Op het eerste gezicht is er weinig groen in de ogenschijnlijk kale vlakten van de Sahel- en Saharawoestijnen, maar gedetailleerde satellietbeelden gecombineerd met computer deep learning hebben een ander beeld opgeleverd.

In feite, zo'n 1,8 miljard bomen zijn verspreid over delen van de West-Afrikaanse Sahara en de Sahel-woestijnen en de zogenaamde sub-vochtige zone, een voorheen ontelbare premie die eerdere veronderstellingen over dergelijke habitats tenietdoet, zeggen onderzoekers.

"We waren zeer verrast dat er vrij (zo) veel bomen groeien in de Sahara, " vertelde hoofdauteur Martin Brandt aan AFP.

"Er zijn zeker uitgestrekte gebieden zonder bomen, maar er zijn nog steeds gebieden met een hoge boomdichtheid, en zelfs tussen de zandduinen groeien hier en daar wat bomen, "voegde Brandt toe, een assistent-professor geografie aan de Universiteit van Kopenhagen.

Het onderzoek biedt onderzoekers en natuurbeschermers gegevens die kunnen helpen bij het bestrijden van ontbossing en het nauwkeuriger meten van koolstofopslag op het land.

"Voor behoud, restauratie, klimaatverandering enzovoort, gegevens zoals deze zijn erg belangrijk om een ​​basislijn vast te stellen, " zei Jesse Meyer, een programmeur bij NASA's Goddard Space Flight Center die aan het onderzoek werkte.

"Over een jaar of twee of tien, de studie kan worden herhaald... om te zien of de inspanningen om de ontbossing nieuw leven in te blazen en te verminderen, effectief zijn of niet, ', zei hij in een persbericht van NASA.

Het vinden en tellen van de bomen was geen eenvoudige taak.

In gebieden met veel bomen, dikke klompen groei verschijnen relatief duidelijk in satellietbeelden, zelfs bij lage resolutie, en zijn gemakkelijk te onderscheiden van kaal land.

Maar waar ze meer verspreid zijn, satellietbeelden kunnen een te lage resolutie hebben om individuele bomen of zelfs kleine groepen te onderscheiden.

Beelden met een hogere resolutie zijn nu beschikbaar, maar zelfs dan blijven er problemen:individuele bomen tellen, vooral over uitgestrekte gebieden is een bijna onmogelijke taak.

Brandt en zijn team kwamen met een oplossing, satellietbeelden met zeer hoge resoluties koppelen aan diep leren - in wezen een computerprogramma trainen om het werk voor hen te doen.

Maar dat betekende niet dat ze achterover konden leunen en op de resultaten konden wachten.

Voordat het deep learning-programma aan de slag kon, er moest getraind worden een moeizaam proces waarbij Brandt individueel bijna 90 telde en labelde, 000 bomen zelf. Het kostte hem een ​​jaar.

"Het detailniveau is erg hoog en het model moet weten hoe allerlei verschillende bomen in verschillende landschappen eruitzien, " hij zei.

"Ik accepteerde geen verkeerde classificaties en verdere aanvullende training toen ik verkeerd geclassificeerde bomen zag."

Een conserveringsbasislijn instellen

Het was de moeite waard, hij zei, waardoor wat miljoenen mensen jaren werk zou hebben gekost, in slechts enkele uren kon worden berekend.

"Andere studies zijn gebaseerd op schattingen en extrapolaties, hier zien en tellen we direct elke boom, het is de eerste beoordeling van muur tot muur."

Het onderzoek, woensdag gepubliceerd in het tijdschrift Natuur , besloeg een gebied van 1,3 miljoen vierkante kilometer (ongeveer 500, 000 vierkante mijl) en omvatte een analyse van meer dan 11, 000 afbeeldingen.

De techniek suggereert "het zal binnenkort mogelijk zijn, met bepaalde beperkingen, om de locatie en grootte van elke boom wereldwijd in kaart te brengen", schreven Niall P. Hanan en Julius Anchang van de afdeling Plant and Environmental Sciences van de New Mexico State University, in een recensie van het onderzoek.

En nauwkeurige informatie over vegetatie in woestijnen en andere droge zones is "fundamenteel voor ons begrip van ecologie op wereldschaal, biogeografie en de biogeochemische cycli van koolstof, water en andere voedingsstoffen, schreven ze in de recensie in opdracht van Nature.

Betere informatie kan helpen bepalen hoeveel koolstof op deze sites wordt opgeslagen, die doorgaans niet in klimaatmodellen zijn opgenomen, zei Brandt.

Maar het is te vroeg om te zeggen of een nauwkeurige telling van het leven van deze bomen van invloed zal zijn op hoe we klimaatverandering en de versnelling ervan begrijpen, hij voegde toe.

Hij hoopt de techniek nu ergens anders toe te passen, om meer voorheen verborgen bomen in de 65 miljoen vierkante kilometer droge gebieden in de wereld in kaart te brengen.

© 2020 AFP