Die NASA setzt leistungsstarke Supercomputer und KI zur Kartierung der Bäume auf der Erde ein und entdeckt Milliarden von Bäumen in westafrikanischen Trockengebieten.

0

Wissenschaftler des Goddard Space Flight Center der NASA in Greenbelt, Maryland, und internationale Mitarbeiter demonstrierten eine neue Methode zur Kartierung der Lage und Größe von Bäumen, die außerhalb von Wäldern wachsen, entdeckten Milliarden von Bäumen in ariden und semiariden Regionen und legten den Grundstein für eine genauere globale Messung der Kohlenstoffspeicherung an Land.

Mit leistungsfähigen Supercomputern und Algorithmen des maschinellen Lernens kartierte das Team den Kronendurchmesser – die Breite eines Baumes von oben betrachtet – von mehr als 1,8 Milliarden Bäumen auf einer Fläche von mehr als 500.000 Quadratmeilen oder 1.300.000 Quadratkilometern. Das Team kartographierte, wie Durchmesser, Bedeckung und Dichte der Baumkrone je nach Niederschlag und Landnutzung variierten.

Die Kartierung von Nichtwaldbäumen in dieser Detailgenauigkeit würde mit traditionellen Analysemethoden Monate oder Jahre dauern, sagte das Team, im Vergleich zu einigen Wochen für diese Studie. Der Einsatz von sehr hochauflösenden Bildern und leistungsfähiger künstlicher Intelligenz stellt einen technologischen Durchbruch für die Kartierung und Messung dieser Bäume dar. Diese Studie soll die erste in einer Reihe von Arbeiten sein, deren Ziel es ist, nicht nur Nichtwaldbäume über ein weites Gebiet zu kartieren, sondern auch zu berechnen, wie viel Kohlenstoff sie speichern – wichtige Informationen für das Verständnis des Kohlenstoffkreislaufs der Erde und dessen Veränderung im Laufe der Zeit.

Wissenschaftler des Goddard Space Flight Center der NASA in Greenbelt, Maryland, und internationale Mitarbeiter demonstrierten eine neue Methode zur Kartierung von Standort und Größe von Bäumen, die außerhalb von Wäldern wachsen, entdeckten überraschend hohe Baumzahlen in semiariden Regionen und legten den Grundstein für eine genauere globale Messung der Kohlenstoffspeicherung an Land. Credit: Das Goddard-Raumfahrtzentrum der NASA

Kohlenstoff in Bäumen messen

Kohlenstoff ist einer der wichtigsten Bausteine für alles Leben auf der Erde, und dieses Element zirkuliert über den Kohlenstoffkreislauf zwischen dem Land, der Atmosphäre und den Ozeanen. Einige natürliche Prozesse und menschliche Aktivitäten setzen Kohlenstoff in die Atmosphäre frei, während andere Prozesse ihn der Atmosphäre entziehen und an Land oder im Ozean speichern. Bäume und andere grüne Vegetation sind Kohlenstoff-“Senken”, d.h. sie nutzen Kohlenstoff für ihr Wachstum und speichern ihn aus der Atmosphäre in ihren Stämmen, Ästen, Blättern und Wurzeln. Menschliche Aktivitäten, wie das Verbrennen von Bäumen und fossilen Brennstoffen oder die Rodung von Waldflächen, setzen Kohlenstoff in Form von Kohlendioxid in die Atmosphäre frei, und steigende Konzentrationen von atmosphärischem Kohlendioxid sind eine Hauptursache des Klimawandels.

Naturschutzexperten, die sich für die Eindämmung des Klimawandels und anderer Umweltbedrohungen einsetzen, haben seit Jahren die Entwaldung ins Visier genommen, aber diese Bemühungen schließen nicht immer Bäume ein, die außerhalb von Wäldern wachsen, sagte Compton Tucker, leitender Biosphärenwissenschaftler in der geowissenschaftlichen Abteilung der NASA in Goddard. Diese Bäume könnten nicht nur bedeutende Kohlenstoffsenken sein, sondern auch einen Beitrag zu den Ökosystemen und Volkswirtschaften der nahe gelegenen Menschen, Tiere und Pflanzen leisten. Viele derzeitige Methoden zur Untersuchung des Kohlenstoffgehalts von Bäumen schließen jedoch nur Wälder ein, nicht aber Bäume, die einzeln oder in kleinen Clustern wachsen.

Tucker und seine NASA-Kollegen verwendeten zusammen mit einem internationalen Team kommerzielle Satellitenbilder von DigitalGlobe, die hochauflösend genug waren, um einzelne Bäume zu erkennen und ihre Kronengröße zu messen. Die Bilder stammten von den kommerziellen Satelliten QuickBird-2, GeoEye-1, WorldView-2 und WorldView-3. Das Team konzentrierte sich auf die Trockengebiete – Gebiete, die weniger Niederschlag erhalten, als die Pflanzen jedes Jahr verdunsten – einschließlich der trockenen Südseite der Sahara-Wüste, die sich durch die halbtrockene Sahelzone bis in die feuchten Subtropen Westafrikas erstreckt. Durch die Untersuchung einer Vielzahl von Landschaften, von wenigen Bäumen bis hin zu fast bewaldeten Verhältnissen, trainierte das Team seine Rechenalgorithmen zur Erkennung von Bäumen in unterschiedlichen Geländetypen, von Wüsten im Norden bis zu Baumsavannen im Süden.

Lernen am Arbeitsplatz

Das Team führte einen leistungsstarken Rechenalgorithmus namens “Fully Convolutional Neural Network” (“tiefes Lernen”) auf dem Blue Waters der University of Illinois aus, einem der schnellsten Supercomputer der Welt. Das Team trainierte das Modell, indem es manuell fast 90.000 einzelne Bäume in einer Vielzahl von Geländeformen markierte und dann “lernte”, welche Formen und Schatten auf das Vorhandensein von Bäumen hindeuteten.

Der Prozess der Kodierung der Trainingsdaten dauerte mehr als ein Jahr, sagte Martin Brandt, Assistenzprofessor für Geographie an der Universität Kopenhagen und Hauptautor der Studie. Brandt markierte alle 89.899 Bäume selbst und half bei der Überwachung des Trainings und der Ausführung des Modells. Ankit Kariryaa von der Universität Bremen leitete die Entwicklung der lerntiefen Computerverarbeitung.

“In einem Kilometer Gelände, sagen wir, es ist eine Wüste, oft gibt es keine Bäume, aber das Programm will einen Baum finden”, sagte Brandt. “Es wird einen Stein finden und denken, es sei ein Baum. Weiter südlich wird es Häuser finden, die wie Bäume aussehen. Es klingt einfach, könnte man meinen – es gibt einen Baum, warum sollte das Modell nicht wissen, dass es ein Baum ist?

Share.

Leave A Reply