20201125ai1
 
            เพื่อให้ทราบว่าโลกสามารถกักเก็บคาร์บอนได้มากเท่าใด และเปลี่ยนแปลงอย่างไรเมื่อเวลาผ่านไปนักวิทยาศาสตร์จะต้องนับจำนวนต้นไม้ที่ทำให้สับสน และติดตามการเติบโตของต้นไม้เมื่อเวลาผ่านไป ปัจจุบันผู้คนในองค์การนาซ่าใช้ซุปเปอร์คอมพิวเตอร์เพื่อทำสิ่งนั้นอย่างแม่นยำผ่านการถ่ายภาพมุมสูงจากอวกาศ
 
            เมื่อไม่นานมานี้นักวิทยาศาสตร์จากศูนย์การบินอวกาศ Goddard ในรัฐมารีแลนด์เข้าร่วมกับทีมวิจัยนานาชาติ ในการสร้างแผนที่ต้นไม้โดยภาพถ่ายดาวเทียมความละเอียดสูงมากกว่า 1.8 พันล้านต้น ที่ถูกพบนอกป่าบนพื้นที่มากกว่าครึ่งล้านตารางไมล์
 
            ทีมงานใช้ซุปเปอร์คอมพิวเตอร์ที่เร็วที่สุดในโลก (น้ำสีฟ้าที่มหาวิทยาลัยอิลินอย) ในการแสดง “Deep Learning” การวิเคราะห์ภาพพื้นที่ภูมิประเทศส่วนใหญ่อาฟริกาตะวันตก พวกเขาค้นหาพื้นที่ ที่เขาไม่สามารถนับต้นไม้ได้เนื่องจากดาวเทียมล้มเหลวในการมองมองเห็นมาก่อน แต่พวกเขาก็สามารถเริ่มประเมินศักยภาพการกักเก็บคาร์บอนของต้นไม้ในเวลาเดียวกัน
 

            ความพยายามส่วนใหญ่ของโลกในการประเมินต้นไม้จำนวนมาก ได้มุ่งเน้นไปที่ป่าไม้ที่สมบูรณ์ นี่คือเหตุผลที่ทีม NASA พยายามมุ่งเน้นไปที่ต้นไม้ที่โดดเดี่ยวในพื้นที่แห้งแล้งในแอฟริกาตะวันตกเพื่อให้ได้ภาพที่สมบูรณ์ยิ่งขึ้น

- เกี่ยวข้อง https://www.goodnewsnetwork.org/how-many-trees-to-plant-to-stop-climate-crisis/เป็นครั้งแรกนักวิทยาศาสตร์ระบุว่าจะปลูกต้นไม้กี่ต้นและจะปลูกที่ไหนเพื่อหยุดวิกฤตสภาพภูมิอากาศ

 
20201125ai2
 
            พื้นที่แห้งเหล่านี้เป็นสีขาวบนแผนที่โดยพื้นฐานแล้วจะถูกปิดบังไว้เนื่องจากดาวเทียมปกติมองไม่เห็นต้นไม้ Martin Brandt ผู้เขียนนำกล่าวในแถลงการณ์ พวกเขามองเห็นป่า แต่ถ้าต้นไม้โดดเดี่ยวพวกเขาก็มองไม่เห็น ตอนนี้เรากำลังอยู่ในระหว่างการเติมจุดสีขาวเหล่านี้บนแผนที่ และนั่นเป็นเรื่องที่น่าตื่นเต้นมาก
 

            เพื่อทำตามอัลกอริทึมฝึกการเรียนรู้ให้กับเครื่อง Brandt ผู้ช่วยศาสตราจารย์ด้านภูมิศาสตร์ที่มหาวิทยาลัยโคเปนเฮเกนได้ทำเครื่องหมายต้นไม้เกือบ ๙๐,๐๐๐ ต้นที่ทอดผ่านภูมิประเทศที่แตกต่างกันเป็นการส่วนตัวทำให้ซอฟท์แวร์มีรูปร่างและเงาที่แตกต่างกันเพื่อเรียนรู้ความแตกต่าง ทีมงานยังได้ทำการฝึกการเรียนรู้ให้ระบบผ่านอัลกอริทึมที่พวกเขาได้ออกแบบไว้ เพื่อจดจำต้นไม้แต่ละต้นและกลุ่มเล็ก ๆ ในภูมิประเทศประเภทต่าง ๆ ตั้งแต่ทุ่งหญ้าสะวันนาไปจนถึงทะเลทรายและเผยแพร่การศึกษาใหม่ของพวกเขาในธรรมชาติ
ด้วยการฝึกระบบให้เรียนรู้อย่างถูกต้อง งานที่อาจต้องใช้เวลาฝึกสายตาหลายปีกว่าจะเสร็จ แต่ใช้เวลาเพียงไม่กี่สัปดาห์สำหรับปัญญาประดิษฐ์

