Оцінка захоплення вуглецю деревами за допомогою машинного навчання

Нові дослідження компанії IBM мають на меті кількісно оцінити ступінь, у якій дерева захоплюють вуглець та покращують довкілля, використовуючи лише аерофотознімки та доступні дані LiDAR. Цей метод призначений для оцінки того, наскільки ініціативи з посадки дерев компенсують викиди вуглецю, та для створення робочої матриці для кількісної оцінки цінності програм посадки дерев, які все частіше використовуються компаніями та муніципальними органами влади як противага негативним ефектам існуючої та запланованої інфраструктури, розвитку та інших вуглецевих видів діяльності.

Для демонстрації нової методології стаття – дослідників IBM Левенте Клейна, Конрада Альбрехта та Ванга Чжоу – оцінює віддалені зображення для району Манхеттен у Нью-Йорку, та обчислює, що дерева, що населяють цю територію, представляють 52 000 тонн захопленого вуглецю.

Оцінка захоплення вуглецю деревами на заході Манхеттена. Джерело: https://arxiv.org/pdf/2106.00182.pdf

Ринок торгівлі вуглецем емерджентний зараз обслуговується різними методами для оцінки компенсації вуглецю. Різноманітні моделі, що використовуються, важко порівняти, оскільки вони не мають спільних метрик чи методів. Крім того, багато моделей екстраполюють принципи з малих дослідницьких територій до надто широкого застосування в інших територіях, які можуть не мати тих самих характеристик, або не давати тих самих оцінок вигод від вуглецю.

Відтак, багато більш детальних та менш загальних методологій вимагають суттєвих інвестицій у технології моніторингу та графіки, що посилює спокусу базувати широкомасштабні статистичні моделі на дуже малих територіях дослідження, ризикуючи неточними або оманливими результатами.

Моніторинг дерев з землі та повітря

Натомість, стаття IBM пропонує двосторонній підхід до визначення виду та біомаси дерев: по-перше, техніки аналізу комп’ютерного зору, які можуть визначити вид дерева з аерофотознімків; і по-друге, кореляція цієї інформації з даними LiDAR, здатними додати оцінки висоти, ширини та об’єму до “плоских” зображень, витягнутих з аерофотознімків.

У верхньому лівому куті зображення вище, ми бачимо мультиспектральні фотографії, надані програмою НАІП; верхній правий, дані сегментації для дерев, визначених на зображеннях; нижній лівий, аллометричні відносини між діаметром крони дерева та висотою дерева, встановлені попередніми даними LiDAR; і нижній правий, оцінка загальної біомаси території, охопленої зображенням.

Використання LiDAR для картографування висоти дерев поширене та навіть реалізоване через недавню вбудовану функціональність в операційній системі Apple iOS.

Використання вбудованого LiDAR в додатку для вимірювання висоти дерев. Джерело: https://www.youtube.com/watch?v=k5DNlvq2hdE

Картографування висоти дерев за допомогою LiDAR. Джерело: https://towardsdatascience.com/applications-of-lidar-in-forestry-13686e1b15a7

Однак, картографування дерев за допомогою LiDAR є дорогим, тому проект IBM використав дані LiDAR, отримані для району Стейтен-Айленд під час ініціативи збору даних LiDAR у Нью-Йорку в 2017 році, разом з даними про види дерев, отриманими для всіх п’яти районів у рамках проекту 2015 року, який ідентифікував 689 227 дерев на досліджуваній території, що охоплює 234 види дерев.

Оцінка вуглецевого навантаження дерев Нью-Йорка

Оцінка вуглецевої місткості типового дерева становить близько 50% від його загальної біомаси, і для зразкової аналітики проект IBM розглянув лише чотири види дерев, визначені з мультиспектральних зображень НАІП.

Місткість зберігання вуглецю для домінуючих видів дерев у Нью-Йорку.

Лінійна регресія була використана для генерації навчального набору даних, заснованого на оцінці висоти крони дерева (LiDAR) та діаметрі дерева (НАІП). Вуглецева місткість різних видів дерев була врахована у кінцевих розрахунках, які показують, що дерева в міському лісі району Манхеттен складають 52 000 тонн захопленого вуглецю.

Створення узгодженої моделі захоплення вуглецю деревами для майбутнього

Генерація узгоджених щорічних статистичних даних залишається проблемою, враховуючи відсутність загального стандарту для оцінки вуглецевої місткості дерев. Дослідники пропонують цю методологію як можливий майбутній стандарт, і цей метод може бути застосований та вдосконалений подальшими дослідженнями, які або використовують існуючі дані LiDAR в інших муніципалітетах, або збирають дані спеціально для цієї мети.

Ініціативи, такі як проект Глазго з посадки 18 мільйонів міських дерев для компенсації викидів вуглецю посадка 18 мільйонів міських дерев, будуть більш вигідними для подібних національних та міжнародних досліджень та статистичних аналізів, якщо такий стандарт може бути встановлений. Безумовно, було б краще мати доступний та легко реалізований стандарт з широкою застосовністю та прийнятною точністю, ніж поточна Бабель різноманітних протоколів вимірювання, або використання протоколів, які можуть забезпечити вищу точність, але також вимагатимуть більших витрат.