Am Klima-Hackathon haben Forscher*innen und Entwickler*innen  für die Challenge der Cool Farm Alliance [1] an Lösungen für die Reduzierung und Bewertung des Kohlenstoff-Fußabdrucks durch Fernklassifizierung der Landschaft gearbeitet. Die BFH-Datenexpertin Namrata Gurung berichtet über den Hackathon und ihre Arbeit.

Der Klima-Hackathon wurde von Stratiteq in Partnerschaft mit Microsoft organisiert und ausgerichtet und fand vom 22. bis 26. März statt, um innovative Lösungen für den Aufbau einer nachhaltigen Welt zu finden.

Unser Team, das den 2. Platz beim Hackathon belegte, war eine Mischung aus motivierten Datenwissenschaftler*innen und Fullstack-Entwickler*innen, nämlich Dr. Matteo Jucker Riva, Dr. Namrata Gurung, Dr. Barry Sunderland, Dr. Leticia Fernandez Moguel, Jonas Henrikkson, Oded Winberger und Markus Giger. Die von Dr. Matteo Jucker initiierte App LandPro (Land Productivity Monitoring) [2] wurde vom Team während des Hackathons weiterentwickelt, um eine schnelle Bewertung beliebiger bewachsener Flächen zu ermöglichen, indem die räumliche und zeitliche Variabilität der Vegetation durch die Kombination von Bildsegmentierung mit echtzeitnahen Satellitendaten untersucht wird.

LandPro (Land Productivity Monitoring) App

LandPro App ist ein auf maschinellem Lernen basierendes Web-Interface, das die Leistungsfähigkeit von Erdbeobachtungssatelliten nutzt und die gewonnenen Daten in relevante Informationen für Landwirte, Landmanager und andere umwandelt. Der Arbeitsablauf der LandPro App umfasst drei Schritte (siehe auch Abb. 1):

1. Der Benutzer gibt den Bereich von Interesse über ein einfaches Web-Interface an. Wir rufen relevante Daten von Erdbeobachtungssatelliten ab, darunter Multispektralbilder (SENTINEL-2-Satelliten), NDVI-Zeitreihen (Normalized Difference Vegetation Index) und Schätzungen des organischen Kohlenstoffs im Boden (SOC).
2. Ein Deep-Learning-Modell zur semantischen Segmentierung unterteilt das Gebiet in Polygone mit homogener Landbedeckung.
3. Für jedes Polygon wird eine Statistik über die CO₂-Sequestrierung [3,4] erstellt: (a) Die CO₂-Absorption der Vegetation, basierend auf dem NDVI, wird als Integral des Vorjahres berechnet. (b) Der Bestand an organischem Kohlenstoff im Boden (SOC), der eine wichtige Komponente des Bodens mit bedeutenden Auswirkungen auf das Funktionieren der terrestrischen Ökosysteme ist, wird anhand der SOC-Daten des Joint Research Centre European Soil Data Centre (ESDAC) [5] geschätzt.

Alle oben genannten Daten werden dem Benutzer über eine einfache und übersichtliche kartenbasierte Oberfläche angezeigt.

Abb. 1: Der dreistufige Prozess der LandPro App: 1. Der Benutzer wählt eine Fläche per Telefon oder Computer aus, wobei er Satelliten-RGB-Bilder als Referenz oder räumliche Vektordateien verwendet. 2. Der Algorithmus diskriminiert zwischen verschiedenen Landbedeckungs-/Vegetationstypen mithilfe semantischer Segmentierung. 3. Infrarot- und Radardaten werden verwendet, um die Landproduktivität über Zeit und Raum zu klassifizieren.

LandPro App Benutzer*innen

Der Markt für die LandPro App ist sehr breit gefächert: von Landwirt*innen und Landmanager*innen, die ihre CO₂-Bindung bewerten oder nachweisen wollen, bis hin zu Unternehmen im Markt für Emissionszertifikate und im ESG-Finanzsektor (Environmental, Social and Governance), die ihren Zertifizierungsprozess für Emissionszertifikate rationalisieren und verbessern wollen. Lokale Verwaltungen, Institutionen und Naturschutzorganisationen, die das Kohlenstoffbindungspotenzial ihrer jeweiligen Landflächen verstehen und die Auswirkungen ihrer Eingriffe messen möchten, könnten diese App ebenfalls sehr nützlich finden.

