由于生態(tài)環(huán)境的日益惡化，森林資源的每況愈下，人工智能在林業(yè)領(lǐng)域必然要發(fā)揮作用。本文將從森林資源獲取和森林生態(tài)環(huán)境保護兩方面來探討人工智能在林業(yè)領(lǐng)域的作用。利用大數(shù)據(jù)技術(shù)進行數(shù)據(jù)檢測和預(yù)測，利用衛(wèi)星遙感技術(shù)來進行森林的分類及變化預(yù)測，利用深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)實現(xiàn)大規(guī)模的物種分類、災(zāi)害預(yù)警，從而實現(xiàn)對森林資源保護。
一
市場規(guī)模
森林是一個復(fù)雜且分布廣泛的生態(tài)系統(tǒng)，許多結(jié)構(gòu)性木材來自可持續(xù)管理的森林和人工林，這些森林和人工林是無價的野生生物棲息地，也是對控制氣候變化的重要角色，例如空氣凈化，減少干旱，洪水和水土流失等。然而，《全球森林資源評估》指出，1990年至2015年間，世界森林面積減少了1％。在近年來，通過使用先進技術(shù)對森林進行連續(xù)監(jiān)測，可以獲得準確而可靠的林業(yè)數(shù)據(jù)，并推進相關(guān)的研究和措施制定，其流失速度少有減緩，這為智能林業(yè)的發(fā)展提供了重要機會。森林問題的管理對于全球生態(tài)環(huán)境發(fā)展起著重要的作用。但是，隨著數(shù)據(jù)精度和數(shù)據(jù)采集速度的提高，傳統(tǒng)的數(shù)據(jù)分析和存儲技術(shù)已不能滿足當前應(yīng)用的性能要求。林業(yè)大數(shù)據(jù)為林業(yè)發(fā)展過程中遇到的困難帶來了新的解決方案，即大數(shù)據(jù)技術(shù)在林業(yè)數(shù)據(jù)處理中的應(yīng)用。
二
林業(yè)領(lǐng)域常見人工智能技術(shù)
大數(shù)據(jù)技術(shù)：從林業(yè)管理活動開始，大數(shù)據(jù)技術(shù)就應(yīng)用于林業(yè)中。利用柵格數(shù)據(jù)模型和矢量數(shù)據(jù)模型收集數(shù)據(jù)，進而通過GIS系統(tǒng)進行數(shù)據(jù)檢測和數(shù)據(jù)預(yù)測
深度學(xué)習(xí)：深度學(xué)習(xí)可用于從LiDAR數(shù)據(jù)中提取樹種并對其進行分類。存儲技術(shù)系統(tǒng)通過HDFS存儲異構(gòu)數(shù)據(jù)。在處理部分中，它使用MapReduce編程范例來實現(xiàn)K-means算法。并且深度學(xué)習(xí)算法模型可刻畫出傳統(tǒng)模式識別難以挖掘的煙火結(jié)構(gòu)化特征，更大限度的提高煙火識別效率，降低誤報，同時可適應(yīng)更多的林區(qū)環(huán)境，是人工智能在森林防火的一個應(yīng)用方向。
神經(jīng)網(wǎng)絡(luò)技術(shù)：神經(jīng)網(wǎng)絡(luò)技術(shù)包括卷積神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)。為植物物種鑒定和葉片病害識別提供了有效的預(yù)處理和降噪方法，極大程度提高了自動分割和識別的準確率，從而實現(xiàn)大規(guī)模、低成本、自動化的病蟲害識別及蟲情監(jiān)測。
三
人工智能技術(shù)在林業(yè)的應(yīng)用分布
四
人工智能在林業(yè)的研究項目及案例簡述
ytelake構(gòu)建了軟件引擎，使用無人機拍攝的圖像計數(shù)幼樹并檢測異常的可能性達到 90％。在該區(qū)域上空飛行的無人機產(chǎn)生了數(shù)百張4K圖像。使用其來構(gòu)建數(shù)據(jù)集，形成神經(jīng)網(wǎng)絡(luò)訓(xùn)練的基礎(chǔ)，幫助每張圖初始檢測出221棵樹，訓(xùn)練集最終擴展到9000個，樹木數(shù)量增加到285棵樹，轉(zhuǎn)化為92-95％的準確度。
