Ein Forscherteam unter der Leitung von Ben Weinstein von der University of Florida im US-Bundesstaat Oregon nutzte maschinelles Lernen, um hochdetaillierte Karten von über 100 Millionen einzelnen Bäumen an 24 Standorten in den USA zu erstellen. Die Ergebnisse wurden am 16. Juli in der Open-Access-Zeitschrift PLOS Biologie. Diese Karten liefern Informationen über einzelne Baumarten und ihren Zustand, was für Naturschutzbemühungen und andere ökologische Projekte von großer Bedeutung sein kann.
Ökologen sammeln schon seit langem Daten über Baumarten, um das einzigartige Ökosystem eines Waldes besser zu verstehen. In der Vergangenheit wurde dies durch die Untersuchung kleinerer Landstriche und die Extrapolation der Ergebnisse erreicht, obwohl dies die Variabilität im gesamten Wald nicht erklären kann. Andere Methoden können größere Gebiete abdecken, haben aber oft Schwierigkeiten, einzelne Bäume zu kategorisieren.
Um große und hochdetaillierte Waldkarten zu erstellen, trainierten die Forscher einen maschinellen Lernalgorithmus namens Deep Neural Network mit Bildern der Baumkronen und anderen Sensordaten, die mit dem Flugzeug aufgenommen wurden. Diese Trainingsdaten umfassten 40.000 einzelne Bäume und wurden, wie alle in dieser Studie verwendeten Daten, vom National Ecological Observatory Network bereitgestellt.
Das tiefe neuronale Netzwerk konnte die meisten gängigen Baumarten mit einer Genauigkeit von 75 bis 85 % klassifizieren. Darüber hinaus könnte der Algorithmus auch andere wichtige Analysen liefern, beispielsweise die Meldung, welche Bäume leben oder tot sind.
Die Forscher stellten fest, dass das tiefe neuronale Netzwerk in Bereichen mit mehr Freiraum in der Baumkrone die höchste Genauigkeit aufwies und bei der Kategorisierung von Nadelbaumarten wie Kiefern, Zedern und Redwoods die besten Ergebnisse erzielte.
Das Netzwerk zeigte auch in Gebieten mit geringerer Artenvielfalt die beste Leistung. Das Verständnis der Stärken des Algorithmus kann für die Anwendung dieser Methoden in einer Vielzahl von Waldökosystemen nützlich sein.
Die Forscher haben die Vorhersagen ihrer Modelle auch auf Google Earth Engine hochgeladen, damit ihre Ergebnisse anderen ökologischen Forschungsarbeiten zugutekommen. Die Forscher sagen: „Die Vielfalt der sich überschneidenden Datensätze wird zu einem besseren Verständnis der Waldökologie und der Funktionsweise von Ökosystemen beitragen.“
Die Autoren fügen hinzu: „Unser Ziel ist es, Forschern die ersten großflächigen Karten der Baumartenvielfalt aus Ökosystemen in den gesamten Vereinigten Staaten zur Verfügung zu stellen. Diese Baumkronenkarten können mit neuen, an jedem Standort gesammelten Daten aktualisiert werden. Durch die Zusammenarbeit mit Forschern an verschiedenen NEON-Standorten können wir im Laufe der Zeit immer bessere Vorhersagen erstellen.“
Mehr Informationen:
Weinstein BG, Marconi S, Zare A, Bohlman SA, Singh A, Graves SJ, et al. (2024) Individuelle Baumkronenkarten für das National Ecological Observatory Network, PLoS Biologie (2024). DOI: 10.1371/journal.pbio.3002700