Die Karte basiert auf Satellitenbildern aus dem Jahr 2020 und weist eine Auflösung von zehn mal zehn Metern auf. Für die Erstellung der Weltkarte trainierten die Forscher ihr Modell mit Lasermessungen der Gedi-Mission der US-Raumfahrtbehörde NASA, die punktuelle Höhendaten zwischen dem 51. nördlichen und südlichen Breitengrad liefert und verknüpften diese Informationen mit optischen Satellitenbildern von zwei Copernicus Sentinel-2-Satelliten der Europäischen Weltraumorganisation (ESA). Durch das Training lernte das neuronale Netzwerk, die Baumhöhen aus hunderttausenden Satellitenbildern für die ganze Erde automatisch zu schätzen.
Naturschutz und Klimamodelle
Aus Sicht der Forscher liefert der neue Ansatz interessante Ausgangspunkte für Forschung, Regierungen, Verwaltungen und NGOs. „Dank Sentinel-2 könnte man alle fünf Tage die Vegetationshöhen neu berechnen und hätte so ein Monitoring, um die Regenwaldabholzung zu beobachten“, nannte Nico Lang von der ETH Zürich als Beispiel. Er hat in seiner Doktorarbeit den Ansatz entwickelt, der nun in einer noch nicht von anderen Fachleuten begutachteten Studie vorgestellt wurde.
Generell diene die neue Methode den laufenden Bemühungen zum Schutz der Wälder und habe das Potenzial, Fortschritte bei der Modellierung des Klimas, des globalen Kohlenstoffkreislaufs und der biologischen Vielfalt zu fördern, schreiben die Forscher.