기계 학습을 사용한 나무의 탄소 포집 평가

IBM의 새로운 연구는 공중 이미지와 사용 가능한 LiDAR 데이터를 사용하여 나무가 탄소를 포집하고 환경을 개선하는 정도를 정량화하는 것을 목표로 합니다. 이 방법은 나무 식재 계획이 탄소 배출을 얼마나 상쇄하는지 평가하고, 기업과 지방 당국이 기존 및 제안된 인프라, 개발, 기타 탄소 발생 활동의 부정적인 영향을 상쇄하기 위해 점점 더 많이 사용되는 나무 식재 계획의 가치를 정량화할 수 있는 작업 가능한 매트릭스를 제공하는 것을 목표로 합니다.

새로운 방법론을示す 위해, 논문 – IBM 연구원 Levente Klein, Conrad Albrecht 및 Wang Zhou에 의해 작성됨 – 뉴욕의 맨하탄 지역을 위한 원격 이미지에 대해 평가하고, 이 지역에 있는 나무가 52,000 톤의 저장된 탄소를 나타낸다는 것을 계산합니다.

뉴욕 맨하탄 지역의 서쪽에 대한 추정된 탄소 포집. 출처: https://arxiv.org/pdf/2106.00182.pdf

탄소 거래 시장은 현재 다양한 방법으로 탄소 오프셋을 추정합니다. 사용되는 다양한 모델은 비교하기 어렵습니다. 왜냐하면 공통의 지표나 방법을 공유하지 않기 때문입니다. 또한 많은 모델은 작은 연구 영역에서 원칙을 추출하여 다른 영역에过度하게 적용합니다. 이러한 영역은 동일한 특성을 공유하지 않거나 동일한 탄소 이익을 제공하지 않을 수 있습니다.

그러나 더 세부적이고 일반적인 방법론을 사용하는 것은 주목할만한 모니터링 기술과 일정에 대한 투자가 필요합니다. 이는 작은 분석 영역에 기반한 광범위한 통계 모델을 사용하는 것을 유혹합니다. 이는 부정확하거나 오도된 결과를 초래할 수 있습니다.

지상 및 공중 나무 모니터링

대신에, IBM 논문은 나무의 종과 바이오매스를 식별하기 위한 두 가지 접근 방식을 제안합니다. 첫째, 공중 사진에서 나무의 종을 파생할 수 있는 컴퓨터 비전 분석 기술입니다. 둘째, 이 정보를 LiDAR 데이터와 상관시킵니다. 이는 ‘평면’ 이미지를 추가하여 높이, 너비 및 볼륨 추정치를 제공할 수 있습니다.

위 이미지의 왼쪽 상단에는 미국 국립 농업 이미지 프로그램 (NAIP)이 제공하는 다중 스펙트럼 사진이 있습니다. 오른쪽 상단에는 이미지에서 식별된 나무의 분할 데이터가 있습니다. 왼쪽 하단에는 이전 LiDAR 데이터에 의해 설정된 나무 관 모양과 나무 높이의 비례 관계가 있습니다. 오른쪽 하단에는 이미지에 표시된 지역의 추정된 총 바이오매스가 있습니다.

LiDAR를 사용하여 나무 높이를 매핑하는 것은 널리 사용되는 기술입니다. 이는 최근 Apple의 iOS에서 네이티브 기능으로 구현할 수 있습니다.

iOS 네이티브 LiDAR를 사용하여 나무 높이를 측정하는 앱 출처: https://www.youtube.com/watch?v=k5DNlvq2hdE

LiDAR를 사용한 나무 높이 매핑 출처: https://towardsdatascience.com/applications-of-lidar-in-forestry-13686e1b15a7

그러나 나무를 LiDAR로 매핑하는 것은 비용이 많이 듭니다. 따라서 IBM 프로젝트는 2017년 뉴욕 시 LiDAR 캡처 이니셔티브期间에 스태튼 구에서 수집된 LiDAR 데이터와 2015년 데이터 프로젝트에서 수집된 5개 구의 나무 종 데이터를 사용했습니다. 이 프로젝트는 조사된 지역에 689,227개의 나무를 식별했으며, 234개의 나무 종을 다루었습니다.

뉴욕시 나무의 탄소 부하 평가

일반적인 나무의 추정된 탄소容量은 총 바이오매스의 약 50%입니다. 예시 분석을 위해, IBM 프로젝트는 NAIP 다중 스펙트럼 이미지에서 식별된 상위 4개의 나무 종만을 고려했습니다.

뉴욕시의 우세한 나무 종의 저장容量.

선형 회귀를 사용하여 LiDAR(나무 높이 관)와 NAIP(나무 직경)로 추정된 훈련 데이터 세트를 생성했습니다. 다양한 나무 종의 탄소容量을 최종 계산에 고려하여 맨하탄 지역의 도시 숲에 있는 나무가 52,000 톤의 저장된 탄소를 나타낸다는 것을 발견했습니다.

미래를 위한 일관된 수목 탄소 포집 모델 생성

일관된 연도별 통계를 생성하는 것은 여전히 문제입니다. 현재 나무의 탄소容量을 평가하는 일반적인 표준이 없습니다. 연구자들은 이 방법론을 가능한 미래의 표준으로 제안하며, 이 방법은 다른 시정촌에서 기존 LiDAR 데이터를 사용하거나 특정 목적으로 데이터를 수집하여 추가 연구에서 적용 및 개선할 수 있습니다.

글래스고의 1,800만 개의 도시 나무를 식재하여 탄소 배출을 상쇄하는 프로젝트와 같은 이니셔티브는 그러한 표준이 설정될 경우 더 큰 이익을 누릴 것입니다. 논리적으로, 광범위한 적용 가능성과 수용 가능한 정확도를 갖춘 경제적이고 쉽게 구현할 수 있는 표준을 갖는 것이 현재 다양한 측정 프로토콜의 바벨이나 더 높은 수준의 정확성을 제공하지만 더 많은 자금을 요구하는 프로토콜을 사용하는 것보다 낫습니다. 결론적으로, 이러한 표준을 확립하는 것이 중요합니다.