Som det første land kan Rwanda nu fremlægge en national opgørelse over kulstofindholdet i skovenes træer, hvor hvert eneste træ i landet er talt med. Metoden er udviklet af forskere ved Københavns Universitet i samarbejde med rwandiske myndigheder og forskere, og den giver meget mere nøjagtige opgørelser, end andre metoder til national kortlægning hidtil har gjort:
”De nuværende internationale opgørelser over skoves kulstofindhold er behæftet med stor usikkerhed. Ved at kortlægge indholdet af kulstof i alle træer individuelt opnår vi en markant forøgelse af nøjagtigheden,” siger ph.d.-forsker Maurice Mugabowindekwe fra Institut for Geovidenskab og Naturforvaltning (IGN) på Københavns Universitet, som er hovedforfatter på den videnskabelige artikel, der præsenterer den nye metode.
Metoden blev udviklet netop for Rwanda, fordi landet er repræsentativt for mange tropiske lande med stor variation i landskaber – fx savanner, skovstrækninger, buskområder, landbrugsegne – så forskerne kunne efterprøve metoden for flere landskabstyper, fortæller Maurice Mugabowindekwe, der selv er rwander. Men Rwanda er også interessant, fordi landet har fokus på at beskytte deres skove, hvilket er anerkendt som et vigtigt elementer i forebyggelse af klimaforandringer:
”Samtidig har Rwanda tilsluttet sig flere internationale aftaler om beskyttelse af skove og forebyggelse af klimaforandringer. Fx har man forpligtet sig under Bonn Challenge til at genskabe 80 procent af overfladearealet. Derfor er det særdeles relevant af have en pålidelig metode til at kortlægge træernes indhold af kulstof,” forklarer han.
Det har nemlig været svært at vurdere effekten af konkrete initiativer på områderne, fordi der har været stor usikkerhed om træernes indhold af kulstof, men den nye metode vil være en hjælp ifm. at vurdere arbejdet med at opfylde de internationale aftaler.
”Efter min mening er opgørelser over placering, størrelse og kulstofindhold af træer det første skridt i retning af at fastslå effekten af bevarelse af landskaber. Hvis man ikke er i stand til at skabe en troværdig opgørelse, vil man mangle et grundlag for at følge effekten af landskabsbevarelse. Det kan gøre beskyttelse og bæredygtig drift af såvel skove som andre trædominerede landskaber umulig. Derfor er dette forskning, der kan gøre en forskel,” siger Maurice Mugabowindekwe.
Sådan fungerer metoden
Inden for skovforskning har det længe været udbredt at kortlægge individuelle træer og beregne deres indhold af kulstof. Og grundlæggende gør forskerne nu det samme, men i en landsdækkende skala i stedet for lokalt.
Metoden udnytter, at der findes databaser, der angiver forholdet mellem trækronens omfang og det samlede indhold af kulstof i et træ. Forholdet mellem trækronens omfang og træets indhold af kulstof er imidlertid ikke konstant: Et meget stort træ indeholder langt mere kulstof end en klynge af mindre træer, hvor kronerne tilsammen har det samme omfang som kronen på det store træ.
Derfor er det afgørende for metoden, at computeren kan genkende enkelte træer, hvilket især kan være svært i regnskov. Hvis klyngen fejlagtigt blev set af computeren som et enkelt træ, ville indholdet af kulstof blive vurderet alt for højt. Forskerne udnytter et såkaldt neuralt netværk og machine learning til at genkende de enkelte træer.
Kernen i Machine Learning er at træne computeren ved hjælp af et sæt billeder, hvor man kender det rigtige svar. I det rwandiske studie bestod træningssættet af ca. 97.500 billeder, hvor træerne på billederne var kortlagt med håndkraft. Billederne repræsenterede samtlige typer af landskaber i landet.
Studiet benyttede offentligt tilgængelige fotos fra fly og satellitter med en opløsning på 25×25 cm. Billederne var optaget i 2008 og 2009 og viste 350 millioner træer.
Opgørelsen viste, at det er vigtigt også at tælle træerne uden for skovene. 72 procent af de kortlagte træer befandt sig nemlig i landbrugsområder og på savanner, mens 17 procent stod i plantager.
Samtidig viser opgørelse, at de træer, der står i naturskov – 11 procent af det samlede antal træer – rummer 51 procent af den totale mængde kulstof. Med andre ord har naturskov et meget højt indhold af kulstof i forhold til mængden af træer.
”Dette peger på, at beskyttelse af naturskovene er mere effektivt i forhold til forebyggelse af klimaforandringer, end det er at rejse plantager,” siger Maurice Mugabowindekwe.
Bruges i andre lande
Metoden er også blevet testet i en håndfuld andre lande, herunder Tanzania, Burundi, Uganda og Kenya, og forskerne håber også at få landsdækkende billeder i høj opløsning for dem og flere andre lande, så metoden kan blive udbredt.
”Resultaterne har været gode, når vi har overført metoden direkte til et nyt land eller region. Hvis man desuden træner modellen med et lokalt sæt af billeder, bliver nøjagtigheden endnu højere,” siger siger Maurice Mugabowindekwe.
Udover større nøjagtighed kan metoden til kortlægning af kulstof i træer bidrage med større ensartethed mellem forskellige landes opgørelser:
”Samtidig betyder forskelle i forudsætninger, mål og tilgængelige data, at der i dag er stor variation i, hvordan forskellige lande laver deres opgørelser. Vi håber, at denne metode vil blive den nye standard, så det fremover bliver lettere at sammenligne mellem lande,” siger han.
