Övervakning och mätning av skogsekosystem är komplexa utmaningar eftersom mjukvara, insamlingssystem och datormiljöer kräver ökande mängder energi. Nu har University of Maines laboratorium för trådlösa sensornätverk, eller WiSe-Net, utvecklat en ny metod för att använda artificiell intelligens och maskininlärning för att övervaka markfuktighet med mindre energi och kostnad. Metoden skulle kunna användas för att öka effektiviteten av mätningar i skogsekosystemen i Maine och utanför.

Markfuktighet är en viktig variabel i skogs- och jordbruksekosystem, särskilt under de senaste torkaförhållandena i Maine-somrarna. Trots robusta nätverk för övervakning av markfuktighet och stora, fritt tillgängliga databaser, kan kostnaden för kommersiella markfuktighetssensorer och strömmen de förbrukar vara oöverkomliga för forskare, skogsbrukare, jordbrukare och andra som spårar landets hälsa.

WiSe-Net-forskare har designat ett trådlöst sensornätverk som använder artificiell intelligens för att lära sig hur man kan bli mer energieffektiv när det gäller att övervaka markfuktighet och bearbeta data.

AI kan "effektivt använda begränsad energi och få ett robust lågkostnadsnätverk att fungera längre och mer tillförlitligt", säger Ali Abedi, en el- och dataingenjör vid University of Maine. Programvaran lär sig över tid hur man använder tillgängliga nätverksresurser på bästa sätt för att producera energieffektiva system till en lägre kostnad för storskalig övervakning.

WiSe-Net samarbetade också med Aaron Weiskittel, chef för Center for Research on Sustainable Forests, för att säkerställa att hård- och mjukvaruforskningen är informerad av vetenskap och skräddarsydd för forskningsbehov.

"Markfuktighet är en primär drivkraft för trädtillväxt, men den förändras snabbt, både dagligen och säsongsmässigt," säger Weiskittel. "Vi har saknat förmågan att övervaka det effektivt i stor skala. En billigare och mer robust sensor med trådlösa funktioner öppnar dörren till framtida tillämpningar."

Studien publiceras i International Journal of Wireless Information Networks .

Även om systemet fokuserar på markfuktighet, skulle samma metodik kunna utvidgas till andra typer av sensorer för mätning av omgivningstemperatur, snödjup och andra variabler. Fler sensornoder skulle kunna skala upp nätverken. + Utforska vidare

Artificiell intelligens kan användas för att bättre övervaka Maines skogar, visar studien