Vurdering af karbonfangst i træer med maskinelæring

Nyt forskning fra IBM har til formål at kvantificere, i hvilken udstrækning træer fanger karbon og forbedrer miljøet, ved blot at bruge luftfotografier og tilgængelige LiDAR-data. Metoden er tænkt til at evaluere, hvor langt træ-plantningsinitiativer kompenserer for karbonudledning, og til at give en brugbar matrix for at kvantificere værdien af træ-plantningsskemaerne, der i stigende grad bruges af virksomheder og kommunale myndigheder som en modvægt til de negative effekter af eksisterende og foreslåede infrastruktur, udvikling og andre karbonproducerende aktiviteter.

Til at demonstrere den nye metode, artiklen – af IBM-forskere Levente Klein, Conrad Albrecht og Wang Zhou – evaluerer fjernbilleder for New Yorks Manhattan-distrikt, og beregner, at træerne i dette område repræsenterer 52.000 tons af lagret karbon.

Estimeret karbonfangst for vestsiden af New Yorks Manhattan-område. Kilde: https://arxiv.org/pdf/2106.00182.pdf

Den voksende karbonmarked betjenes i øjeblikket af en række metoder til at estimere karbonkompensation. De forskellige modeller, der bruges, er svære at sammenligne, da de ikke deler fælles mål eller metoder. Derudover Extrapolerer mange af modellerne principper fra små studieområder til, hvad der kan være en for bred anvendelse på andre områder, som måske ikke deler de samme karakteristika eller giver den samme estimering af karbonfordele.

Desuden kræver mange af de mere detaljerede og mindre generiske metoder betydelige investeringer i overvågnings-teknologier og -planer, hvilket forværreler fristelsen til at basere omfattende statistiske modeller på meget små skala-analyseområder, hvilket risikerer upræcise eller misvisende resultater.

Overvågning af træer i luften og på jorden

I stedet foreslår IBM-artiklen en to-del approach til at identificere træarters og biomasse: først, computer-vision-analyseteknikker, der kan udlede træart fra luftfotografier; og anden, korrelationen af denne information med LiDAR-data, der kan tilføje højde-, bredde- og volumenestimeringer til den “flade” billedinformation, der er udledt fra luftfotografierne.

I øverste venstre hjørne af billedet ovenfor ser vi multispektrale billeder leveret af US National Agriculture Imagery Program (NAIP); Øverste højre, segmenteringsdata for træerne, der er identificeret i billederne; nederste venstre, den allometriske relation mellem trækrone-diameter og træhøjde, som er fastlagt af tidligere LiDAR-data; og nederste højre, estimeret total biomasse for det område, der er dækket af billedet.

Brugen af LiDAR til at kortlægge træhøjde er udbredt og kan endda implementeres via ny native-funktionalitet i Apples iOS.

Brug af iOS’ native LiDAR i en app til at måle træhøjde. Kilde: https://www.youtube.com/watch?v=k5DNlvq2hdE

LiDAR-kortlægning af træer. Kilde: https://towardsdatascience.com/applications-of-lidar-in-forestry-13686e1b15a7

Men kortlægning af træer med LiDAR er dyrt, så IBM-projektet brugte LiDAR-data, der var erhvervet til Staten Borough under 2017 New York City LiDAR-kortlægnings-initiativ, sammen med træart-data, der var erhvervet for alle fem bydele til et 2015-data-projekt, som identificerede 689.227 træer i det undersøgte område, der dækkede 234 træarter.

Evaluering af karbonbelastning af træer i New York City

Den estimerede karbonkapacitet af et typisk træ er omkring 50% af dets totale biomasse, og for den eksempleriske analyse overvejede IBM-projektet kun de fire øverste træarter, der blev identificeret fra NAIP’s multispektrale billeder.

Lagringsevne for de dominerende træarter i New York City.

Lineær regression blev brugt til at generere en træningsdatæt, baseret på den estimerede træhøjde-kronen (LiDAR) og trædiameteren (NAIP). Karbonkapaciteten af forskellige træarter blev taget i betragtning i de endelige beregninger, som viser, at træerne i Manhattan-bydelen repræsenterer 52.000 tons af lagret karbon.

Skabelse af en konsistent træ-karbonfangstmodel for fremtiden

Genereringen af konsistente år-for-år-statistikker forbliver et problem, når man tager i betragtning den nuværende mangel på en generel standard for at evaluere karbonkapacitet i træer. Forskerne foreslår denne metode som en mulig fremtidig standard, og metoden kan anvendes og forfineres af yderligere studier, der enten bruger eksisterende LiDAR-data i andre kommuner eller indsamler data specifikt til dette formål.

Initiativer som Glasgows projekt for at kompensere for karbonudledning ved at plante 18 millioner bytræer ville være mere nyttige for lignende nationale og internationale forsknings- og statistiske analyse-bestræbelser, hvis en sådan standard kunne etableres. Det kan argumenteres for, at det ville være bedre at have en billig og let implementerbar standard med bred anvendelighed og acceptabel nøjagtighed end den nuværende Babylon af forskellige måleprotokoller eller brugen af protokoller, der kan give højere niveauer af nøjagtighed, men også ville kræve højere niveauer af finansiering. Arguably, it would be better to have an affordable and easily implementable standard with wide applicability and acceptable accuracy, than the current Babel of diverse measurement protocols, or the use of protocols that may provide higher levels of accuracy, but would also require greater levels of funding.