NASAs supercomputing -undersøgelse bryder jorden for kortlægning af træer, kulstofforskning

Forskere fra NASAs Goddard Space Flight Center i Greenbelt, Maryland, og internationale samarbejdspartnere demonstrerede en ny metode til kortlægning af placeringen og størrelsen af ​​træer, der vokser uden for skovene, opdage milliarder af træer i tørre og halvtørre regioner og lægge grunden til mere præcis global måling af kulstoflagring på land.

Ved hjælp af kraftfulde supercomputere og maskinlæringsalgoritmer, holdet kortlagde krondiameteren - et træs bredde set ovenfra - på mere end 1,8 milliarder træer på tværs af et område på mere end 500, 000 kvadratkilometer, eller 1, 300, 000 kvadratkilometer. Holdet kortlagde, hvordan trækronens diameter, dækning, og densiteten varierede afhængigt af nedbør og arealanvendelse.

Kortlægning af ikke-skovtræer på dette detaljeringsniveau ville tage måneder eller år med traditionelle analysemetoder, holdet sagde, sammenlignet med et par uger til denne undersøgelse. Brugen af ​​billeder i meget høj opløsning og kraftfuld kunstig intelligens repræsenterer et teknologisk gennembrud til kortlægning og måling af disse træer. Denne undersøgelse er beregnet til at være den første i en række papirer, hvis mål ikke kun er at kortlægge ikke-skovtræer på tværs af et bredt område, men også for at beregne, hvor meget kulstof de gemmer - vitale oplysninger til forståelse af Jordens kulstofcyklus, og hvordan det ændrer sig over tid.

Måling af kulstof i træer

Kulstof er en af ​​de primære byggesten for alt liv på Jorden, og dette element cirkulerer blandt landet, atmosfære, og oceaner via kulstofcyklussen. Nogle naturlige processer og menneskelige aktiviteter frigiver kulstof til atmosfæren, mens andre processer trækker det ud af atmosfæren og gemmer det på land eller i havet. Træer og anden grøn vegetation er kulstof "dræn, "hvilket betyder, at de bruger kulstof til vækst og gemmer det ud af atmosfæren i deres kufferter, grene, blade og rødder. Menneskelige aktiviteter, som at brænde træer og fossile brændstoffer eller rydde skovområder, frigiver kulstof til atmosfæren som kuldioxid, og stigende koncentrationer af atmosfærisk kuldioxid er en hovedårsag til klimaændringer.

Bevaringseksperter, der arbejder på at afbøde klimaændringer og andre miljøtrusler, har målrettet skovrydning i årevis, men disse bestræbelser omfatter ikke altid træer, der vokser uden for skove, sagde Compton Tucker, senior biosfærisk videnskabsmand i Earth Sciences Division ved NASA Goddard. Disse træer kunne ikke kun være betydelige kulstofvaske, men de bidrager også til nærliggende menneskers økosystemer og økonomier, dyre- og plantebestande. Imidlertid, mange aktuelle metoder til undersøgelse af træers kulstofindhold omfatter kun skove, ikke træer, der vokser individuelt eller i små klynger.

Tucker og hans NASA -kolleger, sammen med et internationalt team, brugte kommercielle satellitbilleder fra DigitalGlobe, som var i høj opløsning nok til at få øje på enkelte træer og måle deres kronestørrelse. Billederne stammer fra den kommercielle QuickBird-2, GeoEye-1, WorldView-2, og WorldView-3 satellitter. Holdet fokuserede på tørlandsområderne - områder, der modtager mindre nedbør end det, der fordamper fra planter hvert år - herunder den tørre sydside af Sahara -ørkenen, der strækker sig gennem den halvtørre Sahelzone og ind i de fugtige subtroper i Vestafrika. Ved at studere en række landskaber fra få træer til næsten skovklædte forhold, holdet uddannede deres computingsalgoritmer til at genkende træer på tværs af forskellige terræntyper, fra ørkener i nord til træsavaner i syd.

