Natürliche Intelligenz künstlich verstehen

Über den Baumumfang können vielerlei Rückschlüsse auf Baumgesundheit und Wachstum gemacht werden. Im Zuge des FFG-geförderten Projekts AI4Trees versuchen Forschende nun, mittels künstlicher Intelligenz die natürlichen Vorgänge dahinter besser zu verstehen. Ziel ist neben der Untersuchung von Extremereignissen auch die Identifikation wichtiger Monitoringparameter.

Die Datenbasis für das Projekt AI4Trees stammt aus dem österreichischen Waldmonitoring ICP Forests. Seit 2011 erhebt das Bundesforschungszentrum für Wald (BFW) auf sechs Probeflächen eine Vielzahl ökologischer und klimatischer Parameter. Unter den Messinstrumenten befinden sich auch sogenannte Dendrometer. Mit ihnen können Änderungen des Baumumfangs im Stundentakt erfasst werden.

Extreme Bedingungen berücksichtigen

Ziel vom Projekt AI4Trees ist es die Wachstumsprozesse besser zu verstehen: Das gilt insbesondere für extreme Umweltbedingungen, unter denen die Bäume etwa mit starken Stürmen oder Trockenheit zu kämpfen haben. Ein besseres Verständnis der zugrundeliegenden Prozesse und Interaktionen ist insbesondere auch für die Planung von künftigen Messkampagnen von Interesse. Dadurch lassen sich jene Monitoringparameter identifizieren, die einen hohen Informationsgehalt über das Dickenwachstum mit sich bringen. Die Überlegung dabei ist: Versteht man die Wachstumsprozesse, kann man sich bei den Erhebungen auf die wesentlichen Parameter beschränken und so besser reagieren. Aus der Sicht des BFW ist dies ein wichtiger Schritt, um künstliche Intelligenz in künftige Prognosemodell einzubinden.

(Un)erklärbare künstliche Intelligenz

Neben statistischen Modellierungen liegt der Fokus des Projekts insbesondere auf der Modellierung mittels künstlicher Intelligenz (KI). Unter KI versteht man die Verwendung von Computern, um Dinge zu tun, die traditionell menschliche Intelligenz erfordern. Das bedeutet, Algorithmen zu erstellen, um Daten zu klassifizieren, zu analysieren und Vorhersagen zu treffen. Dazu gehört auch, auf Daten zu reagieren, aus neuen Daten zu lernen und sich im Laufe der Zeit zu verbessern.

Für die Methoden wird vor allem eine große Menge an unterschiedlichen Daten benötigt, die auf den ICP Forests Flächen zur Genüge vorhanden sind. Einer der größten Nachteile von Modellen, die sich künstlicher Intelligenz bedienen, ist die schwere Nachvollziehbarkeit von Entscheidungen. Aus diesem Grund verfolgt das Projekt den Ansatz der erklärbaren künstlichen Intelligenz.

Walddaten im Datenwald

Zusätzlich werden die Probeflächen in regelmäßigen Abständen mittels LiDAR vermessen. Die moderne Laserscanningtechnologie liefert eine Punktewolken (siehe Titelbild), aus der etliche Kenngrößen im Bestand abgeleitet werden. Darunter neben Baumhöhen und –umfängen auch die Konkurrenzverhältnisse, Totholz und die Kronen. Wichtige weitere Informationen werden zudem auch aus Satellitendaten bezogen.

Projektinfos

Projekttitel: AI4Trees
Laufzeit: 2022-2025
Projektwebseite: https://ai4trees-project.at/
Fördergeber: FFG
Program: AI for Green (https://www.ffg.at/ai)
Projektleitung: AIT (AIT Austrian Institute of Technology GmbH)

Projektpartner: BFW (Bundesforschungszentrum für Wald)
Umweltdata GmbH
E.C.O. Institut für Ökologie Jungmeier GmbH
GeoVille Informationssysteme und Datenverarbeitung GmH
Know-Center GmbH

Kontakt

Anita Zolles, Karl Gartner, Bundesforschungszentrum für Wald, Seckendorff-Gudent-Weg 8, 1131 Wien, anita.zolles@bfw.gv.at