การประเมินการดักจับคาร์บอนในต้นไม้ด้วยเครื่องมือจักรกลการเรียนรู้

การวิจัยใหม่จาก IBM มุ่งหมายเพื่อ量การดักจับคาร์บอนในต้นไม้และปรับปรุงสิ่งแวดล้อม โดยใช้ภาพถ่ายทางอากาศและข้อมูล LiDAR ที่มีอยู่ วิธีการนี้มีจุดมุ่งหมายเพื่อประเมินว่าโครงการปลูกต้นไม้สามารถชดเชยการปล่อยก๊าซคาร์บอนไดออกไซด์ได้มากน้อยเพียงใด และเพื่อให้ได้เมทริกซ์ที่ใช้งานได้ในการ量การดักจับคาร์บอนของโครงการปลูกต้นไม้ที่ใช้โดยบริษัทและหน่วยงานท้องถิ่นเพื่อชดเชยผลกระทบด้านลบของโครงสร้างพื้นฐาน การพัฒนา และกิจกรรมที่ผลิตคาร์บอนอื่นๆ

เพื่อแสดงวิธีการใหม่นี้ เอกสาร โดยนักวิจัย IBM Levente Klein, Conrad Albrecht และ Wang Zhou ประเมินภาพถ่ายทางอากาศสำหรับเขต Manhattan ของนิวยอร์ก และคำนวณว่าต้นไม้ในพื้นที่นี้มีคาร์บอนที่ดักจับได้ถึง 52,000 ตัน

การดักจับคาร์บอนในต้นไม้ของย่าน West Side ของ Manhattan Source: https://arxiv.org/pdf/2106.00182.pdf

ตลาดการซื้อขายคาร์บอนที่เกิดขึ้นใหม่ในปัจจุบัน การซื้อขายคาร์บอน มีหลายวิธีในการ ประมาณการดักจับคาร์บอน โมเดลที่ใช้ในปัจจุบันยากต่อการเปรียบเทียบ เนื่องจากไม่มีมาตรฐานหรือวิธีการที่เหมือนกัน นอกจากนี้ โมเดลหลายๆ แบบยังใช้หลักการจากพื้นที่ศึกษาที่เล็กๆ ไปใช้กับพื้นที่อื่นๆ ที่อาจไม่มีลักษณะเดียวกันหรือให้ผลการประมาณการดักจับคาร์บอนที่แตกต่างกัน

นอกจากนี้ วิธีการที่มีรายละเอียดและไม่ใช่แบบทั่วไปต้องมีการลงทุนในเทคโนโลยีการติดตามและตารางเวลา ซึ่งทำให้เกิดความเสี่ยงในการใช้แบบจำลองทางสถิติที่มีพื้นที่ศึกษาที่เล็กเกินไป ซึ่งอาจให้ผลลัพธ์ที่ไม่ถูกต้องหรือหลอกลวง

การตรวจสอบต้นไม้ด้วยพื้นและอากาศ

แทนการนั้น เอกสารของ IBM เสนอวิธีการสองขั้นตอนในการระบุชนิดและชีวมวลของต้นไม้: ขั้นแรก การวิเคราะห์ภาพถ่ายทางอากาศโดยใช้เทคนิคการมองเห็นของคอมพิวเตอร์ ซึ่งสามารถระบุชนิดของต้นไม้จากภาพถ่ายทางอากาศได้ และขั้นที่สอง การสัมพันธ์ข้อมูลนี้กับข้อมูล LiDAR ซึ่งสามารถเพิ่มความสูง ความกว้าง และปริมาตรให้กับภาพ “แบน” ที่ได้มาจากภาพถ่ายทางอากาศ

ด้านบนซ้ายของภาพด้านบน เราจะเห็น ภาพถ่ายหลายสเปกตรัม ที่ให้มาโดยโปรแกรมภาพถ่ายทางอากาศแห่งชาติของสหรัฐอเมริกา (NAIP); ด้านบนขวา ข้อมูลการแบ่งส่วนสำหรับต้นไม้ที่ระบุในภาพ; ด้านล่างซ้าย ความสัมพันธ์แบบอัลโลเมตริกระหว่างเส้นผ่านศูนย์กลางของ冠ไม้และความสูงของต้นไม้ ตามที่กำหนดไว้โดยข้อมูล LiDAR ก่อนหน้านี้; และด้านล่างขวา ชีวมวลทั้งหมดที่ประมาณการสำหรับพื้นที่ที่ครอบคลุมในภาพ

