স্পেস-লেজার এআই কয়েক মিনিটের মধ্যে বন কার্বন মানচিত্র-জলবায়ু বিজ্ঞানের জন্য একটি গেম-চেঞ্জার

আরকানসাস ফরেস্ট রিসোর্সেস সেন্টারের জিওপ্যাটিয়াল সায়েন্সের সহকারী অধ্যাপক হামদী জুরকানির মতে এই কার্বন চক্রটি বোঝা জলবায়ু পরিবর্তন গবেষণার মূল বিষয় এবং মন্টিসেলোর আরকানসাস বিশ্ববিদ্যালয়ের বন, কৃষি ও প্রাকৃতিক সম্পদ কলেজের কলেজ অফ ফরেস্ট্রি, কৃষি ও প্রাকৃতিক সম্পদ। কেন্দ্রটির সদর দফতরটি ইউএএম -এ রয়েছে এবং আরকানসাস এগ্রিকালচারাল এক্সপেরিমেন্ট স্টেশন এবং সমবায় সম্প্রসারণ পরিষেবা, কৃষি গবেষণা ও প্রচারের অস্ত্রের ইউনিভার্সিটি অফ আরকানসাস সিস্টেম বিভাগের মাধ্যমে গবেষণা ও সম্প্রসারণ কার্যক্রম পরিচালনা করে।

জুরকানি বলেছিলেন, “বনগুলিকে প্রায়শই আমাদের গ্রহের ফুসফুস বলা হয় এবং সঙ্গত কারণে”। “তারা বিশ্বের টেরেস্ট্রিয়াল কার্বন প্রায় 80 শতাংশ সঞ্চয় করে এবং পৃথিবীর জলবায়ু নিয়ন্ত্রণে গুরুত্বপূর্ণ ভূমিকা পালন করে।”

একটি বনের কার্বন চক্র পরিমাপ করতে, উপরের বনের একটি জৈবিক বায়োমাসের একটি গণনা প্রয়োজন। কার্যকর হলেও, বনভূমির বায়োমাসের বনাঞ্চলের অনুমানের জন্য traditional তিহ্যবাহী স্থল-ভিত্তিক পদ্ধতিগুলি হ’ল শ্রম-নিবিড়, সময় সাপেক্ষ এবং স্থানিক কভারেজের ক্ষমতাতে সীমাবদ্ধ, জুরকানি বলেছিলেন।

সম্প্রতি প্রকাশিত একটি গবেষণায় বাস্তুসংস্থানীয় তথ্যজুরকানি দেখায় যে কীভাবে ওপেন-অ্যাক্সেস উপগ্রহের তথ্য গুগল আর্থ ইঞ্জিনে কৃত্রিম বুদ্ধিমত্তা অ্যালগরিদমগুলির সাথে দ্রুত এবং নির্ভুলভাবে বড় আকারের বনাঞ্চলের উপরের অংশের বায়োমাসকে ম্যাপ করার জন্য একীভূত করা যেতে পারে, এমনকি প্রত্যন্ত অঞ্চলে যেখানে অ্যাক্সেসযোগ্যতা প্রায়শই একটি সমস্যা হয়।

জুরকানির উপন্যাসের পদ্ধতির নাসার গ্লোবাল ইকোসিস্টেম ডায়নামিক্স ইনভেস্টিগেশন লিডার থেকে ডেটা ব্যবহার করা হয়েছে, এটি গিডি লিডার নামেও পরিচিত, এতে আন্তর্জাতিক মহাকাশ স্টেশনে ইনস্টল করা তিনটি লেজার অন্তর্ভুক্ত রয়েছে। সিস্টেমটি ত্রি-মাত্রিক বন ক্যানোপি উচ্চতা, ক্যানোপি উল্লম্ব কাঠামো এবং পৃষ্ঠের উচ্চতা যথাযথভাবে পরিমাপ করতে পারে। লিডারটির অর্থ “হালকা সনাক্তকরণ এবং রেঞ্জিং” এবং দূরত্ব পরিমাপ করতে এবং 3 ডি মডেল তৈরি করতে হালকা ডাল ব্যবহার করে।

