16 lipca obchodzony jest Dzień Sztucznej Inteligencji – badania torfowisk z wykorzystaniem AI
Dzień Doceniania Sztucznej Inteligencji (ang. Artificial Intelligence Appreciation Day), obchodzony corocznie 16 lipca, jest okazją do przypomnienia historii, osiągnięć technologii AI oraz zwiększaniu świadomości na temat jej obecnych i przyszłych zastosowań w naszym życiu, w medycynie, naukach ścisłych i przyrodniczych. Obecnie narzędzia oparte na sztucznej inteligencji dominują na rynku, znacząco ułatwiając nasze codzienne życie.
W obszarze sztucznej inteligencji poruszają się pracownicy Centrum Teledetekcji, wykorzystujący uczenie maszynowe do monitorowania kondycji roślinności torfowisk w środkowo-wschodniej Europie. Uczenie maszynowe (ang. machine learning) jest podzbiorem sztucznej inteligencji (AI), w którym komputery uczą się według danych i ulepszają na podstawie samego doświadczenia, bez konieczności wyraźnego programowania.
Algorytm uczenia maszynowego, który wykorzystuje zespół Centrum Teledetekcji w składzie Marcin Kluczek i Maciej Bartold, bazuje na zebranych wynikach terenowych o fluorescencji chlorofilu oraz zobrazowań satelitarnych z europejskiego satelity Copernicus Sentinel-2. Nowatorskie podejście w badaniach kondycji roślinności opiera się poprzez analizę czasowo-przestrzenną zmienności fluorescencji chlorofilu jako wskaźnika wydajności fotosyntezy w okresie wegetacyjnym. Zastosowanie algorytmu uczenia maszynowego w połączeniu z dużymi zbiorami obserwacji satelitarnych umożliwi stwierdzenie, czy rośliny są narażone na stres zanim pojawią się sygnały zewnętrzne, takie jak opadanie czy brązowienie liści. Pozyskanie cennych informacji o fluorescencji chlorofilu pozwoli lepiej zrozumieć wpływ zmian klimatycznych na bilans węgla w ekosystemach torfowisk. Poniżej prezentowana jest ilustracja aktualnej kondycji roślinności torfowisk, wyrażonej wartościami fluorescencji chlorofilu Fv/Fm w czerwcu 2023 r.
Więcej o algorytmie uczenia maszynowego w badaniach kondycji roślinności torfowisk w artykule:
Bartold M., Kluczek M., 2023, A Machine Learning Approach for Mapping Chlorophyll Fluorescence at Inland Wetlands, Remote Sensing 2023, Vol.15(9), 2392. doi:10.3390/rs1509239
Opracowanie: Fluorescencja chlorofilu wyrażona wielkością Fv/Fm na podstawie danych satelitarnych z czerwca 2023 roku.