Opis projektu
Odkrywanie ekonomicznego i ekologicznego znaczenia drzew na terenach nieleśnych
Drzewa rosnące na terenach nieleśnych nie cieszyły się dotąd większą uwagą naukowców. Okazuje się, że niewiele wiemy na temat ich gęstości i rozmiarów, choć są one niezmiernie istotne dla zachowania bioróżnorodności i pełnią wiele przydatnych funkcji w ekosystemach. Finansowany ze środków UE projekt TOFDRY będzie koncentrować się na drzewach porastających tereny suche. Jego celem jest zrozumienie, w jaki sposób ludzka ingerencja i zmiany klimatyczne wpływają na ten rodzaj roślinności oraz w jaki sposób takie drzewa pomagają ograniczać degradację gleb, zmiany klimatyczne i ubóstwo. Aby udzielić odpowiedzi na te pytania, w ramach projektu zostaną przeprowadzone badania poszczególnych drzew, pozwalające zarejestrować powierzchniowe pokrycie nimi terenu, ale też ich gęstość, rozmiar korony oraz główne funkcje ekologiczne i wyznaczniki społeczno-środowiskowe. W badaniach zostaną wykorzystane zdjęcia satelitarne i duże zbiory danych terenowych. Za identyfikację obiektów w zbiorach obrazów będą odpowiadać algorytmy uzyskane technikami uczenia głębokiego.
Cel
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.
Dziedzina nauki
- 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
Program(-y)
Temat(-y)
System finansowania
ERC-STG - Starting GrantInstytucja przyjmująca
1165 Kobenhavn
Dania