L’intelligenza artificiale può essere utilizzata per monitorare meglio le foreste del Maine, rileva lo studio UMaine
Il monitoraggio e la misurazione degli ecosistemi forestali è una sfida complessa a causa di una combinazione esistente di software, sistemi di raccolta e ambienti informatici che richiedono quantità crescenti di energia per alimentare. Il laboratorio Wireless Sensor Networks (WiSe-Net) dell’Università del Maine ha sviluppato un nuovo metodo per utilizzare l’intelligenza artificiale e l’apprendimento automatico per rendere il monitoraggio dell’umidità del suolo più efficiente dal punto di vista energetico ed economico, un metodo che potrebbe essere utilizzato per rendere più efficienti le misurazioni nell’ampia foresta ecosistemi del Maine e oltre.
L’umidità del suolo è una variabile importante sia negli ecosistemi forestali che agricoli, in particolare nelle recenti condizioni di siccità delle passate estati del Maine. Nonostante le solide reti di monitoraggio dell’umidità del suolo e le grandi banche dati disponibili gratuitamente, il costo dei sensori commerciali di umidità del suolo e la potenza che utilizzano per funzionare possono essere proibitivi per ricercatori, silvicoltori, agricoltori e altri che monitorano la salute della terra.
Insieme ai ricercatori dell’Università del New Hampshire e dell’Università del Vermont, WiSe-Net di UMaine ha progettato una rete di sensori wireless che utilizza l’intelligenza artificiale per imparare a essere più efficiente dal punto di vista energetico nel monitoraggio dell’umidità del suolo e nell’elaborazione dei dati. La ricerca è stata finanziata da una borsa di studio della National Science Foundation .
“L’IA può imparare dall’ambiente, prevedere la qualità del collegamento wireless e l’energia solare in entrata per utilizzare in modo efficiente un’energia limitata e far funzionare una robusta rete a basso costo più a lungo e in modo più affidabile”, afferma Ali Abedi, ricercatore principale del recente studio e professore di elettricità e ingegneria informatica presso l’Università del Maine.
Il software impara nel tempo come utilizzare al meglio le risorse di rete disponibili, il che aiuta a produrre sistemi efficienti dal punto di vista energetico a un costo inferiore per il monitoraggio su larga scala rispetto agli standard di settore esistenti.
WiSe-Net ha anche collaborato con Aaron Weiskittel, direttore del Center for Research on Sustainable Forests, per garantire che tutta la ricerca hardware e software sia informata dalla scienza e adattata alle esigenze di ricerca.
“L’umidità del suolo è un fattore determinante per la crescita degli alberi, ma cambia rapidamente, sia quotidianamente che stagionalmente”, afferma Weiskittel. “Ci è mancata la capacità di monitorare efficacemente su larga scala. Storicamente, abbiamo utilizzato sensori costosi che raccoglievano a intervalli fissi, ad esempio ogni minuto, ma non erano molto affidabili. Un sensore più economico e più robusto con funzionalità wireless come questo apre davvero la porta per applicazioni future sia per i ricercatori che per i professionisti”.
Lo studio è stato pubblicato il 9 agosto 2022 sullo Springer’s International Journal of Wireless Information Networks .
Sebbene il sistema progettato dai ricercatori si concentri sull’umidità del suolo, la stessa metodologia potrebbe essere estesa ad altri tipi di sensori, come la temperatura ambiente, l’altezza della neve e altro, oltre a potenziare le reti con più nodi di sensori.
“Il monitoraggio in tempo reale di diverse variabili richiede frequenze di campionamento e livelli di potenza differenti. Un agente di intelligenza artificiale può apprenderli e regolare di conseguenza la raccolta dei dati e la frequenza di trasmissione anziché campionare e inviare ogni singolo punto dati, il che non è così efficiente”, afferma Abedi.
