science >> Wetenschap >  >> Elektronica

Behoud van het regenwoud door machine learning

Automatisch voorspelde ontbossing. Krediet:David Dao

Computerwetenschapper David Dao ontwikkelt intelligente algoritmen die satelliet- en dronebeelden van regenwouden gebruiken om te voorspellen waar de volgende plaatsen van ontbossing zullen zijn. Vandaag presenteert hij zijn onderzoek op de klimaatconferentie in Madrid, en start in januari met een proefproject in Chili.

Beelden van brandende regenwouden in het Amazonegebied stonden deze zomer in ons geheugen gegrift en riepen de vraag op:hoeveel van het bos hebben we verloren? Een van de mensen die deze vraag probeert te beantwoorden, is computerwetenschapper David Dao, een doctoraatsstudent van het DS3Lab aan het ETH Institute for Computing Platforms.

Dao, die oorspronkelijk uit Duitsland komt, is specialist in machine learning en ontwikkelt intelligente algoritmen die autonoom satelliet- en dronebeelden kunnen analyseren. Dit helpt om te onthullen waar de bosbedekking dunner wordt, en in welke mate. Ze kunnen zelfs voorspellen waar het regenwoud zich in de nabije toekomst zal terugtrekken. De truc zit hem in hoe de algoritmen de afbeeldingen lezen.

Satellieten en drones leveren talloze beelden van regenwouden - van verschillende hoogtes, en in verschillende resolutie en kwaliteit. Wat ze gemeen hebben, is dat de regio's die ze afbeelden niet zijn geëtiketteerd of anderszins geïdentificeerd. In tegenstelling tot kaarten, de plaatsen dragen geen namen, en de bossen, rivieren en wegen hebben geen gemakkelijk herkenbare "handtekeningen, " of "etiketten, " zoals een computerwetenschapper zou zeggen. Dit betekent dat computeralgoritmen niet kunnen onderscheiden wat bosdekking is en wat niet.

"Visbotten" laten zien waar bossen krimpen

Zoals Dao uitlegt, de algoritmen lezen sequenties om te herkennen welke gebieden bebost zijn en of deze gebieden krimpen. Deze sequenties zijn individuele beelden die in chronologische volgorde aan elkaar zijn geregen, net zoals oude filmrollen of stripverhalen. Dus als er een nieuwe weg door het regenwoud wordt aangelegd, bijvoorbeeld, er vormen zich in de loop van de tijd tal van kleinere wegen. Het is langs deze wegen dat de bosbedekking wordt vernietigd.

Vanuit vogelperspectief, het resulterende patroon lijkt op het skelet van een vis, met zijn ruggengraat en kleine botten - vandaar de bijnaam 'visgraten'. Door deze chronologisch opeenvolgende luchtfoto's te vergelijken, algoritmen kunnen bepalen hoe wegsystemen en bosbedekking in de loop van de tijd veranderen.

Dit betekent dat intelligente algoritmen geen labels nodig hebben om een ​​totaalbeeld te genereren dat aangeeft waar regenwouden krimpen. Ze kunnen ook voorspellen waar de ergste ontbossing het volgende zal plaatsvinden. Dit model geldt ook voor ontbossing bij rivieren en rond landbouwgebieden.

Testrun in het Chileense regenwoud

Voor het onderzoeksproject die Komorebi wordt genoemd, David Dao heeft partners uit het veld aangetrokken, waaronder de Chileense bosbouwautoriteit CONAF (Corporación Nacional Forestal). In januari, een proefproject zal starten in het Valdiviaanse regenwoud, aan de Pacifische kust ten zuiden van de hoofdstad, Santiago. Dao zal zijn voorspellende algoritmen testen en aanpassen in echte regenwoudomstandigheden. Zijn aanpak kan misschien niet alleen de algehele achteruitgang in het regenwoud detecteren, maar ook bepalen welke boomsoorten het meest worden aangetast.

Dit is een belangrijke factor in klimaatverandering, omdat verschillende soorten bomen CO . opslaan 2 tegen verschillende tarieven, en een benadering van bosbehoud is om de lokale bevolking financiële prikkels te bieden om bomen te behouden als CO2-opslag in plaats van het bos te kappen.

In het Chileense regenwoud, ze zullen kwesties onderzoeken zoals hoe de nauwkeurigheid van voorspellende algoritmen kan worden verbeterd door satellietbeelden te combineren met foto's die lager zijn gemaakt door drones. In tegenstelling tot satellietbeelden, dronebeelden kunnen tot op 30 centimeter nauwkeurig zijn. "Als we dronebeelden hebben, we kunnen ook veranderingen in boomsoorten waarnemen en veranderingen in biodiversiteit detecteren, " zegt Dao. Vandaag, David Dao zal zijn onderzoeksproject presenteren op de 25e VN-conferentie over klimaatverandering in Madrid (COP25).

De sessie, georganiseerd door de Inter-Amerikaanse Ontwikkelingsbank en de Chileense bosbouwautoriteit, zal kijken naar manieren om nieuwe technologieën te gebruiken om veranderingen in landgebruik vast te leggen en te voorspellen, evenals de mogelijkheid om de resultaten te koppelen aan betalingen die lokale bewoners ontvangen voor het behoud van het regenwoud.