17/08/2023
Door Ad Spijkers
Met een nieuwe methode kan elke boom in een mangrove worden beschreven en het CO2-gehalte bepaald.
Met behulp van dronebeelden en kunstmatige intelligentie (AI) hebben wetenschappers van het Leibniz-Zentrum für Marine Tropenforschung (ZMT) in Bremen een methode ontwikkeld waarmee elke boom in een bos kan worden beschreven en de hoogte en diameter kan worden geschat. Deze methode maakt het gemakkelijker om biologische inventarissen van bossen zoals mangroven te maken en hun opgeslagen koolstofvoorraden te bepalen.
Koolstofvoorraden
Mangrovebossen kunnen grote hoeveelheden CO2 en andere broeikasgassen als organisch materiaal opslaan in hun biomassa en sedimentaire bodems. Ze worden dan ook beschouwd als een van de ecosystemen die speciale aandacht verdienen in de strijd tegen klimaatverandering. Experts schatten dat er wereldwijd tussen de vier en twintig miljard ton organische koolstof is opgeslagen in vloedbossen. De hoeveelheid koolstof varieert echter sterk tussen regio's en mangrovebestanden.
Exacte schattingen van de koolstofvoorraden in de verschillende mangrovegebieden van de tropen zijn schaars. In de regel worden de hoogte en diameter van de bomen gemeten in enkele kleine percelen. De hoeveelheid biomassa wordt vervolgens geschat op basis van de houtdichtheid en de boomsoort. De aard van deze bossen maakt de toegang moeilijk (zie foto). Ze zijn meestal geïsoleerd, onderzoekers kunnen tot hun navel wegzinken in de modderige sedimentaire grond en moeten waden of zwemmen door getijden, gekweld door hordes muggen. Ondanks al deze inspanningen zijn de schattingen nog steeds onnauwkeurig als gevolg van natuurlijke fluctuaties.
In kaart brengen
Maar hoe zijn de koolstofvoorraden in grote gebieden van afgelegen mangrovebossen nauwkeuriger en gemakkelijker in kaart te brengen? Een team van wetenschappers van Leibniz ZMT stelde zichzelf deze taak. Ze zochten naar nieuwe technieken om een heel bosgebied in kaart te brengen en regelmatige bewaking mogelijk te maken. Hoe gedetailleerder de informatie over de bomen in het bos is, des nauwkeuriger de berekening van de opgeslagen koolstof.
Het team zocht een manier om grote mangrovebossen met dichte boomtoppen nauwkeurig in kaart te brengen. Een inventarisatie van individuele bomen, inclusief hun hoogte, locatie en kruingrootte, maakt het mogelijk om de hoeveelheid opgeslagen koolstof nauwkeuriger te berekenen en de conditie van het bos te bewaken. Gezien de huidige ontwikkelingen op het gebied van kunstmatige intelligentie besloten ze om geavanceerde technieken te testen voor het automatisch detecteren van individuele bomen in het bos.
Veldwerk
Aan de Pacifische kust van Colombia ligt het Utría National Park, dat grotendeels uit ondoordringbare mangrovebossen bestaat. Daar gebruikten de ZMT-wetenschappers, samen met parkwachters en onderzoekers van de Colombiaanse Universidad del Valle in Cali, verschillende drones om het bladerdak te fotograferen. Ze gebruikten beeldmetingen om grootschalige kaarten van het bos te maken die het detailniveau van satellietbeelden ver overtroffen. Vervolgens ontwikkelden ze een AI-workflow die elke boom kon identificeren en de hoogte en diameter van zijn kroon kon schatten. Met deze gegevens konden ze de bovengrondse biomassa berekenen.
Hieruit berekenden ze bijvoorbeeld dat er 19.717 bomen van de endemische mangrovesoort Pelliciera rhizophorae in het onderzochte gebied staan. Dit is een berekening die met conventionele middelen heel moeilijk te realiseren zou zijn. Het gebruik van goedkope drone-beelden met AI-tools kan worden gebruikt voor een verscheidenheid aan andere eigenschappen dan het bepalen van blauwe koolstofvoorraden. Hierbij valt te denken aan illegale houtkap, het detecteren van invasieve soorten of het veranderen van dieren- en plantengemeenschappen.
Toepassing
Met hun werk willen de onderzoekers bijdragen aan de bescherming van waardevolle mangrovebossen. Ze kunnen hiermee bestuurders voorzien van betrouwbaardere gegevens om te pleiten voor het behoud of herstel van mangrovebossen. Om ons begrip van de natuurlijke wereld te verbeteren moeten state-of-the-art AI-algoritmen. Met de snelheid van de vooruitgang in AI kunnen onderzoekers steeds meer details onthullen over de processen in de natuur en beter begrijpen hoe deze kunnen worden beschermd en duurzaam beheerd.
Soortgelijke algoritmen kunnen worden gebruikt om andere ecosystemen in kaart te brengen, zoals koraalriffen of gematigde bossen, en om dieren te identificeren en hun bewegingen te volgen. Ook bossen in West-Europa zouden baat kunnen hebben bij de methode. Voorwaarde is dat het AI-algoritme is aangepast aan de soorten die in deze bossen voorkomen. De onderzoekers in Bremen leverden een goed ontwerp voor een systeem dat over de hele wereld kan worden gebruikt.
Foto: Martin Zimmer, Leibniz-Zentrum für Marine Tropenforschung