Bewertung der Kohlenstoffbindung in Bäumen mit Machine Learning

Neue Forschung von IBM zielt darauf ab, den Umfang zu quantifizieren, in dem Bäume Kohlenstoff binden und die Umwelt verbessern, indem nur Luftbildaufnahmen und verfügbare LiDAR-Daten verwendet werden. Die Methode soll bewerten, wie weit Baumpflanzinitiativen Kohlenstoffemissionen ausgleichen, und eine funktionierende Matrix für die Quantifizierung des Wertes der Baumpflanzschemata bereitstellen, die von Unternehmen und kommunalen Behörden zunehmend als Ausgleich für die negativen Auswirkungen bestehender und geplanter Infrastruktur, Entwicklung und anderer kohlenstoffproduzierender Aktivitäten verwendet werden.

Um die neue Methodik zu demonstrieren, bewertet die Studie – von IBM-Forschern Levente Klein, Conrad Albrecht und Wang Zhou – Remote-Imagery für den Manhattan-Bezirk in New York und berechnet, dass die Bäume in diesem Gebiet 52.000 Tonnen gebundenen Kohlenstoffs repräsentieren.

Geschätzte Kohlenstoffbindung für den Westen von Manhattans Bezirk. Quelle: https://arxiv.org/pdf/2106.00182.pdf

Der aufkommende Kohlenstoffhandel wird derzeit durch eine Vielzahl von Methoden bedient, um Kohlenstoffausgleich zu schätzen. Die verschiedenen Modelle sind schwierig zu vergleichen, da sie keine gemeinsamen Metriken oder Methoden teilen. Darüber hinaus extrapolieren viele der Modelle Prinzipien aus kleinen Studienbereichen auf eine möglicherweise zu breite Anwendung in anderen Bereichen, die möglicherweise nicht die gleichen Eigenschaften aufweisen oder die gleichen Kohlenstoffvorteile ergeben.

Weiterhin erfordern viele der detaillierteren und weniger generischen Methoden eine bemerkenswerte Investition in Überwachungstechnologien und -pläne, was die Versuchung verstärkt, weit verbreitete statistische Modelle auf sehr kleine Analysebereiche zu basieren, was ungenaue oder irreführende Ergebnisse riskiert.

Boden- und Luftbaumüberwachung

Stattdessen schlägt die IBM-Studie einen zweifachen Ansatz zur Identifizierung der Baumart und -biomasse vor: Erstens Computer-Vision-Analysetechniken, die die Baumart aus Luftbildern ableiten können; und zweitens die Korrelation dieser Informationen mit LiDAR-Daten, die in der Lage sind, Höhe, Breite und Volumenschätzungen zu den “flachen” Bildern hinzuzufügen, die aus den Luftbildern extrahiert werden.

Im oberen linken Bereich des Bildes sehen wir multispektrale Fotos, die vom US-amerikanischen National Agriculture Imagery Program (NAIP) bereitgestellt werden; oben rechts, Segmentierungsdaten für die in den Bildern identifizierten Bäume; unten links, die allometrische Beziehung zwischen Baumkrone und Baumhöhe, wie sie durch vorherige LiDAR-Daten etabliert wurde; und unten rechts, die geschätzte Gesamtbiomasse für den im Bild abgebildeten Bereich.

Die Verwendung von LiDAR zur Kartierung der Baumhöhe ist weit verbreitet und kann sogar über die native Funktion in Apples iOS implementiert werden.

Verwendung von iOS-LiDAR in einer App zur Messung der Baumhöhe. Quelle: https://www.youtube.com/watch?v=k5DNlvq2hdE

LiDAR-Kartierung von Bäumen. Quelle: https://towardsdatascience.com/applications-of-lidar-in-forestry-13686e1b15a7

Allerdings ist die Kartierung von Bäumen mit LiDAR teuer, so dass das IBM-Projekt LiDAR-Daten verwendet, die für den Bezirk Staten Island während der 2017er New Yorker LiDAR-Erfassung initiiert wurden, zusammen mit Baumartendaten, die für alle fünf Bezirke für ein 2015-Dataprojekt erfasst wurden, das 689.227 Bäume in dem untersuchten Gebiet identifizierte und 234 Baumarten abdeckte.

Auswertung der Kohlenstoffbelastung von NYC-Bäumen

Die geschätzte Kohlenstoffkapazität eines typischen Baumes beträgt etwa 50% seiner Gesamtbiomasse, und für die exemplarische Analyse berücksichtigte das IBM-Projekt nur die vier am häufigsten identifizierten Baumarten aus den NAIP-Multispektralbildern.

Speicherfähigkeit der vorherrschenden Baumarten in NYC.

Lineare Regression wurde verwendet, um einen Trainingsdatensatz zu generieren, der auf der geschätzten Baumhöhe und dem Baumdurchmesser (NAIP) basiert. Die Kohlenstoffkapazität der verschiedenen Baumarten wurde bei den endgültigen Berechnungen berücksichtigt, die ergaben, dass die Bäume im städtischen Wald des Manhattan-Bezirks 52.000 Tonnen gebundenen Kohlenstoffs repräsentieren.

Erstellung eines konsistenten Baum-Kohlenstoffbindungmodells für die Zukunft

Die Erstellung konsistenter Jahr-für-Jahr-Statistiken bleibt ein Problem, angesichts des aktuellen Fehlens eines allgemeinen Standards für die Bewertung der Kohlenstoffkapazität in Bäumen. Die Forscher schlagen diese Methodik als möglichen zukünftigen Standard vor, und die Methode könnte auf andere Städte angewendet und durch weitere Studien verfeinert werden, die entweder vorhandene LiDAR-Daten in anderen Gemeinden nutzen oder Daten speziell für diesen Zweck sammeln.

Initiativen wie das Projekt von Glasgow, um Kohlenstoffemissionen durch das Pflanzen von 18 Millionen städtischen Bäumen auszugleichen, wären für ähnliche nationale und internationale Forschungs- und statistische Analysebemühungen von größerem Nutzen, wenn ein solcher Standard etabliert werden könnte. Es wäre zweifellos besser, einen erschwinglichen und leicht anwendbaren Standard mit breiter Anwendbarkeit und akzeptierbarer Genauigkeit zu haben, als das aktuelle Babylon der verschiedenen Messprotokolle oder die Verwendung von Protokollen, die möglicherweise höhere Genauigkeitsgrade bieten, aber auch höhere Finanzierungsniveaus erfordern. Arguably, es wäre besser, einen erschwinglichen und leicht anwendbaren Standard mit breiter Anwendbarkeit und akzeptierbarer Genauigkeit zu haben, als das aktuelle Babel der verschiedenen Messprotokolle oder die Verwendung von Protokollen, die möglicherweise höhere Genauigkeitsgrade bieten, aber auch höhere Finanzierungsniveaus erfordern.