- การตรวจสอบ https://www.goodnewsnetwork.org/using-sewage-water-to-grow-trees-in-egyptian-desert/นักวิทยาศาสตร์ใช้น้ำเสียรีไซเคิลเพื่อปลูกป่า 500 เอเคอร์กลางทะเลทรายอียิปต์

 
            ทีมงานสามารถทำแผนที่เส้นผ่าศูนย์กลางความหนาแน่น พื้นที่ความกว้างใหญ่ของต้นไม้ ๑.๘ พันล้านต้นซึ่งครอบคลุมพื้นที่มากกว่า ๕๐๐,๐๐๐ ตารางไมล์ (๑.๓ ตารางกิโลเมตร) นอกจากนี้ยังเปรียบเทียบค่าที่เปลี่ยนแปลงไปของความครอบคลุมและความหนาแน่นของต้นไม้ภายใต้รูปแบบปริมาณน้ำฝนที่แตกต่างกันข้อมูล ข้อมูลที่ทีมวางแผนเปรียบเทียบกับความสูงของต้นไม้และข้อมูลชีวมวลที่จะเกิดขึ้นเพื่อระบุศักยภาพในการกักเก็บคาร์บอน
 

            ในอนาคตการประเมินลักษณะนี้จะติดตามการตัดไม้ทำลายป่าจากทั่วโลกสำหรับนักอนุรักษ์ ได้อย่างมีประสิทธิภาพมากขึ้น นอกจากนี้ข้อมูลค่าใช้จ่ายในช่วงหนึ่งปีจะถูกนำไปเปรียบเทียบกับปีต่อ ๆ ไปเพื่อให้นักวิทยาศาสตร์ประเมินว่าความพยายามในการอนุรักษ์ได้ผลหรือไม่

- ความนิยม https://www.goodnewsnetwork.org/ecosia-marks-100-million-trees-planted/การใช้ Search engine ค้นหาต้นไม้ที่พึ่งปลูก ๑๐๐ ล้านต้น

 
            การตรวจนับต้นไม้โดยอัตโนมัติและแม่นยำ จะช่วยให้เจ้าของที่ดินสามารถสร้างรายได้จากการปลูกต้นไม้ใหม่พื้นที่ว่างได้มากขึ้นเพื่อหาปริมาณคาร่บอนที่พวกเขากักเก็บไว้สำหรับคาร์บอนเครดิต
 
            ท้ายที่สุดแล้วการปรับปรุงความสามารถของนักวิจัยในการมองเห็นจุดของต้นไม้ที่พวกเขาไม่เคยเห็นมาก่อนด้วยภาพถ่ายดาวเทียมเพื่อวัดการกักเก็บคาร์บอนของต้นไม้เหล่านั้นในที่สุดจะช่วยให้นักวิทยาศาสตร์ ด้านภูมิอากาศสามารถทำการวัดระดับของโลกของการกักเก็บคาร์บอนบนพื้นดินได้ นี้จะเป็นเครื่องมือสำคัญในโลกที่การกักเก็บคาร์บอนส่วนเกินของเรามีความสำคัญมากขึ้นเรื่อย ๆ
 
วีดีทัศน์นาซ่า ใช้ซุปเปอร์คอมพิวเตอร์กับปัญญาประดิษฐ์ ในการศึกษาพื้นที่ป่าไม้เพื่อการทำแผนที่ต้นไม้งานวิจัยคาร์บอน
 
แหล่งที่มาข้อมูล https://www.goodnewsnetwork.org/nasa-uses-supercomputers-to-count-isolated-trees-from-space/

ลงบทความเมื่อ ๒๑ พ.ย.๖๓  โดย Marc_Schaus

แปลและเรียบเรียงโดย ร.อ.ยุทธนา สุพรรณกลาง