Optælling af 9 milliarder træer kan hjælpe med kontrol af klimakreditter og naturgenopretning

At købe aflad for udledning af CO2 vinder indpas blandt virksomheder verden over. De såkaldte klimakreditter tillader en virksomhed at udlede en mængde CO2, mod at den bliver neutraliseret et andet sted i form af eksempelvis et plantet træ eller et træ, der ikke bliver fældet.

Men med verdens milliarder af træer er det mildest talt svært at holde styr på, hvor mange træer, der kommer til, og hvor mange der forsvinder. Men nu har forskere fra institut for Geovidenskab og Naturforvaltning og Datalogisk Institut i samarbejde med det amerikanske rumagentur NASA opfundet en metode, der gør det muligt at optælle antallet af træer på enorme landområder og udregne hvor meget kulstof der er bundet i hvert enkelt træ.

Resultatet er netop udgivet på forsiden af det videnskabelige tidsskrift Nature. Med metoden har de optalt 9,9 milliarder træer og derudover målt, hvor meget kulstof træerne lagrer i det tørre landbælte Sahel, der løber tværs over Nordafrika fra Atlanterhavet til det Indiske Ocean. Forskerne har undersøgt et område på i alt 10 millioner kvadratkilometer.

Ifølge professor Rasmus Fensholt, som har været en central del af forskningen, kan den nye metode blive et vigtigt redskab, når virksomheder og andre ønsker at betale for deres CO2-udledning. Enten i form af nye træer eller ved at betale landmænd for at undlade at fælde træer på deres jord.

”Meget tyder på, at handel med klimakreditter kun bliver mere og mere udbredt i fremtiden – ikke kun for jordens skove, men også for de milliarder træer der står uden for skovene. Derfor er det afgørende, at vi er i stand til at overvåge, om handlen med klimakreditter afspejler det faktiske antal træer i naturen og dermed har en positiv klimaeffekt. Og det kommer vi nu med en løsning på,” siger han.

Puslespil af 300.000 satellitbilleder

I samarbejde med NASA har forskerne fået adgang til 300.000 satellitbilleder af Sahel-området i meget høj opløsning, som de har gennemgået for at sammenstykke en mosaik af forskellige billeder, der bedst viser antallet af træer fra oven. Derefter har de med kunstig intelligens trænet en af NASA’s supercomputere til at genkende eksempelvis et akacietræ på sin flade krone.

”Vores undersøgelse viser, at deep learning-teknikker kan revolutionere den globale kortlægning af træer og deres biomasse. Vores kunstige neurale netværk har lært at udvinde komplekse mønstre fra store mængder af satellitbilleder, hvilket muliggør mere nøjagtig og effektiv identifikation af individuelle træer og efterfølgende estimering af deres biomasse,” siger professor Christian Igel fra Datalogisk Institut og tilføjer:

”Det har været et stort arbejde, da der ikke må være skyer på billederne, i og med de dækker for træerne. Samtidig må billederne heller ikke være fra en årstid, hvor græsset er meget grønt, for så kan vi ikke se træerne fra oven.”.

Kortlægningen viser, at Sahelområdet, som er et af verdens tørreste områder uden at være decideret ørken, har næsten 10 milliarder træer voksende. Træerne lagrer p.t. 840.000.000 tons kulstof ifølge forskernes målinger, som bl.a. baserer sig på vægten af det enkelte træ.

”Vi har udført en masse feltarbejde, hvor vi har vejet træer, når de er blevet fældet for at indsamle data på, hvor meget kulstof de indeholder. Det har vi så kombineret med satellitbillederne over antallet af træer og størrelsen af de enkelte trækroner og sat det hele ind i en større model,” forklarer Rasmus Fensholt.

Kan overvåge træplantning

Ud over at hjælpe med at kontrollere effekten af klimakreditter kan metoden også hjælpe med at undersøge, om forskellige naturgenopretningsprojekter med træer i bl.a. verdens tørre områder som for eksempel Sahel-området faktisk går, som de skal.

”Over de sidste 10-15 år er der brugt rigtig mange ressourcer i verdens tørre områder på storstilede træplantningsprojekter, som bl.a. Verdensbanken har finansieret. Men har de virket, og har træerne overlevet? Det kan vores metode hjælpe med at kortlægge,” siger Rasmus Fensholt og tilføjer, at næste forskningsprojekt i støbeskeen netop bliver at kigge på, hvordan antallet af træer har udviklet sig over de seneste årtier.

Samtidig er de nuværende internationale opgørelser over de globale træressourcers kulstofindhold behæftet med stor usikkerhed. Men ved at kortlægge indholdet af kulstof i alle træer individuelt, som forskerne har gjort det med Sahel-området, får vi en langt større nøjagtighed og et bedre grundlag for at forstå menneske- og klimaskabte påvirkningers effekt på vores økosystemer. Dette arbejde hjælper i sidste ende også med til, at vi kan lave mere præcise klimamodeller, som gør os stand til at forudsige, hvad vi kan forvente i fremtiden.

Ifølge forskeren er alt grundarbejdet lavet, og metoden kan derfor i en nær fremtid benyttes af myndigheder, NGO’er, virksomheder og andre, som ønsker at overvåge antallet af træer og deres kulstofindhold.

Forskningen er udført i tæt samarbejde med forskerkollegerne lektor Martin Brandt, Institut for Geovidenskab og Naturressourceforvaltning og postdoc Ankit Kariryaa fra Datalogisk Institut.

Fakta:

• I et nyt Nature-studie har forskere fra Institut for Geovidenskab og Naturforvaltning, Datalogisk Institut på Københavns Universitet og en række internationale forskningsinstitutioner kortlagt 9,9 milliarder træer i et af verdens tørreste områder Sahel i Nordafrika.
• Sahel-området løber fra Atlanterhavet i Vest til det Indiske Ocean i Øst. Forskerne har undersøgt et område på i alt 10 millioner kvadratkilometer.
• Forskerne har også udregnet hvor meget kulstof træerne har lagret: 840.000.000 tons.
• Studiet er lavet ved hjælp af over 300.000 satellitbilleder fra NASA, som en super computer har analyseret.
• Forskerne har designet en kunstig intelligent algoritme, som gør supercomputeren i stand til at genkende de forskellige træarter, der vokser i Sahel, på satellitbillederne.
• Via feltarbejde på landjorden har forskerne karakteriseret 30 forskellige træarter og udviklet en database, der viser træ-, rod- og løvmasse samt kulstofindhold pr. træ.