Ausblick auf die LandPro-App

Weitere Verbesserungen der von uns entwickelten App werden in diesem Abschnitt diskutiert. Innerhalb der wissenschaftlichen Forschungsgemeinschaft ist das Thema CO₂-Sequestrierung und die Nutzung von hochauflösenden Echtzeit-Satellitenbildern ein heißes Thema, und so erwarten wir, dass sich die Methoden und Modelle in naher Zukunft stark verbessern werden, was uns bessere Schätzungen der CO₂-Absorption/-Emissionen ermöglichen wird, die durch die Kombination von Landbedeckungstypen mit Multispektralbildern berechnet werden können. Mehr Interaktivität, wie z.B. das Ändern von Polygongrenzen, das Hinzufügen von räumlichen Elementen, das Beschreiben von Landbewirtschaftungspraktiken für jedes der Polygone, kann weiter in die Benutzeroberfläche integriert werden.

Die Visualisierung der CO₂-Sequestrierung als Funktion der Zeit kann abgebildet werden und ihr Vergleich mit größeren Veränderungen in der jüngsten Vergangenheit könnte ebenfalls hinzugefügt werden. Darüber hinaus könnten SOC-Schätzungen in Echtzeit auf der Grundlage von SENTINEL-Bildern und aktuellen Probennahmedaten aktualisiert werden. Zusätzlich kann ein Vergleich mit benachbarten Gebieten durchgeführt werden, d.h. es können nicht nur Informationen für das vom Benutzer eingegebene Gebiet von Interesse, sondern auch für die ähnlichen Nachbargebiete bereitgestellt werden. Dadurch könnte der Benutzer nicht nur Einschätzungen über seine eigene Leistung erhalten, sondern auch Vorschläge für Orte, an denen bessere Praktiken gefunden werden können. Die LandPro App wurde von der Community sehr gut aufgenommen.

Die Firma CarbonSink [6] bestätigte ihr Interesse an der Verwendung dieser App, um das Potenzial der Kohlenstoffbindung in ihrer Projektplanungsphase zu bewerten. Der Plan der Europäischen Weltraumbehörde, ab nächsten Sommer eine globale Landbedeckungskarte mit einer hohen Auflösung von 10m2 [7] zu erstellen, wird es ermöglichen, dass unsere App viel weniger komplex, schneller zu entwickeln und einfach zu benutzen ist. Wir arbeiten an einem klickbaren MVP (Minimum Viable Product) für ein begrenztes Gebiet auf der Welt. Wir wurden auch von StartUpWiseGuys [8] ausgewählt, um an ihrem Startup-Beschleunigerprogramm teilzunehmen. Wir freuen uns sehr über weitere Kooperationen, bzw. Vorschläge von Ideen.

Fühlen Sie sich frei, uns anzusprechen und schauen Sie sich unser GitHub Repo an. Sie können auch die interaktive App, die wir beim Hackathon gebaut haben, hier ausprobieren.

Referenzen

1. https://hacktheclimate.devpost.com/details/challenges
2. Riva, Matteo Jucker, et al. «Assessment of land degradation in Mediterranean forests and grazing lands using a landscape unit approach and the normalized difference vegetation index.» Angewandte Geographie 86 (2017): 8-21. https://doi.org/10.1016/j.apgeog.2017.06.017
3. Castaldi, Fabio, et al. «Evaluating the capability of the Sentinel 2 data for soil organic carbon prediction in croplands.» ISPRS Journal of Photogrammetry and Remote Sensing 147 (2019): 267-282. https://doi.org/10.1016/j.isprsjprs.2018.11.026
4. Issa, Salem, et al. «A Review of Terrestrial Carbon Assessment Methods Using Geo-Spatial Technologies with Emphasis on Arid Lands.» Remote Sensing 12.12 (2020): 2008. https://doi.org/10.3390/rs12122008
5. Lugato, Emanuele, et al. «A new baseline of organic carbon stock in European agricultural soils using a modelling approach.» Global change biology 20.1 (2014): 313-326. https://doi.org/10.1111/gcb.12292
6. https://esa-worldcover.org/en
7. https://startupwiseguys.com/