AI, Kentsel Orman Modellerini Güçlendiriyor

Tree-D Fusion, bir AI sistemi, kentsel ağaçların 3D modellerini oluşturur, büyümeyi tahmin eder, çevresel etkileri analiz eder ve kentsel orman yönetimini geliştirir.

MIT, Google ve Purdue Üniversitesi’nden araştırmacılar, tekil görüntüler kullanarak kentsel ağaçların detaylı 3D modellerini oluşturan bir AI destekli sistem olan “Tree-D Fusion”ı tanıttılar. Sonuçlar, son yayınlanan makaledeaçıklandı.

Yapay zekayı on yıllar süren orman bilimiyle birleştirerek, sistem ağaçların yapılarını ve büyüme modellerini modelleyerek kentsel orman planlaması konusunda içgörüler sağlar.

Proje, Kuzey Amerika genelinde 600.000 simülasyon hazır ağaç modelinden oluşan geniş çaplı bir veritabanını içerir. Bu, ağaç büyümesini ve bunun kentsel çevrelere etkisini tahmin etmek gibi uygulamalar için tasarlanmıştır, bu konuda bir MIT basın bülteninde rapor edilmiştir.

Makale, sistemin ağaçları modellemek için hibrit bir yaklaşıma dayandığını açıklar. Derin öğrenme algoritmaları, ağacın genel şeklini temsil eden bir yapısal zarf oluşturur. Ardından, geleneksel prosedürel modeller, ağacın cinsine dayalı olarak bu zarfı, gerçekçi dal ve yaprak desenlerini simüle ederek rafine eder.

Bu kombinasyon, Tree-D Fusion’ın ağaçların farklı çevresel koşullar altında, sıcaklık ve yeraltı suyu mevcudiyeti varyasyonlarını da içerecek şekilde nasıl büyüyebileceğini tahmin etmesini sağlar.

Önceki modellerden farklı olarak, sokak görüntülerinde görülmeyen ağaçların arka tarafı gibi genellikle gizli özellikleri yakalar ve ağaçların çevreleriyle etkileşimde bulundukça dinamik doğalarını dikkate alır, diyor MIT basın bülteni.

“On yıllar süren orman bilimini modern AI yetenekleriyle birleştiriyoruz,” diye açıklıyor MIT’deki yardımcı profesör ve MIT CSAIL’deki baş araştırmacı Sara Beery, MIT tarafından bildirildiği üzere.

“Bu, şehirlerdeki ağaçları sadece tanımlamamızı değil, zamanla nasıl büyüyeceklerini ve çevrelerini nasıl etkileyeceklerini öngörmemizi sağlar. AI’yi, mevcut orman bilgisini daha geniş kentsel ortamlarda uygulanabilir hale getirmek için kullanıyoruz.”

MIT, Tree-D Fusion’ın, genellikle mahalle seviyesindeki gözlemlere dayanan veya ölçeklendirme konusunda zorluk çeken daha önceki kentsel orman izleme çabalarına göre bir ilerleme olduğunu açıklıyor.

Sistem, Google Street View gibi araçlardan gelen görüntü verilerini kullanır ve bu verileri, gelecekteki büyümeyi tahmin etme ve potansiyel riskleri, örneğin dalların elektrik hatlarına müdahale etmesi gibi durumları belirleme yeteneğine sahip tahminsel modellere entegre eder.

İlerlemelerine rağmen, sistem özellikle iç içe geçmiş veya “karışık” ağaçlarla ilgili zorluklarla karşılaşmaktadır, burada komşu ağaçların dalları birbirine karışır.

“Bu çalışmayı heyecan verici kılan, bize bilgisayarlı görü işlemlerindeki temel varsayımları yeniden düşünme konusunda zorlamasıdır” dedi Beery, MIT tarafından aktarıldığı üzere. Ağaçların dinamik ve sürekli değişen formları, binalar gibi statik objelerin aksine yeni yaklaşımlar gerektirir.

Araştırmacılar, Tree-D Fusion’ın küresel ölçekte nasıl ölçeklendirilebileceğini zaten araştırıyorlar. Bu, kentsel ormancılık ve biyoçeşitlilik izleme gibi potansiyel uygulamalar için de geçerli.

“Amacımız, AI destekli içgörülerle doğal ekosistemleri desteklemek, sürdürülebilirliği teşvik etmek ve kentsel planlamayı iyileştirmektir,” dedi. Ağaç-D Fusion algoritmasını geliştiren Purdue Üniversitesi’nden doktora öğrencisi Jae Joong Lee, MIT tarafından bildirildiği üzere.