Ein Modell für maschinelles Lernen, um Bäume zu erfassen

Stelle dir vor, es gibt ein Tool, das ganz einfach die Millionen von Bäume visualisieren kann, die Justdiggit und unsere Partner in Tansania zurückbringen. Stelle dir ein Tool vor, das diese Bäume nicht nur erfasst, sondern auch ihre Auswirkung auf die Umwelt misst, indem es Drohnen- und Satellitenbilder scannt und analysiert. Zusammen mit unseren Partnern Lynxx, VU University, MetaMeta und LEAD Foundation haben wir ein solches Tool entwickelt. So können wir eine Übersicht über all diese Millionen von Bäume in den weiten Landschaften unserer Projekte gewinnen!

Derzeitige Tools für Satellitenüberwachung
In der Vergangenheit wurden zahlreiche satellitenbasierte Tools entwickelt, um Bäume zu identifizieren und ihre Wirkung auf die Umwelt zu messen. Die meisten dieser Technologien haben jedoch einen Nachteil: sie können nur Bäume innerhalb von Wäldern erfassen. Diese Tools nutzen oft Satellitendaten mit mittlerer Auflösung, welche eine Fläche von nur 30×30 Metern analysieren können. Daher sind sie unzureichend für die Erkennung von kleinen Bäumen außerhalb dichter Wälder. Bei Justdiggit regenerieren wir Bäume außerhalb von Wäldern, auf Landwirtschaft- und Weideflächen. Die derzeitigen satellitenbasierten Tools sind daher nicht brauchbar innerhalb unsere Projektgebiete. 

Bäume außerhalb von Wäldern tracken
Wir haben, zusammen mit unseren Partner Lynxx, VU University, MetaMeta und LEAD Foundation, ein Tool entwickelt, das es uns zum ersten Mal möglich macht, Bäume in unseren Projektgebieten schnell und im großen Umfang zu erfassen. Diese Methode nutzt einen Bilderkennungs-Algorithmus, der Objekte auf Bildern erkennt. Dieses Model wurde trainiert alle möglichen Bäume (auch die ohne Blätter) auf verschiedenen Arten von Fotos zu erkennen. Jetzt haben wir ein praktisches und greifbares Tool, das Bäume in unseren Projektgebieten visualisiert und ihre Wirkungen misst. Mithilfe von einem großen Datenset an Drohnenbildern unserer Projektgebieten können wir nun Millionen von Bäume identifizieren.

Was sieht dieses Tool?
Auf dem Foto unten, kannst du sehen, wie das Tool Bäume erfasst. Es erkennt nicht nur die großen Bäume, sondern auch die kleinen. Es erkennt sogar Bäume ohne Blätter. Das Tool identifiziert die Bäume nicht nur, sondern misst auch ihre Größe und wie schnell sie jedes Jahr wachsen. Dies verschafft uns ein vollständiges Bild über die Auswirkung aller Bäume in dieser Region.

Die Vorteile
Dieses neu-entwickelte Tool bietet viele Vorteile. Es erlaubt uns nicht nur eine schnelle und genaue Übersicht über die Anzahl an Bäumen zu gewinnen, sondern hilft auch dabei, den erwarteten Anstieg der Anzahl der Bäume im Laufe der Zeit zu messen. Dies verschafft uns einen guten Einblick in unsere Projekte, da wir die Anzahl an Bäumen, sowie ihre Größe in genauem Detail beurteilen können. Mit dieser Methoden können wir auch einschätzen, wie viel Kohlenstoff die Bäume in einem bestimmend Projektgebiet aus der Luft binden. Mit diesem erworbenen Wissen können wir den Landwirten Feedback geben und ihnen die positiven Wirkungen der Projekte zeigen.

Die nächsten Schritte
Wir werden dieses Modell für maschinelles Lernen weiterhin verbessern und die Resultate von detaillierter Drohnenanalyse mit Satellitendaten kombinieren, um Einsichten in die Wirkung von Bäumen auf dem regionalen und nationalen Level zu erhalten. Sobald dieses Tool vollständig entwickelt ist, möchten wir dies verfügbar machen, sodass andere es nutzen können, um Bäume erfassen zu können.

Wiederbegrünung und Beobachtung sind nur gemeinsam möglich!
Dieses Tool würde nicht ohne die Unterstützung unserer großartigen Partner existieren: 

Lynxx
Lynxx ist einen Data Science Firma, die Organisationen in verschiedenen Bereichen hilft, komplexe Probleme zu lösen. Mit der Kraft von Daten finden sie kreative Lösungen, um Organisationen weiterzuhelfen. 

MetaMeta Research
MetaMeta ist schon seit mehreren Jahren unser Partner für Überwachung & Beurteilung. Sie haben eine große Anzahl an Drohnenbildern gesammelt und Partner vor Ort trainiert dasselbe zu tun.

LEAD Foundation
Unser lokaler Partner LEAD Foundation hat auch zu der Entwicklung und dem Testen dieses neuen Tools beigetragen, sowie auch Drohnenbilder und Datasets zum Trainieren des Tools gesammelt. 

The VU University Amsterdam
Die Forscher Tom Eames und Sanne Kuipers von der VU Universität Amsterdam konzentrieren sich auf die Analyse von Satellitenbildern, die wir mit diesem Tool gesammelt haben. Beide arbeiten für die Fakultät für Erde und Klima, an welcher Klimaveränderungen, moderne Prozesse und zukünftige Klimaaussichten der Erde erforscht werden.

Möchtest du mehr über dieses Tool lesen? Lies den Blog von Lynxx und MetaMeta.