Scienziati del Goddard Space Flight Center della NASA a Greenbelt, Maryland, e collaboratori internazionali hanno dimostrato un nuovo metodo per mappare la posizione e le dimensioni degli alberi che crescono al di fuori delle foreste, scoprendo miliardi di alberi in regioni aride e semi-aride e gettando le basi per una misurazione globale più accurata dello stoccaggio del carbonio a terra.

Utilizzando potenti supercomputer e algoritmi di apprendimento automatico, il team ha mappato il diametro della chioma, la larghezza di un albero visto dall'alto, di oltre 1,8 miliardi di alberi su un'area di oltre 500, 000 miglia quadrate, o 1, 300, 000 chilometri quadrati. Il team ha mappato come il diametro della corona degli alberi, copertura, e la densità variava a seconda delle precipitazioni e dell'uso del suolo.

La mappatura degli alberi non forestali a questo livello di dettaglio richiederebbe mesi o anni con i metodi di analisi tradizionali, la squadra ha detto, rispetto a poche settimane per questo studio. L'uso di immagini ad altissima risoluzione e una potente intelligenza artificiale rappresenta una svolta tecnologica per la mappatura e la misurazione di questi alberi. Questo studio vuole essere il primo di una serie di documenti il ​​cui obiettivo non è solo quello di mappare gli alberi non forestali in una vasta area, ma anche per calcolare la quantità di carbonio che immagazzinano, informazioni vitali per comprendere il ciclo del carbonio della Terra e come sta cambiando nel tempo.

Misurare il carbonio negli alberi

Il carbonio è uno degli elementi costitutivi primari di tutta la vita sulla Terra, e questo elemento circola per la terra, atmosfera, e oceani attraverso il ciclo del carbonio. Alcuni processi naturali e attività umane rilasciano carbonio nell'atmosfera, mentre altri processi lo estraggono dall'atmosfera e lo immagazzinano sulla terraferma o nell'oceano. Gli alberi e altra vegetazione verde sono "pozzi di carbonio, " nel senso che usano il carbonio per la crescita e lo immagazzinano fuori dall'atmosfera nei loro tronchi, rami, foglie e radici. Attività umane, come bruciare alberi e combustibili fossili o disboscare terreni boschivi, rilasciare carbonio nell'atmosfera sotto forma di anidride carbonica, e le crescenti concentrazioni di anidride carbonica atmosferica sono una delle principali cause del cambiamento climatico.

Gli esperti di conservazione che lavorano per mitigare il cambiamento climatico e altre minacce ambientali hanno preso di mira la deforestazione per anni, ma questi sforzi non sempre includono alberi che crescono al di fuori delle foreste, disse Compton Tucker, scienziato senior della biosfera nella Divisione di Scienze della Terra presso la NASA Goddard. Non solo questi alberi potrebbero essere importanti serbatoi di carbonio, ma contribuiscono anche agli ecosistemi e alle economie dei vicini esseri umani, popolazioni animali e vegetali. Però, molti metodi attuali per studiare il contenuto di carbonio degli alberi includono solo foreste, non alberi che crescono singolarmente o in piccoli grappoli.

Tucker e i suoi colleghi della NASA, insieme a un team internazionale, usato immagini satellitari commerciali da DigitalGlobe, che erano abbastanza ad alta risoluzione per individuare i singoli alberi e misurare la dimensione della loro corona. Le immagini provengono dallo spot QuickBird-2, GeoEye-1, WorldView-2, e i satelliti WorldView-3. Il team si è concentrato sulle regioni delle terre aride, aree che ricevono meno precipitazioni di quelle che evaporano dalle piante ogni anno, compreso l'arido lato meridionale del deserto del Sahara, che si estende attraverso la zona semi-arida del Sahel e nei subtropicali umidi dell'Africa occidentale. Studiando una varietà di paesaggi da pochi alberi a condizioni quasi boschive, il team ha addestrato i propri algoritmi di calcolo per riconoscere gli alberi su diversi tipi di terreno, dai deserti del nord alle savane arboree del sud.

