Vurdering av karbonfangst i trær med maskinlæring

NY forskning fra IBM har som mål å kvantifisere hvor mye karbon trær fanger og forbedrer miljøet, ved hjelp av bare luftbilder og tilgjengelig LiDAR-data. Metoden er ment å evaluere hvor langt treplantingsinitiativ kompenserer for karbonutslipp, og å gi en arbeidsbar matrise for å kvantifisere verdien av treplantingsprogrammene som stadig oftere brukes av selskaper og kommunale myndigheter som en motvekt til de negative effektene av eksisterende og foreslåtte infrastruktur, utvikling og andre karbonproduserende aktiviteter.

For å demonstrere den nye metoden, artikkelen – skrevet av IBM-forskerne Levente Klein, Conrad Albrecht og Wang Zhou – evaluerer fjernbilder for New Yorks Manhattan-distrikt, og beregner at trærne i dette området representerer 52 000 tonn karbon som er fjernet fra atmosfæren.

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

Den fremvoksende karbonmarkedet betjenes for tiden av en rekke metoder for å estimere karbonkompensasjon. De ulike modellene som brukes er vanskelige å sammenligne, siden de ikke deler felles målinger eller metoder. I tillegg extrapolerer mange av modellene prinsipper fra små studieområder til hva som kan være en for bred anvendelse i andre områder, som kanskje ikke deler de samme egenskapene, eller gir samme estimat av karbonfordelene.

Fortsatt, mange av de mer detaljerte og mindre generiske metodene krever betydelig investering i overvåkningsteknologi og -planer, noe som forverrer fristelsen til å basere statistiske modeller på svært små analyseområder, og risikerer u presise eller misvisende resultater.

Overvåking av trær fra luft og bakke

I stedet foreslår IBM-artikkelen en todelt tilnærming til å identifisere trærts art og biomasse: først, datamaskinbasert bildeanalyse som kan avlede trærts art fra luftbilder; og andre, korrelasjon av denne informasjonen med LiDAR-data, som kan legge til høyde, bredde og volumestimater til de “flate” bildene som er hentet fra luftbildene.

I øverste venstre hjørne av bildet over, ser vi multispektrale bilder fra USAs nasjonale jordbruksbildeforprogram (NAIP); øverste høyre, segmenteringsdata for trærne som er identifisert i bildene; nederste venstre, allometrisk sammenheng mellom trærts kronediameter og trærhøyde som er etablert av tidligere LiDAR-data; og nederste høyre, estimert total biomasse for området som er dekket av bildet.

Bruken av LiDAR til å kartlegge trærhøyde er utbredt, og kan sogar implementeres via ny funksjonalitet i Apples iOS.

Bruk av iOS’ innebygde LiDAR i en app til å måle trærhøyde. Kilde: https://www.youtube.com/watch?v=k5DNlvq2hdE

LiDAR-kartlegging av trær. Kilde: https://towardsdatascience.com/applications-of-lidar-in-forestry-13686e1b15a7

Men kartlegging av trær med LiDAR er dyrt, så IBM-prosjektet brukte LiDAR data som ble innhentet for Staten Island under New York Citys LiDAR-innsamling i 2017, sammen med trærts data som ble innhentet for alle fem bydeler for et dataprosjekt i 2015, som identifiserte 689 227 trær i området som ble undersøkt, og dekket 234 trærts arter.

Vurdering av karbonbelastning i New Yorks trær

Den estimerte karbonkapasiteten til en typisk tre er rundt 50 % av dens totale biomasse, og for den eksemplariske analysen, ble det kun betraktet de fire øverste trærts artene som ble identifisert fra NAIPs multispektrale bilder.

Lagringsevne for de dominerende trærts artene i NYC.

Lineær regresjon ble brukt til å generere en treningsdatamengde, basert på estimert trærhøyde og trærts diameter (LiDAR og NAIP). Karbonkapasiteten til ulike trærts arter ble tatt med i beregningene, som fant at trærne i Manhattans byskog representerer 52 000 tonn lagret karbon.

Opprettelse av en konsekvent modell for karbonfangst i trær for fremtiden

Generering av konsekvente år-for-år-statistikk er fortsatt et problem, med tanke på mangelen på en generell standard for å evaluere karbonkapasitet i trær. Forskerne foreslår denne metoden som en mulig fremtidig standard, og metoden kan bli anvendt og forbedret av videre studier som enten bruker eksisterende LiDAR-data i andre kommuner eller innhenter data spesifikt for dette formålet.

Initiativer som Glasgows prosjekt for å kompensere for karbonutslipp ved å plante 18 millioner urbane trær ville være av større nytte for lignende nasjonale og internasjonale forsknings- og statistiske analyseinnsats hvis en slik standard kunne etableres. Det kan være bedre å ha en rimelig og enkelt gjennomførbar standard med vid anvendelse og akseptabel nøyaktighet, enn det nåværende Babylon av ulike måleprotokoller, eller bruken av protokoller som kan gi høyere nøyaktighet, men som også ville kreve større investeringer.