การใช้ LiDAR ในการทำแผนที่ความสูงของต้นไม้เป็นเรื่องที่ใช้กันอย่างแพร่หลาย และสามารถใช้ได้แม้กระทั่งผ่านฟังก์ชัน LiDAR ที่มีอยู่ใน iOS ของ Apple

การใช้ LiDAR ในแอปเพื่อวัดความสูงของต้นไม้ Source: https://www.youtube.com/watch?v=k5DNlvq2hdE

การทำแผนที่ความสูงของต้นไม้ด้วย LiDAR Source: https://towardsdatascience.com/applications-of-lidar-in-forestry-13686e1b15a7

อย่างไรก็ตาม การทำแผนที่ต้นไม้ด้วย LiDAR มีค่าใช้จ่ายสูง ดังนั้นโครงการของ IBM จึงใช้ข้อมูล LiDAR ที่ได้รับสำหรับ Staten Borough ในระหว่างการบันทึก LiDAR ของนิวยอร์กซิตี้ในปี 2017 ร่วมกับข้อมูลชนิดของต้นไม้ที่ได้รับสำหรับ五 boroughs ในปี 2015 ซึ่งระบุได้ 689,227 ต้นไม้ในพื้นที่ที่สำรวจ ซึ่งครอบคลุม 234 ชนิดของต้นไม้

การประเมินภาระคาร์บอนของต้นไม้ใน NYC

ความจุของคาร์บอนของต้นไม้โดยทั่วไปคือประมาณ 50% ของชีวมวลทั้งหมด และสำหรับการวิเคราะห์ตัวอย่าง โครงการของ IBM พิจารณาเฉพาะชนิดของต้นไม้ 4 ชนิดที่ระบุจากภาพถ่ายหลายสเปกตรัมของ NAIP

ความจุของคาร์บอนของต้นไม้หลักใน NYC

การวิเคราะห์แบบถดถอยเชิงเส้นถูกใช้ในการสร้างชุดข้อมูลการฝึกอบรม โดยอาศัยความสูงของ冠ไม้ (LiDAR) และเส้นผ่านศูนย์กลางของต้นไม้ (NAIP) ความจุของคาร์บอนของชนิดของต้นไม้ต่างๆ ถูกนำมาใช้ในการคำนวณสุดท้าย ซึ่งพบว่าต้นไม้ในพื้นที่ Manhattan มีคาร์บอนที่ดักจับได้ 52,000 ตัน

การสร้างแบบจำลองการดักจับคาร์บอนของต้นไม้ที่สอดคล้องกันสำหรับอนาคต

การสร้างสถิติแบบปีต่อปีที่สอดคล้องกันยังคงเป็นปัญหา เนื่องจากไม่มีมาตรฐานทั่วไปในการประเมินความจุของคาร์บอนในต้นไม้ นักวิจัยเสนอวิธีการนี้เป็นมาตรฐานที่เป็นไปได้ในอนาคต และวิธีการนี้สามารถนำไปใช้และปรับปรุงโดยการศึกษาต่อไปที่ใช้ข้อมูล LiDAR ที่มีอยู่ในเทศบาลอื่นๆ หรือรวบรวมข้อมูลโดยเฉพาะเพื่อจุดประสงค์นั้น

โครงการเช่น การปลูกต้นไม้ 18 ล้านต้นในกลาสโกว์ เพื่อชดเชยการปล่อยก๊าซคาร์บอนจะให้ประโยชน์มากขึ้นต่อความพยายามในการวิจัยและวิเคราะห์สถิติระดับชาติและระดับนานาชาติ หากมาตรฐานดังกล่าวสามารถกำหนดได้ ควรจะมีมาตรฐานที่มีราคาไม่แพงและสามารถใช้ได้ง่ายและมีความแม่นยำที่ยอมรับได้มากกว่าโพรโทคอลการวัดที่หลากหลายในปัจจุบัน หรือการใช้โพรโทคอลที่ให้ความแม่นยำสูงกว่า แต่ต้องการเงินทุนมากขึ้น 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.