Estimating Above-Ground Blue Carbon in a Tropical Mangrove Using Multispectral Unmanned Aerial Vehicle Imagery
Deze studie ontwikkelt een nieuwe multispectrale drone-gebaseerde segmentatiemethodologie om bovengrondse blauwe koolstof te schatten in de door menselijke druk getroffen mangroven van de Baai van Suape, Brazilië, waarbij een opslagcapaciteit van 79,8 MgC.ha⁻¹ wordt onthuld die ruimtelijk varieert van estuariumkanalen tot hypersaliene vlaktes.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je een mangrovenbos voor als een enorme, levende bankrekening. In plaats van geld slaat deze bank "blauwe koolstof" op, een type koolstof dat door bomen uit de lucht wordt opgenomen en wordt vastgelegd in hun hout en wortels. Dit is cruciaal omdat het helpt bij de strijd tegen klimaatverandering. Het tellen van hoeveel koolstof er in deze bossen zit, is echter meestal alsof je probeert elk individueel zandkorreltje op een strand te tellen terwijl je door dikke modder en verstrengelde wortels waadt. Het is traag, moeilijk en vaak onmogelijk om een volledig beeld te krijgen.
Dit artikel beschrijft een nieuwe, hoogtechnologische manier om dit te tellen met behulp van "drones" (onbemande luchtvaartuigen) uitgerust met speciale camera's, die fungeren als een superkrachtige set ogen in de lucht.
Hier is hoe de onderzoekers het aanpakten, onderverdeeld in eenvoudige stappen:
1. Het hoogtechnologische oog in de lucht
In plaats van mensen met meetlinten het moeras in te sturen, vloog het team een drone boven een mangrovenbos in Suape Bay, Brazilië. Dit was geen normale drone; deze had een "multispectrale" camera. Denk aan deze camera als een set van zes verschillende paren brillen. Eén paar ziet normale kleuren (zoals rood en groen), terwijl de andere de onzichtbare wereld zien (zoals infrarood en "red edge"). Deze speciale brillen stellen de drone in staat om de "gezondheid" en "structuur" van de bomen te zien op manieren die het menselijk oog niet kan waarnemen.
2. Een 3D-kaart bouwen
De drone maakte duizenden foto's en voegde deze samen om een 3D-kaart van het bos te maken. Het is alsof je een foto van een taart vanuit elke hoek maakt en vervolgens een computer gebruikt om een perfect 3D-model van die taart te bouwen. Dit model liet precies zien hoe hoog de bomen waren en hoe groot hun kronen (de bladerige toppen) waren.
3. De "Digitale Detective" (Segmentatie)
Het moeilijkste deel van het tellen van bomen van bovenaf is dat ze vaak zo dicht bij elkaar groeien dat hun bladeren overlappen, waardoor ze op één grote groene vlek lijken. Om dit op te lossen, gebruikten de onderzoekers een methode genaamd "Object-Based Image Analysis" (OBIA).
Stel je voor dat je naar een schaal met gemengde jellybeans kijkt. Als je alleen naar de kleuren kijkt, is het een chaos. Maar als je een hulpmiddel gebruikt om de jellybeans voorzichtig uit elkaar te duwen en elke afzonderlijke vorm te tellen, kun je ze nauwkeurig tellen. De onderzoekers leerden hun computer dit te doen. Ze gebruikten de speciale "brillen" van de drone om de bovenkant van de bomen (de hoogste punten) te vinden en groeiden vervolgens een digitale omtrek rond elke boom, waardoor ze werden gescheiden van de modder, het water en hun buren.
4. De "Boomvertaler" (Allometrische vergelijkingen)
Zodra de computer de bomen had geteld en hun hoogte en kroonomvang had gemeten, moest hij raden hoeveel hout (en dus koolstof) erin zat. Omdat de drone niet de dikte van de boomstammen kon meten (wat normaal gesproken is hoe je het gewicht berekent), gebruikten de onderzoekers een "vertaler".
Ze gingen het bos in op de grond en maten een klein stukje bomen om de relatie tussen de hoogte van een boom en de dikte van de stam te zien. Ze maakten een wiskundige formule (een vergelijking) die zegt: "Als een boom deze hoogte heeft, heeft hij waarschijnlijk dit veel hout." Ze voerden vervolgens de hoogtegegevens van de drone in deze formule in om het gewicht van de bomen te schatten die ze niet konden aanraken.
5. De Resultaten: Een Verrassende Schat
De onderzoekers testten vijf verschillende "vertaler"-formules. Ze ontdekten dat de formule die de kroonomvang en hoogte van de boom gebruikte, het meest nauwkeurig was voor dit specifieke bos.
Dit is wat ze vonden:
- De Hoeveelheid: Ondanks dat het naast een drukke industriële haven ligt en al decennia te maken heeft met vervuiling, is dit mangrovenbos een koolstofkrachtpatser. Het slaat ongeveer 79,8 ton koolstof per hectare op (een hectare is ongeveer de grootte van twee Amerikaanse American football velden).
- Het Patroon: De koolstof is niet gelijkmatig verdeeld. Het is als een piramide. De bomen direct naast de watergangen zijn het grootst en bevatten de meeste koolstof. Naarmate je verder landinwaarts beweegt richting de zoute, droge vlaktes, worden de bomen kleiner en bevatten ze minder koolstof.
- De Vergelijking: Toen ze hun hoogtechnologische dronekaart vergeleken met wereldwijde satellietkaarten, ontdekten ze dat de wereldwijde kaarten de koolstof met ongeveer de helft onderschatten. De drone toonde aan dat dit specifieke, enigszins beschadigde bos eigenlijk veel rijker is aan koolstof dan de algemene wereldwijde schattingen suggereerden.
De Kernboodschap
Deze studie bewijst dat je niet door de modder hoeft te waden om een goede schatting te krijgen van de koolstof in een mangrovenbos. Door een drone met speciale camera's en een slim computerprogramma te gebruiken om individuele bomen te scheiden, creëerden het team een snelle, nauwkeurige en herhaalbare manier om "het geld te tellen" in de mangrovenbank. Ze ontdekten dat zelfs in een zware, industriële omgeving, deze bossen nog steeds een enorme hoeveelheid koolstof vasthouden, wat ze essentieel maakt voor de planeet.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.