Inteligencia Artificial ayuda a decidir en dónde plantar árboles
Plantar árboles es una solución para combatir el cambio climático y mejorar el medio ambiente, sin embargo, hacerlo de manera adecuada, en lugares específicos puede ser más benéfico.
Para ello, la empresa de tecnología IBM trabaja en un proyecto que utiliza Inteligencia Artificial para definir cuál es el sitio más adecuado para colocar árboles, además de que analiza qué tipo de árbol funcionará mejor de acuerdo a la zona en que se coloque.
IBM señala que plantar árboles es una de las estrategias más simples para capturar más carbono del aire, sin embargo, no es necesario hacerlo a ciegas. Si se planea y se mide de manera inteligente, dijo la firma tecnológica, podría permitir un tratamiento y compensaciones de carbono más precisos, y ayudar a los planificadores urbanos y ambientalistas a determinar exactamente qué tipo de árboles se necesitan y en qué ubicaciones pueden mejorar la calidad del aire en la zona.
Utilizando como área de prueba el distrito neoyorquino de Manhattan, en Estados Unidos, los investigadores de IBM diseñaron un proceso para identificar, mapear y cuantificar con precisión la cantidad de carbono que los árboles en una zona determinada pueden almacenar; teniendo en cuenta su especie, forma geométrica y volumen de follaje”, afirma IBM.
“Por ejemplo, los investigadores pudieron medir que los árboles de Manhattan están reteniendo 52 mil toneladas de carbono, así como identificar las características precisas de la efectividad de ciertas especies y dónde puede ser más beneficioso cierto tipo de árbol”.
Explica que dicho análisis sobre la capacidad de almacenamiento de carbono de la vegetación en la Tierra fue posible gracias a la tecnología de aprendizaje automático y la plataforma de análisis de datos geoespaciales de IBM, PAIRS.
Además, su tecnología también tiene la capacidad para agregar y analizar cantidades masivas de imágenes aéreas y detección de luz y de rango utilizados para crear información muy precisa y modelos de elevación del terreno en alta resolución.