Ile drzew znajduje się w Twoim mieście?
Może się wydawać, że to proste pytanie, ale znalezienie odpowiedzi może być monumentalnym zadaniem. Na przykład spis drzew w Nowym Jorku w latach 2015-2016 zajął prawie dwa lata (łącznie 12 000 godzin) i ponad 2200 wolontariuszy. Inwentaryzacja drzew w Seattle zakończy się dopiero w 2024 roku. Takie wysiłki nie są podejmowane na próżno; w krótkim okresie pozwalają miastom lepiej utrzymywać swoje miejskie drzewa. W dłuższej perspektywie stanowią one podstawę dla różnych inicjatyw, które dotyczą wszystkiego, od zmian klimatu po zdrowie publiczne. Aby więc ułatwić zadanie liczenia drzew, zespół kartografów i naukowców zajmujących się analizami geoprzestrzennymi startup Descartes Labs zwraca się ku sztucznej inteligencji. Dążąc do tego, by żadne drzewo nie pozostało niezliczone, Amerykanie zbudowali model uczenia maszynowego, który może mapować “zielone zadaszenie” całego miasta, nawet odejmując inną zieleń, która może wyglądać jak drzewa na zdjęciach satelitarnych. Powstałe w ten sposób mapy pokazują zielony odcisk kciuka każdego miasta – na przykład Baltimore i otaczających go zielonych przedmieść.
Okej, patrząc na te zdjęcia, mogę dowiedzieć się, jak wyglądają drzewa””.”Po wytrenowaniu tego algorytmu można go następnie uruchomić w dowolnym miejscu, w którym znajdują się zdjęcia satelitarne, ponieważ maszyna została nauczona jak odróżniać je od krzaków i trawy.
Julie Crabill, dyrektor ds. marketingu, Descartes Labs
Wyzwanie związane z mapowaniem drzew wynika z kilku czynników. Na ziemi ludzkie oko może z łatwością odróżnić drzewo od reszty miejskiego krajobrazu. Jednak brak dostępu do obszarów prywatnych lub miejsc strzeżonych przez wysokie ogrodzenia oznacza, że niektóre drzewa nie są liczone. Mapowanie drzew z góry powinno rozwiązać ten problem; Znormalizowany Wskaźnik Różnicowy Roślinności (NDVI) pochodzący ze zdjęć satelitarnych od dawna jest wiarygodnym badaniem zieleni miejskiej. Mimo to istnieją pewne ograniczenia…
Gdy Nowy Jork mapował swoje drzewa, były one łączone z innymi rodzajami roślinności, takimi jak trawa czy uprawy. NDVI choć wykrywa roślinność poprzez pomiar różnych długości fal i światła bliskiego podczerwieni odbijanego przez wszystkie rośliny, to jednak nie może odróżnić drzew, trawy, krzewów i innych rodzajów zieleni.
To, co szczególnie różni te rodzaje zieleni, to ich wysokość; drzewa są oczywiście wyższe niż krzewy i trawa. Można to zmierzyć za pomocą danych LIDAR – zasadniczo wystrzeliwując światło z drona lub samolotu na te rośliny i rejestrując długość światła, które odbija się z powrotem. Kyle Story, naukowiec z Descartes Labs, twierdzi, że ten “trzeci wymiar” jest kluczowy. Jednak zbieranie danych LIDAR dla dowolnego miasta jest kosztowne ze względu na kosztowny sprzęt. Na szczęście dla jego zespołu istnieje wiele publicznie dostępnych zbiorów danych, które można wykorzystać do trenowania modelu uczenia maszynowego.
Już same analizy terenów zielonych w miastach za pomocą prostych rozwiązań robią wrażenie.
Używając NDVI i LIDAR, te dwa zestawy danych mogą nam powiedzieć, gdzie znajdują się drzewa na danym obszarze. Jeśli istnieją zdjęcia satelitarne, naukowcy mogą wytrenować algorytm, który powie: “Okej, patrząc na te zdjęcia, mogę dowiedzieć się, jak wyglądają drzewa””.”Po wytrenowaniu tego algorytmu można go następnie uruchomić w dowolnym miejscu, w którym znajdują się zdjęcia satelitarne, ponieważ maszyna została nauczona jak odróżniać je od krzaków i trawy.Naukowcy z Descartes Labs twierdzą, że zespół uruchomił algorytm w ponad 2000 miastach. Według Julie Crabill, dyrektor ds. marketingu, firma ma nadzieję, że uda jej się zachęcić urbanistów, a także firmy i organizacje non-profit do wdrożenia tej technologii w liczeniu drzew i innych projektach. Liczenie drzew w miastach to coś więcej niż tylko ciekawostka. Rozwój urbanistyczny oznacza, że coraz więcej miast traci zadrzewienie – i to tam gdzie jest ono najbardziej potrzebne. Sadzenie drzew od dawna jest mało zaawansowaną technologicznie strategią walki ze skutkami zmian klimatu. Poza tym drzewa jak wiadomo stanowią wręcz fundament w mieście dla zdrowia publicznego. Pomagają zmniejszyć stres, są powiązane z niższymi wskaźnikami otyłości, a nawet mogą ograniczyć liczbę zgonów pieszych
Naukowcy w USA wyliczyli zresztą, że dzielnice o niższych dochodach i mniejszości, które są najbardziej narażone na takie stresy środowiskowe i zdrowotne, mają zwykle najmniejszą pokrywę drzew. Tak więc posiadanie dokładnej mapy, gdzie znajdują się liściaste i jałowe dzielnice, w odpowiednim czasie, pozwala władzom lokalnym lepiej ukierunkować inicjatywy sadzenia drzew.
Nie ma to jednak na celu dewaluacji pracy badaczy, ekspertów od drzew i wolontariuszy. Podobnie jak większość algorytmów, i ten nie jest doskonały – na przykład zdarza się, że wychwytuje cienie rzucane przez budynki jako drzewa.
