Projektbeschreibung
Entschlüsselung der wirtschaftlichen und ökologischen Bedeutung von Bäumen außerhalb des Waldes
Bäume, die nicht in Wäldern wachsen, wurden von der Forschung bisher kaum beachtet. Tatsächlich ist wenig über ihre Dichte und Größe bekannt, obwohl sie eine entscheidende Rolle für die biologische Vielfalt spielen und ein breites Spektrum an Diensten für das Ökosystem leisten. Das EU-finanzierte Projekt TOFDRY wird sich auf Bäume in globalen Trockengebieten konzentrieren und möchte beleuchten, wie menschliche Eingriffe und der Klimawandel die Bäume in diesen Gebieten beeinflussen und wie die Bäume dazu beitragen können, Umweltzerstörung, Klimawandel und Armut entgegenzuwirken. Zu diesem Zweck wird das Projekt die Bäume einzeln untersuchen und die mit Bäumen bedeckte Fläche, aber auch ihre Dichte, die Größe ihrer Kronen, die wichtigsten ökologischen Dienste und sozioökologischen Faktoren erfassen. Mithilfe von Satellitenbildern und umfassenden Felddaten sowie Techniken des Deep Learning können die Objekte auf den Bildern identifiziert werden.
Ziel
Drylands cover approximately 65 million km² of the Earth’s land surface but their tree and shrub cover is a major unknown in terrestrial research. This is because a large proportion of dryland trees grow isolated without canopy closure and most scientific and non-scientific interest is devoted to forests, while the density and size of trees outside of forests is not well documented. However, these non-forest trees play a crucial role for biodiversity and provide ecosystem services such as carbon storage, food resources, livelihoods and shelter for humans and animals. The limited attention devoted to the quantification of dryland trees leads to an underrepresentation of non-forest trees in development strategies and climate\vegetation models, and the economic and ecological importance of non-forest trees is largely unknown at large scale.
Through this project I will work towards a wall-to-wall identification of trees in global drylands, and study their ecological services and socio-environmental determinants. The breakthrough is that trees are not assessed as canopy fraction of an area, but as individuals, allowing to identify not only their coverage but also their density, crown size, and key ecological services. I will apply a new generation of satellite imagery at sub-meter resolution and extensive field data in conjunction with fully convolutional neural networks, a deep learning technique being able to identify objects within imagery at an unprecedented accuracy. In doing so, I will lay the groundwork for new insights into the contribution of human agency and climate change to the distribution of dryland trees and their role in mitigating degradation, climate change and poverty.
Wissenschaftliches Gebiet
- engineering and technologymechanical engineeringvehicle engineeringaerospace engineeringsatellite technology
- natural sciencesbiological sciencesecologyecosystems
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
- natural sciencesearth and related environmental sciencesatmospheric sciencesclimatologyclimatic changes
- natural sciencescomputer and information sciencesartificial intelligencecomputational intelligence
Programm/Programme
Thema/Themen
Finanzierungsplan
ERC-STG - Starting GrantGastgebende Einrichtung
1165 Kobenhavn
Dänemark