Inteligencia Artificial ayuda a decidir dónde es mejor plantar árboles para minimizar el impacto del carbono

Fecha Actualización

22/07/2021 - 19:00

En la búsqueda para combatir el cambio climático, muchos recurren a la plantación de árboles para compensar las emisiones de carbono. Pero, ¿cómo sabemos que el árbol que se está plantando tendrá una gran capacidad para almacenar carbono? ¿cómo podemos estar seguros de que se está plantado en un lugar donde los árboles pueden vivir durante décadas y encapsular el carbono que circula en el aire? Aquí es donde entra la tecnología con inteligencia artificial.

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 mide de manera inteligente, podría permitir un tratamiento del carbono más preciso, además de ayudar a los planificadores urbanos y los ambientalistas a determinar exactamente qué tipo de árboles se necesitan y en qué ubicaciones pueden mejorar la calidad del aire.

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 un zona determinada pueden almacenar. Para esto se tuvo en cuenta su especie, forma geométrica y volumen de follaje.

Por ejemplo, los investigadores pudieron medir que los árboles de Manhattan están reteniendo 52.000 toneladas de carbono e identificaron las características precisas de la efectividad de ciertas especies y dónde puede ser más beneficioso cierto tipo de árbol.

Esta mirada única a la capacidad de almacenamiento de carbono por parte 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- y su capacidad para agregar y analizar cantidades masivas de imágenes aéreas y LiDAR, o datos de luz y de rango utilizados para crear información muy precisa y modelos de elevación del terreno en alta resolución.