Utilizzando potenti supercomputer e algoritmi di apprendimento automatico, il team ha mappato il diametro della corona, la larghezza di un albero se visto dall’alto, di oltre 1,8 miliardi di alberi su un’area di oltre 500.000 miglia quadrate. Il team ha mappato il modo in cui il diametro, la copertura e la densità della chioma degli alberi variavano 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, ha affermato il team, rispetto a poche settimane per questo studio. L’uso di immagini ad altissima risoluzione e di 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 alberi non forestali in una vasta area, ma anche di calcolare la quantità di carbonio che immagazzinano, informazioni vitali per comprendere il ciclo del carbonio della Terra e come sta cambiando nel tempo.
I supercomputer per la mappatura degli alberi
Il carbonio è uno degli elementi costitutivi primari di tutta la vita sulla Terra e questo elemento circola tra la terra, l’atmosfera e gli 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 terra o nell’oceano. Gli alberi e altra vegetazione verde sono “serbatoi” di carbonio, nel senso che usano il carbonio per la crescita e lo immagazzinano fuori dall’atmosfera nei loro tronchi, rami, foglie e radici. Le attività umane, come bruciare alberi e combustibili fossili o disboscare terreni boschivi, rilasciano carbonio nell’atmosfera sotto forma di anidride carbonica e le crescenti concentrazioni di anidride carbonica atmosferica sono una delle cause principali del cambiamento climatico.
Il team ha eseguito un potente algoritmo di calcolo chiamato rete neurale completamente convoluzionale (“apprendimento profondo”), uno dei supercomputer più veloci del mondo. Il team ha addestrato il modello contrassegnando manualmente quasi 90.000 alberi singoli su una varietà di terreno, quindi consentendogli di “apprendere” quali forme e ombre indicavano la presenza di alberi. Ciò può avere riscontri molto utili, per l’analisi degli alberi e della loro capacità di immagazzinare carbonio.