Læring på jobbet

Teamet kørte en kraftfuld computeralgoritme kaldet et fuldt konvolutionsnervalt neuralt netværk ("deep learning") på University of Illinois 'Blue Waters, en af ​​verdens hurtigste supercomputere. Teamet trænede modellen ved manuelt at markere næsten 90, 000 individuelle træer på tværs af forskellige terræn, derefter lade den "lære", hvilke former og skygger, der angav tilstedeværelsen af ​​træer.

Kodningsprocessen for uddannelsesdata tog mere end et år, sagde Martin Brandt, en adjunkt i geografi ved Københavns Universitet og undersøgelsens hovedforfatter. Brandt markerede alle 89, 899 træer alene og hjalp med at føre tilsyn med træning og drift af modellen. Ankit Kariryaa fra University of Bremen ledede udviklingen af ​​computerbehandlingen med dyb læring.

"I en kilometer terræn, sig det er en ørken, mange gange er der ingen træer, men programmet ønsker at finde et træ, "Sagde Brandt." Den finder en sten, og tror det er et træ. Længere mod syd, den finder huse, der ligner træer. Det lyder let, du skulle tro - der er et træ, hvorfor skulle modellen ikke vide, at det er et træ? Men udfordringerne kommer med dette detaljeringsniveau. Jo flere detaljer der er, jo flere udfordringer kommer. "

Etablering af et nøjagtigt antal træer i dette område giver vigtig information til forskere, politikere og bevarere. Derudover måling af, hvordan træstørrelse og tæthed varierer efter nedbør-med vådere og mere befolkede regioner, der understøtter flere og større træer-giver vigtige data til bevaringsindsats på jorden.

"Der er vigtige økologiske processer, ikke kun indeni, men også uden for skovene, "sagde Jesse Meyer, en programmør på NASA Goddard, der ledede behandlingen på Blue Waters. "For bevarelse, restaurering, klima forandring, og andre formål, data som disse er meget vigtige for at etablere en baseline. Om et år eller to eller ti, undersøgelsen kan gentages med nye data og sammenlignes med data fra i dag, for at se, om bestræbelser på at genoplive og reducere skovrydning er effektive eller ej. Det har ganske praktiske konsekvenser. "

Efter at have målt programmets nøjagtighed ved at sammenligne det med både manuelt kodede data og feltdata fra regionen, teamet kørte programmet på tværs af det fulde studieområde. Det neurale netværk identificerede mere end 1,8 milliarder træer - overraskende tal for en region, der ofte antages at understøtte lidt vegetation, sagde Meyer og Tucker.

"Fremtidige papirer i serien vil bygge på fundamentet for at tælle træer, udvide de undersøgte områder, og se måder at beregne deres kulstofindhold på, "sagde Tucker. NASA -missioner som Global Ecosystem Dynamics Investigation -mission, eller GEDI, og ICESat-2, eller isen, Sky, og Land Elevation Satellite-2, indsamler allerede data, der skal bruges til at måle skovenes højde og biomasse. I fremtiden, at kombinere disse datakilder med kraften i kunstig intelligens kunne åbne op for nye forskningsmuligheder.

"Vores mål er at se, hvor meget kulstof der er i isolerede træer i de store tørre og halvtørre dele af verden, "Sagde Tucker." Så er vi nødt til at forstå den mekanisme, der driver kulstoflagring i tørre og halvtørre områder. Måske kan disse oplysninger bruges til at lagre mere kulstof i vegetationen ved at tage mere kuldioxid ud af atmosfæren. "

"Fra et kulstofcyklusperspektiv, disse tørre områder er ikke godt kortlagt, hvad angår tætheden af ​​træer og kulstof, "Sagde Brandt." Det er et hvidt område på kort. Disse tørre områder er dybest set maskeret ud. Dette er fordi normale satellitter bare ikke kan se træerne - de ser en skov, men hvis træet er isoleret, de kan ikke se det. Nu er vi på vej til at udfylde disse hvide pletter på kortene. Og det er ret spændende. "