Mit maschinellem Lernen den Regenwald erhalten

Testlauf im chilenischen Regenwald

Für sein Forschungsprojekt namens «Komorebi» hat David Dao Partner aus der Praxis: Zum Beispiel die chilenische Forstbehörde CONAF (Corporación Nacional Forestal). Im Januar startet ein Pilotprojekt im «Valdivianischen Regenwald», der sich südlich der Hauptstadt Santiago de Chile an der Pazifikküste befindet. Im realen Regenwald lassen sich die Vorhersagealgorithmen testen und weiterentwickeln – denn Daos Ansatz birgt das Potenzial, dass man nicht nur den Rückgang des Regenwalds insgesamt erkennen kann, sondern auch, welche Baumarten besonders stark betroffen sind.
David Dao
Quelle: zvg
Das spielt im Zusammenhang mit dem Klimawandel eine Rolle, weil nicht alle Baumarten gleich viel CO2 speichern, und weil es im Waldschutz auch Ansätze gibt, die lokale Bevölkerung finanziell zu unterstützen, wenn sie Bäume als CO2-​Speicher erhält anstatt den Wald zu roden.
Im chilenischen Regenwald lässt sich unter anderem testen, wie man die Genauigkeit der Vorhersagealgorithmen verbessern kann, wenn man neben Satellitenbildern auch die Aufnahmen von tiefer fliegenden Drohnen verwendet. Im Unterschied zu Satellitenbildern können Drohnenbilder auf 30 Zentimeter genau sein: «Wenn wir Drohnenbilder haben, können wir auch Veränderungen der Baumarten beobachten und Veränderungen der Artenvielfalt erkennen», sagt Dao.
Heute stellt David Dao sein Forschungsprojekt im Rahmenprogramm der 25. UN-​Klimakonferenz in Madrid (COP25) vor. An der Session, zu der die Interamerikanische Entwicklungsbank und die chilenische Forstbehörde einladen, geht es sowohl darum, wie man neue Technologien einsetzt, um Veränderungen der Landnutzung zu erfassen und vorauszusagen, als auch darum, wie man die Ergebnisse mit Zahlungen verbinden kann, damit die lokale Bevölkerung den Regenwald erhält.
Hinweis: Dieser Artikel ist zunächst bei «ETH News» erschienen.

Autor(in) Florian Meyer, ETH-News


Das könnte Sie auch interessieren