Remote Sensing and Deep Learning of Global Tree Resources (TreeSense)

Den overordnede ambition med TreeSense er at revolutionere global træovervågning ved hjælp af avanceret satellitbillede teknologi og deep learning metoder baseret på kunstig intelligens.

Vi forventer, at TreeSense vil muliggøre en langt mere detaljeret bestemmelse af vores globale træ ressourcer end den information, vi har til rådighed i dag – både for træer indenfor og uden for skovområder. Dette inkluderer nøgle-egenskaber såsom bestemmelse af træarter, kronestørrelse og højde, kulstoflagre og -bindingsrater og lokal anvendelse.

Ikke mindst ønsker vi at udvikle nye metoder, hvormed vi kan bestemme ændringer i træ ressourcer over de seneste årtier. Dette vil gøre os i stand til at opnå en bedre forståelse af effekten af global opvarmning og ekstremvejr samt omfanget af menneskeskabte forstyrrelser af skove. Vi vil i sidste ende afdække potentialerne for træbaserede produktionssystemer, der på samme tid kan understøtte lokale levevilkår og hjælpe til afbødning af klimaforandringer, samt forbedre vores forståelse af betydningen af træressourcer for bæredygtige fødevaresystemer.

TreeSense er et tværvidenskabeligt forskningscenter, der inkluderer elementer fra computervidenskab, geoinformatik, økologi, samt både natur og kulturgeografi. Københavns Universitet (KU) Institut for Geovidenskab og Naturforvaltning (IGN), er værtsinstitution for Grundforskningscenteret TreeSense.