Mithilfe von Drohnenbildern und künstlicher Intelligenz (KI) haben Wissenschaftler des Leibniz-Zentrums für Marine Tropenforschung (ZMT) in Bremen eine Methode entwickelt, die jeden Baum in einem Wald abgrenzt und seine Höhe und seinen Durchmesser abschätzt. Diese Fähigkeit kann dazu beitragen, biologische Inventare von Wäldern wie Mangroven zu erstellen und auch deren Bestände an gespeichertem Kohlenstoff zu bestimmen. Ihre Studie erschien als Sonderartikel in der Zeitschrift Fernerkundung.
Mangrovenwälder können in ihrer Biomasse und ihren Sedimentböden große Mengen CO2 und andere Klimagase als organisches Material speichern. Sie gelten daher als eines der Ökosysteme, die im Kampf gegen den Klimawandel besondere Aufmerksamkeit verdienen. Experten schätzen, dass in diesen Gezeitenwäldern weltweit zwischen vier und 20 Milliarden Tonnen organischen Kohlenstoffs gespeichert sind. Die Menge an Kohlenstoff variiert jedoch stark zwischen Regionen und Mangrovenbeständen.
Genaue Schätzungen der Kohlenstoffvorräte in den verschiedenen Mangrovengebieten der Tropen gibt es bislang kaum. Normalerweise werden die Höhe und der Durchmesser eines Baumes vor Ort in einigen kleinen Parzellen gemessen und anhand der Holzdichte und Zusammensetzung der Baumarten die Menge der oberirdischen Biomasse geschätzt.
Die Beschaffenheit der Mangrovenwälder macht diese Aufgabe sehr schwierig. Normalerweise sind sie sehr abgelegen und schwer zugänglich. Man kann bis zum Bauchnabel im schlammigen Sediment versinken und muss durch die Prielen waten oder schwimmen, geplagt von Mückenschwärmen. Trotz all dieser Anstrengungen sind die Schätzungen aufgrund natürlicher Schwankungen immer noch ungenau.
Wie können Kohlenstoffvorräte in großen Gebieten abgelegener Mangrovenwälder genauer und einfacher erfasst werden? Vor dieser Aufgabe stand ein Team von Wissenschaftlern der Gruppe Data Science and Technology des Leibniz-Zentrums für Marine Tropenforschung (ZMT). „Wir suchten nach neuen Techniken, um die gesamte Waldfläche abzudecken und ein regelmäßiges Monitoring zu ermöglichen“, erklärt Doktorand Daniel Schürholz, Erstautor der Studie. „Je detaillierter die Informationen über die Bäume in einem Wald sind, desto genauer ist die Berechnung des gespeicherten Kohlenstoffs.“
Das Team untersuchte die Möglichkeit, große Mangrovenwälder mit dichtem Blätterdach genau zu kartieren. Eine Bestandsaufnahme einzelner Bäume, einschließlich ihrer Höhe, Lage und Größe der Baumkronenfläche, ermöglicht eine genauere Berechnung der gespeicherten Kohlenstoffmenge sowie die Überwachung des Zustands und der Gesundheit des Waldes. „Angesichts der aktuellen Fortschritte in der künstlichen Intelligenz haben wir uns entschieden, modernste Techniken zu testen, um einzelne Bäume im Wald automatisch zu erkennen“, sagte Schürholz.
Der Utría-Nationalpark liegt an der kolumbianischen Pazifikküste. Es besteht größtenteils aus undurchdringlichen Mangrovenwäldern. Mit Unterstützung von Parkwächtern und Forschern der kolumbianischen Universidad del Valle wurden Flugdrohnen eingesetzt, um die Baumkronen von oben zu fotografieren.
Zurück in Bremen erstellten die ZMT-Wissenschaftler mit photogrammetrischen Werkzeugen großflächige Mosaike des Waldes, die die Detailgenauigkeit von Satellitenbildern übertrafen. Anschließend entwickelten sie einen KI-Workflow, der die großen Mosaike in verschiedene Lebensraumkategorien klassifizieren konnte. Für die einheimischen Mangrovenbaumarten konnte jeder Baum abgegrenzt und die Höhe und der Durchmesser seiner Krone geschätzt werden. Wenn man die Art, die Höhe und den Durchmesser eines Baumes kennt, kann dann die oberirdische Biomasse abgeschätzt werden.
„Mithilfe unseres KI-Workflows haben wir beispielsweise berechnet, dass es in dem untersuchten Gebiet 19.717 Bäume der endemischen Mangrovenart Pelliciera rhizophorae gibt. Dies ist eine Schätzung, die mit herkömmlichen Mitteln nur sehr schwer zu erreichen wäre“, sagt Arjun Chennu, ein Experte für Habitatkartierung am ZMT und Co-Autor der Studie.
„Der Einsatz kostengünstiger Drohnenbilder mit KI-Tools könnte über die Bestimmung des blauen Kohlenstoffbestands hinaus auf eine Vielzahl anderer Funktionen angewendet werden, beispielsweise auf illegalen Holzeinschlag, die Erkennung invasiver Arten oder Veränderungen in Tier- und Pflanzengemeinschaften“, sagt er.
Mit ihrer Arbeit hoffen die Forscher, zum Schutz wertvoller Mangrovenwälder beizutragen, indem sie Entscheidungsträgern verlässlichere Daten liefern, um für die Erhaltung oder Wiederherstellung von Mangrovenwäldern zu argumentieren. „Der aktuelle Hype um modernste KI-Algorithmen sollte auch auf Umweltthemen übertragen werden, um unser Verständnis der Natur zu verbessern“, fordert Schürholz. „Mit der Geschwindigkeit des Fortschritts in der KI werden wir in der Lage sein, immer mehr Details über die Prozesse in der Natur preiszugeben und besser zu verstehen, wie man sie schützt und nachhaltig bewirtschaftet.“
Ähnliche Algorithmen könnten verwendet werden, um andere Ökosysteme wie Korallenriffe oder gemäßigte Wälder zu kartieren sowie Tiere zu identifizieren und ihre Bewegungen zu verfolgen. Auch Wälder in Deutschland könnten von der Methode profitieren. Voraussetzung sei, so Schürholz, die Anpassung des KI-Algorithmus an die in diesen Wäldern vorkommenden Arten. „Wir liefern einen guten Entwurf für ein weltweit einsetzbares System“, fügt er hinzu.
Mehr Informationen:
Daniel Schürholz et al., Den Wald vor lauter Bäumen sehen: Kartierung der Bedeckung und Zählung der Bäume anhand von Luftbildern eines Mangrovenwaldes mithilfe künstlicher Intelligenz, Fernerkundung (2023). DOI: 10.3390/rs15133334
Bereitgestellt vom Leibniz-Zentrum für Marine Tropenforschung (ZMT)