Оценка улавливания углерода деревьями с помощью машинного обучения

Новые исследования компании IBM направлены на количественную оценку степени, в которой деревья поглощают углекислый газ и улучшают окружающую среду, используя только аэрофотосъемку и доступные данные LiDAR. Этот метод предназначен для оценки того, насколько инициативы по посадке деревьев компенсируют выбросы углекислого газа, и для создания рабочей матрицы для количественной оценки ценности программ по посадке деревьев, которые все чаще используются компаниями и муниципальными властями в качестве противовеса негативным последствиям существующей и планируемой инфраструктуры, развития и других活動, вырабатывающих углекислый газ.

Для демонстрации новой методологии в статье – исследователи IBM Левенте Кляйн, Конрад Альбрехт и Ван Чжоу – оценивают удаленную съемку для района Манхэттен в Нью-Йорке и рассчитывают, что деревья в этом районе представляют 52 000 тонн поглощенного углерода.

Оценка улавливания углерода деревьями на западной стороне Манхэттена. Source: https://arxiv.org/pdf/2106.00182.pdf

Рынок углеродных единиц постепенно развивается и в настоящее время обслуживается различными методами для оценки компенсации углерода. Различные модели, используемые для этого, трудно сравнить, поскольку они не имеют общих метрик или методов. Кроме того, многие модели экстраполируют принципы из небольших зон исследования на слишком широкое применение в других областях, которые могут не иметь одинаковых характеристик или давать одинаковые оценки углеродных преимуществ.

Кроме того, многие более детальные и менее общие методологии требуют значительных инвестиций в технологии мониторинга и графики, что усиливает соблазн основывать широкомасштабные статистические модели на очень небольших зонах анализа, что может привести к неточным или вводящим в заблуждение результатам.

Мониторинг деревьев с земли и воздуха

Вместо этого статья IBM предлагает двухэтапный подход к определению вида и биомассы деревьев: во-первых, методы анализа компьютерного зрения, которые могут определить вид дерева по аэрофотоснимкам; и, во-вторых, корреляция этой информации с данными LiDAR, которые могут добавлять оценки высоты, ширины и объема к “плоским” изображениям, полученным из аэрофотосъемки.

В верхнем левом углу изображения выше мы видим мультиспектральные фотографии, предоставленные программой НАИП США; в верхнем правом углу – данные сегментации для деревьев, выявленных на изображениях; в нижнем левом углу – аллометрические соотношения между диаметром кроны дерева и высотой дерева, установленные на основе предыдущих данных LiDAR; и в нижнем правом углу – оценка общей биомассы для области, охватываемой изображением.

Использование LiDAR для картографирования высоты деревьев широко распространено и даже может быть реализовано с помощью недавней родной функциональности в операционной системе iOS.

Использование родной функции LiDAR в приложении для измерения высоты деревьев. Source: https://www.youtube.com/watch?v=k5DNlvq2hdE

Картографирование высоты деревьев с помощью LiDAR. Source: https://towardsdatascience.com/applications-of-lidar-in-forestry-13686e1b15a7

Однако картографирование деревьев с помощью LiDAR является дорогим, поэтому проект IBM использовал данные LiDAR, полученные для района Статен-Айленд в 2017 году в рамках инициативы по картографированию высоты деревьев в Нью-Йорке, вместе с данными о видах деревьев, полученными для всех пяти районов в 2015 году, которые определили 689 227 деревьев в обследованной области, охватывающей 234 вида деревьев.

Оценка нагрузки углерода на деревья Нью-Йорка

Оценочная емкость дерева для поглощения углерода составляет около 50% от его общей биомассы, и для демонстрационного анализа проект IBM учитывал только четыре наиболее распространенных вида деревьев, выявленных на основе мультиспектральных изображений НАИП.

Емкость хранения углерода наиболее распространенных видов деревьев в Нью-Йорке.

Линейная регрессия использовалась для создания обучающего набора данных на основе оценочной высоты кроны дерева (LiDAR) и диаметра дерева (НАИП). Емкость дерева для поглощения углерода учитывалась в окончательных расчетах, которые показывают, что деревья в городском лесу Манхэттена составляют 52 000 тонн поглощенного углерода.

Создание последовательной модели улавливания углерода деревьев для будущего

Создание последовательных годовых статистик остается проблемой из-за отсутствия общего стандарта для оценки емкости деревьев для поглощения углерода. Исследователи предлагают эту методологию в качестве возможного будущего стандарта, и этот метод может быть применен и усовершенствован дальнейшими исследованиями, которые либо используют существующие данные LiDAR в других муниципалитетах, либо собирают данные специально для этой цели.

Инициативы, такие как проект Глазго по компенсации выбросов углерода путем посадки 18 миллионов городских деревьев, будут более полезными для подобных национальных и международных исследований и статистических анализов, если такой стандарт может быть установлен. Следует отметить, что было бы лучше иметь доступный и легко реализуемый стандарт с широкой применимостью и приемлемой точностью, чем текущую смесь различных методов измерения, или использование методов, которые могут обеспечить более высокие уровни точности, но потребуют больших инвестиций.