Motivation
Um das 1,5°C-Ziel des Pariser Klimaabkommens zu erreichen, müssen Wälder effektiv CO₂ speichern können. Doch nur 21 % unserer Wälder sind gesund, daher sind schnelle Aufforstungsmaßnahmen nötig. Emissionshandel kann helfen, Investitionen in Aufforstung attraktiver zu machen, doch der freiwillige Kompensationsmarkt ist intransparent und wenig standardisiert. Die Ergebnisse von Aufforstungsprojekten werden bisher nur durch die Anzahl der Bäume gezählt, ohne die tatsächliche CO₂-Aufnahme zu messen. In Deutschland werden Schadflächen und Bäume zudem größtenteils manuell erfasst. Verständliche Prognosen über Kosten und Nutzen sind entscheidend, um den Klimaschutz effizient voranzutreiben.
Ziele und Vorgehen
AI-4EST hat das Ziel, präzise Prognosewerkzeuge für die Erhaltung und Entwicklung von Wäldern zu schaffen. Dazu werden Daten aus Satellitenbildern, Baumkatastern, Überflügen und Waldbrandvorhersagesystemen genutzt, um den Wald automatisch bis auf den einzelnen Baum zu klassifizieren. Mithilfe wissenschaftlicher Modelle und KI-Methoden sollen der zukünftige Zustand des Waldes in verschiedenen Szenarien und die Auswirkungen von Aufforstungsmaßnahmen vorhergesagt werden. Durch die sogenannte Multiparameter-Optimierung werden die besten Szenarien identifiziert und detaillierte Aufforstungspläne abgeleitet. Parameter wie Baumart, Pflanzdichte und Standortfaktoren werden berücksichtigt, um Kohlenstoffbindung und Biodiversität zu maximieren. Besonderer Fokus liegt dabei auf heimischen Arten, um die Widerstandsfähigkeit von Wäldern und Mooren zu stärken.
Innovationen und Perspektiven
Das Projekt bietet transparente Ansätze, um den Gesundheitszustand von Waldflächen zu bewerten und nachhaltig zu verbessern. Es unterstützt regionale Waldbesitzer und Investoren dabei, hohe Anforderungen an Biodiversität und Kohlenstoffbindung zu erfüllen, die Folgen des Klimawandels zu mildern und den Kompensationsmarkt zu verbessern. Die entwickelten Technologien sollen weltweit wettbewerbsfähig sein.