Kunstig intelligens afslører flere hundrede millioner træer i Sahara: ”Ørkenen er grønnere, end vi troede”

Troede du også, at Sahara kun består af golde sandbanker og sten? Den forestilling er det måske på tide at gøre op med. I et område i Vestafrika, der er 30 gange større end Danmarks areal, har et internationalt forskerhold med Københavns Universitet og NASA i spidsen optalt over 1,8 milliarder træer og buske. Området på i alt 1,3 million km² dækker den vestligste del af Sahara-ørkenen, Sahel-regionen og såkaldte subhumide zoner i Vestafrika.

”Vi var meget overraskede over at se, at der faktisk vokser ret mange træer i Sahara-ørkenen, for indtil nu har de fleste troet, at der stort set ingen træer var. Vi optalte flere hundrede millioner alene i ørkenområdet. Og det havde man ikke kunnet uden denne her teknologi – jeg tror, det er en ny epoke i videnskaben,” siger adjunkt Martin Brandt fra Institut for Geovidenskab og Naturforvaltning på Københavns Universitet, som er førsteforfatter til den videnskabelige artikel om studiet, der er offentliggjort i tidsskriftet Nature.

Optællingen er sket ved hjælp af en kombination af detaljerede satellitbilleder leveret af NASA og deep learning - en avanceret metode inden for kunstig intelligens. Almindelige satellitbilleder er nemlig ikke i stand til at identificere træer helt ned på individniveau. Eftersom interessen for at optælle træer uden for skovområder er lille, har man tidligere måttet nøjes med at anslå mængden af træer i store områder ud fra estimater. Og de har vist, at der nærmest ingen træer var i denne region. Dette er altså første gang, man direkte tæller træerne i et stort område.

Træernes rolle i klimaregnskabet

Den nye viden om træer i områder som disse er vigtig af flere grunde, lyder det fra Martin Brandt. De er blandt andet en ukendt faktor, når det kommer til klimaregnskabet:

“Træer uden for skovområder er normalt ikke regnet med i klimamodellerne, og vi ved meget lidt om deres kulstoflagring. De er stort set en hvid plet på landkortet og en ukendt komponent i kulstofkredsløbet,” siger Martin Brandt.

Derudover kan den nye information bidrage til bedre at forstå træernes betydning for biodiversiteten og økosystemerne og for de mennesker, der lever i områderne. Mere viden om træerne er især også vigtig for at udvikle programmer, der fremmer agerskovbrug, som spiller en stor miljømæssig og socioøkonomisk rolle i tørområder.      

“Vi har derfor en ambition om også at artsbestemme træerne fra satellit, da typen af træer er væsentlig i forhold til deres værdi for lokalbefolkningerne, der bruger træressourcen som en del af deres levegrundlag. Træerne og deres frugt bruges som føde for både dyr og mennesker, og når træerne bevares på markerne, påvirker de høstudbyttet positivt, fordi de forbedrer vand- og næringsstofbalancen,” siger professor Rasmus Fensholt fra Institut for Geovidenskab og Naturforvaltning.

Teknologi med stort potentiale

Forskningen er sket i samarbejde med Datalogisk Institut på Københavns Universitet, som har stået for udviklingen af den deep learning-algoritme, som har gjort optællingen af træer på så stort et areal mulig.

Simpelt sagt fungerer teknologien på den måde, at forskerne viser deep learning-modellen, hvordan et træ ser ud. Det gør de ved at fodre den med tusindvis af billeder af forskellige træer. Ud fra genkendelse af træernes faconer kan modellen så automatisk udpege og kortlægge træerne i området. Modellen kan således i løbet af nogle timer lave en optælling, som det ville tage tusindvis af mennesker flere år at lave.

”Der er et meget stort potentiale i denne teknologi, når det handler om at dokumentere forandringer på global skala og i sidste ende bidrage til verdensmålene. Det er vores motivation at udvikle kunstig intelligens til at gøre gavn på denne måde,” siger professor og medforfatter Christian Igel fra Datalogisk Institut.

Næste skridt er at udvide optællingen til et langt større område i Afrika, og på længere sigt er målet at lave en global database over alle træer, der vokser uden for skovområder.

Emner