زاوية Anderson

تقييم امتصاص الكربون في الأشجار باستخدام التعلم الآلي

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

تهدف الأبحاث الجديدة من شركة آي بي إم إلى量 تقدير مدى امتصاص الأشجار للكربون وتحسين البيئة، باستخدام فقط الصور الجوية والبيانات المتاحة من نظام الليدار. ويهدف هذا الأسلوب إلى تقييم مدى تأثير مبادرات غرس الأشجار في تعويض انبعاثات الكربون، وتوفير مصفوفة قابلة للعمل لتقدير قيمة مخططات غرس الأشجار التي تستخدمها الشركات والسلطات المحلية بشكل متزايد كتعويض لآثار البنية التحتية الحالية والمقترحة والتطورات والأنشطة الأخرى المولدة للكربون.

لإظهار المنهجية الجديدة، تقييم الورقة – من قبل باحثي شركة آي بي إم ليفينتي كلاين وكونراد ألبريخت ووانغ تشو – الصور الجوية عن منطقة مانهاتن في نيويورك، وتحسب أن الأشجار في هذه المنطقة تمثل 52,000 طن من الكربون المحتجز.

تقدير امتصاص الكربون في أشجار مانهاتن.

تقدير امتصاص الكربون في أشجار مانهاتن. مصدر: https://arxiv.org/pdf/2106.00182.pdf

سوق التبادل الكربوني الناشئ يتقدم حاليًا بخدمات متنوعة لتقدير الكربون المحتجز.然而، النماذج المستخدمة متنوعة ولا تشترك في معايير أو أساليب مشتركة. بالإضافة إلى ذلك، العديد من النماذج تُستمد من مناطق دراسية صغيرة وتُطبق على مناطق أوسع، مما قد لا يُحتوي على نفس الخصائص أو يعطي نفس تقدير المنافع الكربونية.

علاوة على ذلك، العديد من الأساليب الأكثر دقة والأقل عمومية تتطلب استثمارات ملحوظة في تقنيات المراقبة والجداول، مما يزيد من الإغراء لاستخدام نماذج إحصائية شاملة بناءً على مناطق تحليل صغيرة، مما يخاطر بإعطاء نتائج غير دقيقة أو مضللة.

مراقبة الأشجار الجوية والتربة

بدلاً من ذلك، تقترح ورقة شركة آي بي إم نهجًا مزدوجًا لتحديد نوع وكتلة الأشجار: أولاً، تقنيات تحليل الرؤية الحاسوبية التي يمكن أن تستمد نوع الشجرة من الصور الجوية؛ وثانيًا، ربط هذه المعلومات مع بيانات الليدار القادرة على إضافة تقديرات الارتفاع والعرض والحجم إلى الصور “المستوية” المستخرجة من الصور الجوية.

في الجزء العلوي الأيسر من الصورة أعلاه، نرى الصور المتعددة الطيفية المقدمة من برنامج الصور الجوية الوطني للزراعة (NAIP); في الجزء العلوي الأيمن، بيانات التجزئة للشجار المحدد في الصور؛ في الجزء السفلي الأيسر، العلاقة اللومترية بين قطر تاج الشجرة وارتفاع الشجرة كما تم تحديدها من قبل بيانات الليدار السابقة؛ وفي الجزء السفلي الأيمن، تقدير الكتلة الحيوية الإجمالية للمنطقة المغطاة في الصورة.

استخدام الليدار لتحديد ارتفاع الأشجار شائع، ويمكن تطبيقه حتى عبر الوظائف الأصلية في نظام آي أو إس التابع لشركة آبل.

استخدام الليدار الأصلي في نظام آي أو إس لتقييم ارتفاع الأشجار.

استخدام الليدار الأصلي في نظام آي أو إس لتقييم ارتفاع الأشجار. مصدر: https://www.youtube.com/watch?v=k5DNlvq2hdE

خريطة الليدار للأشجار.

خريطة الليدار للأشجار. مصدر: https://towardsdatascience.com/applications-of-lidar-in-forestry-13686e1b15a7

然而، خريطة الأشجار باستخدام الليدار مكلفة، لذلك استخدم مشروع شركة آي بي إم بيانات الليدار المكتسبة لمنطقة ستاتن آيلاند خلال مبادرة الليدار في مدينة نيويورك عام 2017، إلى جانب بيانات أنواع الأشجار المكتسبة لجميع المناطق الخمس لمشروع بيانات عام 2015، الذي حدد 689,227 شجرة في المنطقة المفتوحة، تغطي 234 نوعًا من الأشجار.

تقييم حملة الكربون في أشجار نيويورك

تقدر السعة الكربونية للشجرة النموذجية بحوالي 50% من كتلتها الحيوية الإجمالية، وللتحليل النموذجي، اعتبر مشروع شركة آي بي إم فقط أربعة أنواع من الأشجار التي تم تحديدها من الصور المتعددة الطيفية من برنامج الصور الجوية الوطني للزراعة.

سعة التخزين لأنواع الأشجار السائدة في نيويورك.

سعة التخزين لأنواع الأشجار السائدة في نيويورك.

استخدم الانحدار الخطي لتوليد مجموعة بيانات تدريبية، بناءً على تقدير ارتفاع تاج الشجرة (الليدار) وقطر الشجرة (برنامج الصور الجوية الوطني للزراعة). تم أخذ سعة الكربون لأنواع الأشجار المختلفة في الحسابات النهائية، التي تظهر أن الأشجار في الغابة الحضرية في منطقة مانهاتن تمثل 52,000 طن من الكربون المحتجز.

إنشاء نموذج متسق لامتصاص الكربون في الأشجار للمستقبل

لا يزال إنتاج إحصاءات متسقة من سنة إلى أخرى مشكلة، نظرًا لعدم وجود معيار عام لتقييم سعة الكربون في الأشجار. يقترح الباحثون هذه المنهجية كنموذج مستقبلي محتمل، ويمكن تطبيق هذه الطريقة وتطويرها من خلال دراسات أخرى تستخدم بيانات الليدار الحالية في البلديات الأخرى أو تجمع بيانات لذلك الغرض.

مبادرات مثل مشروع غلاسكو لتعويض انبعاثات الكربون بغرس 18 مليون شجرة حضرية ستكون أكثر فائدة للبحوث والتحليلات الإحصائية الوطنية والدولية المماثلة إذا تم إنشاء معيار كهذا. يمكن القول إن من الأفضل أن يكون هناك معيار معقول وسهل التنفيذ مع قابلية تطبيق واسعة ودقة مقبولة، بدلاً من البابل الحالي لبروتوكولات القياس المتنوعة، أو استخدام بروتوكولات قد توفر مستويات أعلى من الدقة، ولكنها تتطلب أيضًا مستويات أعلى من التمويل.

كاتب في التعلم الآلي، متخصص في مجال合成 الصور البشرية. سابقًا رئيس محتوى البحث في Metaphysic.ai، حتى انحلت في DNEG's Brahma.ai.
Portfolio site: martinanderson.ai
Contact: martin@martinanderson.ai