Het monitoren en meten van bosecosystemen zijn complexe uitdagingen omdat software, verzamelsystemen en computeromgevingen steeds meer energie vergen. Nu heeft het Wireless Sensor Networks-laboratorium van de University of Maine, of WiSe-Net, een nieuwe methode ontwikkeld om kunstmatige intelligentie en machine learning te gebruiken om bodemvocht te bewaken met minder energie en kosten. De methode zou kunnen worden gebruikt om de efficiëntie van metingen in de bosecosystemen van Maine en daarbuiten te verhogen.

Bodemvocht is een belangrijke variabele in beboste en agrarische ecosystemen, met name in de recente droogte van de zomers in Maine. Ondanks robuuste monitoringnetwerken voor bodemvocht en grote, vrij beschikbare databases, kunnen de kosten van commerciële bodemvochtsensoren en het stroomverbruik dat ze verbruiken onbetaalbaar zijn voor onderzoekers, boswachters, boeren en anderen die de gezondheid van het land volgen.

WiSe-Net-onderzoekers hebben een draadloos sensornetwerk ontworpen dat kunstmatige intelligentie gebruikt om te leren hoe ze energiezuiniger kunnen zijn bij het monitoren van bodemvocht en het verwerken van de gegevens.

AI kan "efficiënt gebruik maken van beperkte energie en een robuust, goedkoop netwerk langer en betrouwbaarder laten werken", zegt Ali Abedi, een elektrotechnisch en computeringenieur aan de Universiteit van Maine. De software leert na verloop van tijd hoe de beschikbare netwerkbronnen optimaal kunnen worden gebruikt om energie-efficiënte systemen te produceren tegen lagere kosten voor grootschalige monitoring.

WiSe-Net werkte ook samen met Aaron Weiskittel, directeur van het Center for Research on Sustainable Forests, om ervoor te zorgen dat het hardware- en software-onderzoek wordt geïnformeerd door de wetenschap en is afgestemd op de onderzoeksbehoeften.

"Bodemvocht is een primaire aanjager van boomgroei, maar het verandert snel, zowel dagelijks als per seizoen", zegt Weiskittel. "Het ontbrak ons ​​aan de mogelijkheid om dat effectief op schaal te monitoren. Een goedkopere en robuustere sensor met draadloze mogelijkheden opent de deur naar toekomstige toepassingen."

De studie is gepubliceerd in het International Journal of Wireless Information Networks .

Hoewel het systeem zich richt op bodemvocht, zou dezelfde methode kunnen worden uitgebreid naar andere typen sensoren voor metingen van omgevingstemperatuur, sneeuwdiepte en andere variabelen. Meer sensornodes zouden de netwerken kunnen opschalen. + Verder verkennen

Kunstmatige intelligentie kan worden gebruikt om de bossen van Maine beter in de gaten te houden, studievondsten