Onderzoek met behulp van AI door de Universiteit van Kopenhagen en NASA heeft laten zien dat in de Sahara meer dan 1,8 miljard bomen en struiken staan. Het gebied van 1,3 miljoen km2 beslaat het meest westelijke deel van de Sahara, de Sahel en de zogenaamde sub-vochtige zones van West-Afrika.
Dit resultaat werd behaald door het combineren van gedetailleerde satellietbeelden van NASA en deep learning. Normale satellietbeelden kunnen individuele bomen niet identificeren, ze blijven letterlijk onzichtbaar. Bovendien leidde een beperkte belangstelling voor het tellen van bomen buiten beboste gebieden tot de heersende opvatting dat er in deze specifieke regio bijna geen bomen waren. Dit is de eerste keer dat bomen in een groot drooglandgebied zijn geteld.
Verrast
“We waren erg verrast om te zien dat er nogal wat bomen groeien in de Sahara, want tot nu toe dachten de meeste mensen dat er vrijwel geen bomen bestonden. Alleen al in de woestijn telden we honderden miljoenen bomen. Dat zou niet gelukt zijn. mogelijk zonder deze technologie. Ik denk dat het inderdaad het begin markeert van een nieuw wetenschappelijk tijdperk ”, zegt assistent-professor Martin Brandt van de afdeling Geowetenschappen en Natural Resource Management van de Universiteit van Kopenhagen, hoofdauteur van het wetenschappelijke artikel van de studie, dat nu is gepubliceerd in Nature.
Koolstof
Nieuwe kennis over bomen in droge gebieden zoals dit is volgens Martin Brandt om verschillende redenen belangrijk. Ze vertegenwoordigen bijvoorbeeld een onbekende factor als het gaat om de wereldwijde hoeveelheid koolstof: “Bomen buiten beboste gebieden worden meestal niet meegenomen in klimaatmodellen en we weten heel weinig over hun koolstofvoorraden. Ze zijn in feite een witte vlek op kaarten en een onbekend onderdeel van de wereldwijde koolstofcyclus”, legt Martin Brandt uit.
Biodiversiteit
Bovendien kan de nieuwe studie bijdragen tot een beter begrip van het belang van bomen voor de biodiversiteit en ecosystemen en voor de mensen die in deze gebieden leven. Met name verbeterde kennis over bomen is ook belangrijk voor de ontwikkeling van programma’s ter bevordering van agroforestry, die een belangrijke ecologische en sociaaleconomische rol speelt in droge gebieden.
Boomsoorten
“Daarom zijn we ook geïnteresseerd in het gebruik van satellieten om boomsoorten te bepalen, aangezien boomsoorten significant zijn in relatie tot hun waarde voor lokale populaties die hout gebruiken als onderdeel van hun levensonderhoud. Bomen en hun fruit worden geconsumeerd door zowel vee als mensen, en wanneer ze in de velden worden bewaard, hebben bomen een positief effect op de opbrengsten van gewassen omdat ze de balans van water en voedingsstoffen verbeteren ”, legt professor Rasmus Fensholt van de afdeling Geowetenschappen en Natural Resource Management uit.
Algoritme
Het onderzoek werd uitgevoerd in samenwerking met de afdeling Computerwetenschappen van de Universiteit van Kopenhagen, waar onderzoekers het deep learning-algoritme ontwikkelden dat het tellen van bomen over zo’n groot gebied mogelijk maakte.
De onderzoekers laten het deep learning-model zien hoe een boom eruitziet: ze doen dat door hem duizenden afbeeldingen van verschillende bomen te voeden. Op basis van de herkenning van boomvormen kan het model vervolgens automatisch bomen identificeren en in kaart brengen over grote gebieden en duizenden afbeeldingen. Het model heeft slechts enkele uren nodig, wat duizenden mensen meerdere jaren zou kosten om te bereiken.
Klimaat
“Deze technologie heeft een enorm potentieel als het gaat om het documenteren van veranderingen op wereldschaal en uiteindelijk om bij te dragen aan mondiale klimaatdoelstellingen. We zijn gemotiveerd om dit soort nuttige kunstmatige intelligentie te ontwikkelen”, zegt professor en co-auteur Christian Igel van de afdeling. van Computer Science.
De volgende stap is om de graaf uit te breiden naar een veel groter gebied in Afrika. En op de langere termijn is het de bedoeling om een wereldwijde database te creëren van alle bomen die buiten bosgebieden groeien.
Beeld: Martin Brandt