জুরকানি ইউরোপীয় স্পেস এজেন্সির পৃথিবী পর্যবেক্ষণ কোপার্নিকাস সেন্টিনেল স্যাটেলাইটস-সেন্টিনেল -১ এবং সেন্টিনেল -২ এর সংগ্রহ থেকে চিত্রাবলীর ডেটাও ব্যবহার করেছিলেন। জিইডিআই থেকে 3 ডি চিত্র এবং সেন্ডিনেলগুলির অপটিক্যাল চিত্রের সংমিশ্রণে জুরকানি বায়োমাস অনুমানের যথার্থতা উন্নত করেছিলেন।

গবেষণায় ডেটা বিশ্লেষণ করতে চারটি মেশিন লার্নিং অ্যালগরিদম পরীক্ষা করা হয়েছে: গ্রেডিয়েন্ট ট্রি বুস্টিং, এলোমেলো বন, শ্রেণিবিন্যাস এবং রিগ্রেশন ট্রি, বা কার্ট এবং সমর্থন ভেক্টর মেশিন। গ্রেডিয়েন্ট ট্রি বুস্টিং সর্বোচ্চ নির্ভুলতার স্কোর এবং সর্বনিম্ন ত্রুটির হার অর্জন করেছে। এলোমেলো বন দ্বিতীয় স্থানে এসেছিল, নির্ভরযোগ্য তবে কিছুটা কম সুনির্দিষ্ট প্রমাণ করে। কার্ট যুক্তিসঙ্গত অনুমান সরবরাহ করে তবে একটি ছোট সাবসেটে ফোকাস করে। সাপোর্ট ভেক্টর মেশিন অ্যালগরিদম সংগ্রাম করেছে, জুরকানি বলেছিলেন, এই হাইলাইট করে যে সমস্ত এআই মডেলগুলি এই গবেষণায় উপরের গ্রাউন্ড ফরেস্ট বায়োমাস অনুমানের জন্য সমানভাবে উপযুক্ত নয়।

জুরকানি বলেছেন, সর্বাধিক নির্ভুল ভবিষ্যদ্বাণীগুলি সেন্ডিনেল -২ অপটিক্যাল ডেটা, উদ্ভিদ সূচক, টপোগ্রাফিক বৈশিষ্ট্য এবং গেইডিআই লিডার ডেটাসেটের সাথে মেশিন লার্নিং মডেলগুলির প্রশিক্ষণ এবং পরীক্ষা করা উভয়ের জন্য রেফারেন্স ইনপুট হিসাবে পরিবেশন করে, মাল্টি-সোর্স ডেটা ইন্টিগ্রেশনটি নির্ভরযোগ্য বায়োমাস ম্যাপিংয়ের জন্য সমালোচনা করে।

কেন এটা গুরুত্বপূর্ণ

জুরকানি বলেছিলেন যে সঠিক বন বায়োমাস ম্যাপিংয়ে বিশ্বব্যাপী কার্বন এবং উন্নত বন পরিচালনার আরও ভাল অ্যাকাউন্টিংয়ের জন্য বাস্তব-বিশ্বের প্রভাব রয়েছে। আরও সঠিক মূল্যায়নের সাথে, সরকার এবং সংস্থাগুলি নীতিগত সিদ্ধান্তগুলি অবহিত করার জন্য বনাঞ্চল থেকে কার্বন সিকোয়েস্টেশন এবং নির্গমনকে আরও সুনির্দিষ্টভাবে ট্র্যাক করতে পারে।

এগিয়ে রাস্তা

যদিও গবেষণাটি উপরের গ্রাউন্ড ফরেস্ট বায়োমাস পরিমাপের ক্ষেত্রে একটি লাফিয়ে এগিয়ে রয়েছে, জুরকানি বলেছিলেন যে অবশিষ্ট চ্যালেঞ্জগুলির মধ্যে রয়েছে আবহাওয়ার প্রভাব স্যাটেলাইট ডেটাতে কী প্রভাব ফেলতে পারে। কিছু অঞ্চলে এখনও উচ্চ-রেজোলিউশন লিডার কভারেজের অভাব রয়েছে। তিনি আরও যোগ করেছেন যে ভবিষ্যতের গবেষণা আরও পূর্বাভাসকে আরও পরিমার্জন করতে গভীর এআই মডেলগুলি যেমন নিউরাল নেটওয়ার্কগুলির সন্ধান করতে পারে।

“একটি জিনিস পরিষ্কার,” জুরকানি বলেছিলেন। “জলবায়ু পরিবর্তন তীব্র হওয়ার সাথে সাথে এই জাতীয় প্রযুক্তি আমাদের বন এবং গ্রহকে সুরক্ষিত করতে অপরিহার্য হবে।”