20tree.ai公司通過監(jiān)視電力線周圍的植被來幫助電力公司識別并減輕風(fēng)險。通過查看具有高空間分辨率和頻繁訪問的大片土地，可以減少停電，資產(chǎn)損壞和其他經(jīng)濟損失的風(fēng)險，以及暴風(fēng)雨或山火造成的環(huán)境和安全隱患。提供有關(guān)森林和木材清單的近實時情報。深入了解森林健康和威脅，例如森林砍伐，干旱，蟲災(zāi)，土壤健康，風(fēng)暴破壞和其他森林干擾。20tree.ai 和NVI3/ DIA GPU合作可以處理近100TB的從空客防御和太空公司以及歐洲哥白尼計劃等合作伙伴那里獲得的新衛(wèi)星數(shù)據(jù)。該數(shù)據(jù)用于訓(xùn)練一系列深度神經(jīng)網(wǎng)絡(luò)。GPU通過AWS和Google在內(nèi)部和云端運行，深層神經(jīng)網(wǎng)絡(luò)可以洞察人眼看不見的森林健康狀況。
大華依托視頻監(jiān)控領(lǐng)域深厚的技術(shù)積累，以森林火災(zāi)預(yù)警為核心出發(fā)點，以森林防火綜合地理信息系統(tǒng)為基礎(chǔ)，利用紅外熱成像熱感應(yīng)技術(shù)和煙火智能檢測算法，對數(shù)公里范圍內(nèi)的森林資源進行自動化監(jiān)測，借助于智能林火識別技術(shù)，可以對森林火災(zāi)進行監(jiān)測、定位和報警。通過森林防火輔助決策系統(tǒng)，實現(xiàn)三維場景下的“災(zāi)前、災(zāi)中、災(zāi)后”全過程、全方位、一體化動態(tài)管控和決策輔助支撐平臺，為森林火險檢測、預(yù)警、預(yù)報、撲救、災(zāi)后評估等決策提供技術(shù)支撐和科學(xué)依據(jù)，構(gòu)建智能化防火體系。
五
人工智能在林業(yè)領(lǐng)域的局限性
算例限制：由于性能取決于底層存儲系統(tǒng)和計算引擎，因此在某些林業(yè)大數(shù)據(jù)系統(tǒng)中仍然存在問題。
數(shù)據(jù)限制：在數(shù)據(jù)層面，由于SciDB仍處于開發(fā)和改進階段，僅提供C語言接口。因此，對于以非C語言編寫的分布式計算框架， 基于SciDB的林業(yè)數(shù)據(jù)存儲沒有廣泛使用.
精度限制：作業(yè)對象識別的精確率不夠高，目前采用人工神經(jīng)網(wǎng)絡(luò)建立的模型識別率大多是80%~90%。
應(yīng)用模式限制：利用人工神經(jīng)網(wǎng)絡(luò)得出的結(jié)果往往需要經(jīng)過人工處理后才可以應(yīng)用到林業(yè)相關(guān)領(lǐng)域中，對處理的數(shù)據(jù)形式化要求較高，造成人工神經(jīng)網(wǎng)絡(luò)方法在解決林業(yè)作業(yè)問題時的效率、準確率的局限。
六
人工智能在林業(yè)領(lǐng)域的發(fā)展趨勢
5G應(yīng)用：隨著5G技術(shù)的發(fā)展和物聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用，林業(yè)大數(shù)據(jù)技術(shù)將得到進一步發(fā)展和更廣泛的應(yīng)用。
流量計算應(yīng)用：流量計算的相關(guān)技術(shù)可以應(yīng)用于暴雨等林業(yè)數(shù)據(jù)的處理，從而可以實時、自動地進行數(shù)據(jù)計算。
林業(yè)數(shù)據(jù)可視化：在林業(yè)數(shù)據(jù)可視化過程中，可以引入VR技術(shù)來提高系統(tǒng)的交互能力和用戶體驗。
多學(xué)科集合應(yīng)用：提升在應(yīng)用中的自主性與智能性研究。將人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)與模糊理論、灰色系統(tǒng)、遺傳算法等方法結(jié)合，形成智能化的計算機制，能夠從結(jié)構(gòu)與基理上提升神經(jīng)網(wǎng)絡(luò)模型的自主性與智能性。
