capteurs commerciaux d’humidité du sol et la puissance qu’ils utilisent pour fonctionner peuvent être prohibitifs pour les chercheurs, les forestiers, les agriculteurs et autres personnes qui surveillent la santé de la terre.

En collaboration avec des chercheurs de l’Université du New Hampshire et de l’Université du Vermont, WiSe-Net de l’UMaine a conçu un réseau de capteurs sans fil qui utilise l’intelligence artificielle pour apprendre à être plus économe en énergie dans la surveillance de l’humidité du sol et le traitement des données. La recherche a été financée par une subvention de la National Science Foundation.

« L’IA peut apprendre de l’environnement, prédire la qualité de la liaison sans fil et l’énergie solaire entrante pour utiliser efficacement une énergie limitée et faire fonctionner un réseau robuste à faible coût plus longtemps et de manière plus fiable », déclare Ali Abedi, chercheur principal de la récente étude et professeur d’électricité. et génie informatique à l’Université du Maine.

Le logiciel apprend au fil du temps comment tirer le meilleur parti des ressources réseau disponibles, ce qui permet de produire des systèmes économes en énergie à moindre coût pour une surveillance à grande échelle par rapport aux normes existantes de l’industrie.

WiSe-Net a également collaboré avec Aaron Weiskittel, directeur du Centre de recherche sur les forêts durables, pour s’assurer que toutes les recherches sur le matériel et les logiciels sont informées par la science et adaptées aux besoins de la recherche.

« L’humidité du sol est le principal moteur de la croissance des arbres, mais elle change rapidement, à la fois quotidiennement et saisonnièrement », explique Weiskittel. « Nous n’avions pas la capacité de surveiller efficacement à grande échelle. Historiquement, nous utilisions des capteurs coûteux qui collectaient à intervalles fixes – toutes les minutes, par exemple – mais n’étaient pas très fiables. Un capteur moins cher et plus robuste avec des capacités sans fil comme celle-ci ouvre vraiment le porte ouverte à de futures applications pour les chercheurs et les praticiens. »

L’étude a été publiée le 9 août 2022 dans le Springer’s Journal international des réseaux d’information sans fil.

Bien que le système conçu par les chercheurs se concentre sur l’humidité du sol, la même méthodologie pourrait être étendue à d’autres types de capteurs, comme la température ambiante, la profondeur de la neige et plus encore, ainsi que l’extension des réseaux avec plus de nœuds de capteurs.

« La surveillance en temps réel de différentes variables nécessite des taux d’échantillonnage et des niveaux de puissance différents. Un agent d’IA peut les apprendre et ajuster la collecte de données et la fréquence de transmission en conséquence plutôt que d’échantillonner et d’envoyer chaque point de données, ce qui n’est pas aussi efficace », explique Abedi. .