‘Identificatietechnologie heeft enorm portentieel’

Sahara telt miljoenen “onzichtbare” bomen

© Martin Brandt

Via technologie die gebruikmaakt van kunstmatige intelligentie werd ontdekt dat er meer bomen in West-Afrika staan, dan tot nu werd aangenomen.

Onderzoekers hebben door middel van artificiële intelligentie miljoenen bomen kunnen detecteren in de Sahara en de Sahel. Klassieke satellietopnames keken er overheen.

Als je denkt dat de Sahara een en al gouden duinen en verschroeide zandvlaktes zijn, ben je niet de enige. Volgens Deense wetenschappers is het echter tijd om dat idee misschien opzij te zetten. In een gebied in West-Afrika van 1,3 miljoen vierkante kilometer groot, heeft een internationaal team onder leiding van onderzoekers van de Universiteit van Kopenhagen en de NASA meer dan 1,8 miljard bomen en struiken geteld. Het gebied beslaat het meest westelijke deel van de Sahara, de Sahel en enkele zogenaamde subhumide zones van West-Afrika.

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 daar vrijwel geen bomen waren. Alleen al in de woestijn hebben we honderden miljoenen bomen geteld. Dat zou niet gelukt zijn zonder deze technologie’, zegt Martin Brandt, geowetenschapper aan de Universiteit van Kopenhagen en hoofdauteur van de studie in Nature.

De bomentelling kwam tot stand door een combinatie van gedetailleerde satellietbeelden van NASA en “deep learning” - een geavanceerde methode van kunstmatige intelligentie.

Normale satellietbeelden zijn niet in staat om individuele bomen te 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. Volgens de onderzoekers is het de eerste keer dat bomen in zo’n groot en droog gebied zijn geteld.

Deep learning

‘Deze technologie heeft een enorm potentieel als het gaat om het documenteren van veranderingen op wereldschaal’

De onderzoekers toonden duizenden afbeeldingen van bomen aan het deep learning-model. Op basis van de herkenning van boomvormen kan dat model vervolgens automatisch bomen identificeren en in kaart brengen. Het model heeft slechts enkele uren nodig, wat mensen meerdere jaren zou kosten om in kaart te brengen.

‘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 verder te ontwikkelen’, zegt hoogleraar en coauteur Christian Igel.

Blijf op de hoogte

Schrijf je in op onze nieuwsbrieven en blijf op de hoogte van het mondiale nieuws
Database

Nieuwe kennis over bomen in droge gebieden zoals deze is volgens Martin Brandt om verschillende redenen belangrijk. Zo vertegenwoordigen ze bijvoorbeeld een onbekende factor inzake de modellen over CO2-opslag.

‘Bomen buiten beboste gebieden worden meestal niet meegenomen in klimaatmodellen en we weten weinig over hun CO2-voorraden. Ze zijn in feite een witte vlek op de kaarten en een onbekende component wat betreft de CO2-cyclus’, zegt Brandt.

De volgende stap is om de telling uit te breiden naar een veel groter gebied in Afrika. Op de langere termijn willen de onderzoekers een wereldwijde database creëren van alle bomen die buiten bosgebieden groeien.

Zonder jouw steun bestaat MO* niet.

Steun ons en word proMO* voor maar €4/maand of doe een vrije gift. 2925   proMO*’s steunen ons vandaag al. We hopen 2021 te kunnen starten met 3000 proMO*‘s, word jij er één van?

Word proMO* of Doe een gift