Ilmuwan Memanfaatkan Citra Satelit dan AI untuk Menghitung Karbon di Afrika

Di luar hutan tropis luas yang tersebar di tengah benua, bentang alam Afrika disebut NASA berkisar dari padang rumput kering dengan sedikit pohon hingga sabana dengan pepohonan yang tersebar hingga daerah yang lebih lembab dengan banyak pepohonan yang tersebar. Tutupan pohon yang tersebar ini telah mempersulit para ilmuwan yang bekerja untuk memperkirakan jumlah pohon di daerah ini. Hal inilah yang disebut Tucker membuat penelitian berbasis satelit sebelumnya suka salah mengira rerumputan sebagai pohon sehingga menyebabkan prediksi karbon yang berlebihan.

Padahal pengukuran yang akurat sangat penting untuk upaya konservasi dan untuk memahami siklus karbon di planet kita.

Dalam studi baru, tim menggunakan pembelajaran mesin canggih dan algoritma kecerdasan buatan untuk memilah lebih dari 326.000 citra satelit komersial dari satelit QuickBird-2, GeoEye-1, WorldView-2, dan WorldView-3 yang dioperasikan oleh Maxar Technologies. Para peneliti memperoleh gambar tersebut melalui Pusat Simulasi Iklim NASA dan memanfaatkan Awan Ilmu Pengetahuan Jelajahi/ADAPT untuk mengatur dan menyiapkan gambar untuk pemrosesan pembelajaran mesin.

Martin Brandt dari University of Copenhagen mengumpulkan data pelatihan AI dari 89.000 pohon individu. Sementara san rekan, Ankit Kariyaa, bertugas mengadaptasi jaringan sehingga komputer dapat mendeteksi pohon individu dalam gambar beresolusi tinggi berskala 50 sentimeter dari lanskap Afrika yang lebih kering dan kurang hijau.

Para peneliti mendefinisikan "pohon" sebagai segala sesuatu dengan mahkota berdaun hijau dan bayangan yang berdekatan. Dari sini, mereka melatih perangkat lunak pembelajaran mesin untuk menghitung pohon melalui superkomputer Blue Waters di University of Illinois. Saat tim membandingkan hasil pembelajaran mesin mereka dengan penilaian lanskap langsung oleh manusia, tingkat akurasi komputer dalam mengukur area mahkota pohon mencapai 96,5 persen.
Halaman Selanjutnya....