นักวิจัย ORNL ใช้ระบบ AI สร้างแผนที่พืชในทวีปอาร์กติก

0
https://news.developer.nvidia.com/wp-content/uploads/2019/02/image002.png

เนื่องจากสภาพภูมิอากาศของโลกที่เปลี่ยนแปลงไป โซนของพืชพันธุ์ต่างๆ ในรัฐอะแลสกา (Alaska) และมหาสมุทรอาร์กติกก็กำลังปรับเปลี่ยนไปเรื่อยๆ ซึ่งการเปลี่ยนแปลงนี้อาจจะส่งผลกระทบต่อปัจจัยต่างๆ ในระบบนิเวศน์ได้ เช่น การหมุนเวียนคาร์บอน (carbon cycling) การเคลื่อนที่ของพืนที่เยือกแข็ง (permafrost dynamic) และการเกิดไฟไหม้ป่า (fire regime) เ็นต้น เพื่อที่จะช่วยสร้างแผนที่พืชต่างๆ ให้อัพเดทตามการเปลี่ยนแปลงที่เกิดขึ้นได้ ทีมนักวิทยาศาสตร์จากห้องปฏิบัติการ Oak Ridge National Laboratory จึงได้พัฒนาวิธีการที่ใช้ระบบ deep learning ที่จะสามารถสร้างแผนที่ความละเอียดสูง (high-resolution) ของพื้นที่พืชด้วยความแม่นยำ 95%

“ความแม่นยำในการสร้างแผนที่พืชต่างๆ นั้นเป็นจุดที่สำคัญในการเข้าใจกระบวนการทางชีวภาพบนพื้นดินในระบบนิเวศน์เขตละติจูดสูง (High Latitude ecosystem)” นักวิจัยกล่าวในงานตีพิมพ์ “หากให้ความสำคัญกับการเปลี่ยนแปลงของพืชต่างๆ ในอะแลสกาและผลกระทบที่เกี่ยวข้องกับสภาพภูมิอากาศ จำเป็นจะต้องมีแผนที่พืชที่มีความละเอียดสูงและอัพเดทเสมอๆ”

โดยทีมงานได้เทรนคู่ของโครงข่าย Convolutional Neural Network บนเฟรมเวิร์ก TensorFlow กับภาพถ่ายดาวเทียม (satellite imagery) ข้อมูลเรดาร์สังเคราะห์ (synthetic radar data) ข้อมูลภูมิประเทศ และข้อมูลอื่นๆ เพื่อที่จะคัดแยกพืชได้ ซึ่งผลลัพธ์ที่ได้นั้นก็สามารถสร้างแผนที่พืชต่างๆ ขึ้นมาอัพเดทใหม่ได้เสมอ

https://news.developer.nvidia.com/wp-content/uploads/2019/02/image002.png
การสร้างแผนที่พืชชนิดต่างๆ โดยที่สีต่างกันคือพืชชนิดต่างกัน

พวกเราใช้เทคนิคการคัดแยกแบบ unsupervised ด้วยวิธีการแบบ Mapcurves ที่พัฒนาโดย ORNL เอง เพื่อที่จะติดป้าย (label) ชนิดของพืชต่างๆ ได้” คุณ Forrest Hoffman ทีม ORNL กล่าว “จากนั้นพวกเราจึงนำไปเทรนโครงข่ายประสาทเทียมเพื่อที่จะสร้างแผนที่ของพืชต่างๆ ขึ้นมาใหม่ได้”

นักวิทยาศาสตร์ยังกล่าวกล่าวว่าพวกเขาได้สร้างแผนที่ในพื้นที่แถบคาบสมุทร Seward Peninsula ในเมืองอะแลสกาที่มีความถูกต้องมากที่สุดด้วยความละเอียดสูงและคัดแยกส่วนที่เป็นพืชได้อย่างแม่นยำเป็นที่เรียบร้อยแล้ว

Source : https://news.developer.nvidia.com/ornl-researchers-use-ai-to-map-arctic-vegetation/