Imparare sul lavoro

Il team ha eseguito un potente algoritmo di calcolo chiamato rete neurale completamente convoluzionale ("deep learning") presso la Blue Waters dell'Università dell'Illinois, uno dei supercomputer più veloci al mondo. Il team ha addestrato il modello marcando manualmente quasi 90, 000 singoli alberi su una varietà di terreni, poi permettendogli di "apprendere" quali forme e ombre indicassero la presenza di alberi.

Il processo di codifica dei dati di formazione ha richiesto più di un anno, disse Martin Brandt, un assistente professore di geografia presso l'Università di Copenaghen e autore principale dello studio. Brandt ha segnato tutti gli 89, 899 alberi da solo e ha aiutato a supervisionare l'addestramento e l'esecuzione del modello. Ankit Kariryaa dell'Università di Brema ha guidato lo sviluppo dell'elaborazione informatica del deep learning.

"In un chilometro di terreno, dire che è un deserto, molte volte non ci sono alberi, ma il programma vuole trovare un albero, " Brandt ha detto. "Troverà una pietra, e pensa che sia un albero. Più a sud, troverà case che sembrano alberi. Sembra facile, penseresti:c'è un albero, perché il modello non dovrebbe sapere che è un albero? Ma le sfide arrivano con questo livello di dettaglio. Più dettagli ci sono, più sfide arrivano."

Stabilire un conteggio accurato degli alberi in quest'area fornisce informazioni vitali per i ricercatori, politici e ambientalisti. Inoltre, misurare come le dimensioni e la densità degli alberi variano in base alle precipitazioni, con regioni più umide e più popolate che supportano alberi sempre più grandi, fornisce dati importanti per gli sforzi di conservazione sul terreno.

"Ci sono importanti processi ecologici, non solo dentro, ma anche fuori dai boschi, " disse Jesse Meyer, un programmatore della NASA Goddard che ha guidato l'elaborazione su Blue Waters. "Per la conservazione, restauro, cambiamento climatico, e altri scopi, dati come questi sono molto importanti per stabilire una linea di base. In un anno o due o dieci, lo studio potrebbe essere ripetuto con nuovi dati e confrontato con i dati di oggi, per vedere se gli sforzi per rivitalizzare e ridurre la deforestazione sono efficaci o meno. Ha implicazioni piuttosto pratiche".

Dopo aver valutato l'accuratezza del programma confrontandolo sia con i dati codificati manualmente che con i dati del campo della regione, il team ha gestito il programma in tutta l'area di studio. La rete neurale ha identificato più di 1,8 miliardi di alberi, numeri sorprendenti per una regione che spesso si presume supporti poca vegetazione, dissero Meyer e Tucker.

"I futuri documenti della serie si baseranno sulle fondamenta del conteggio degli alberi, ampliare le aree studiate, e cercare modi per calcolare il loro contenuto di carbonio, " ha detto Tucker. Le missioni della NASA come la missione Global Ecosystem Dynamics Investigation, o GEDI, e ICESat-2, o il ghiaccio, Nube, e Land Elevation Satellite-2, stanno già raccogliendo dati che verranno utilizzati per misurare l'altezza e la biomassa delle foreste. Nel futuro, combinare queste fonti di dati con la potenza dell'intelligenza artificiale potrebbe aprire nuove possibilità di ricerca.

"Il nostro obiettivo è vedere quanto carbonio c'è negli alberi isolati nelle vaste parti aride e semi-aride del mondo, "Tucker ha detto. "Quindi dobbiamo capire il meccanismo che guida lo stoccaggio del carbonio nelle aree aride e semi-aride. Forse queste informazioni possono essere utilizzate per immagazzinare più carbonio nella vegetazione prelevando più anidride carbonica dall'atmosfera».

"Dal punto di vista del ciclo del carbonio, queste aree aride non sono ben mappate, in termini di densità di alberi e carbonio, " Brandt ha detto. "È un'area bianca sulle mappe. Queste aree aride sono fondamentalmente mascherate. Questo perché i normali satelliti non vedono gli alberi:vedono una foresta, ma se l'albero è isolato, non possono vederlo. Ora stiamo per riempire questi punti bianchi sulle mappe. Ed è piuttosto eccitante".