elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Quantification of Carbon Sequestration in Urban Forests

Klein, Levente und Zhou, Wang und Albrecht, Conrad M. (2021) Quantification of Carbon Sequestration in Urban Forests. Tackling Climate Change with Machine Learning, 2021-07-23, virtual.

[img] PDF
5MB

Offizielle URL: https://www.climatechange.ai/papers/icml2021/46

Kurzfassung

Vegetation, trees in particular, sequester carbon by absorbing carbon dioxide from the atmosphere, however, the lack of efficient quantification methods of carbon stored in trees renders it difficult to track the process. Here we present an approach to estimate the carbon storage in trees based on fusing multispectral aerial imagery and LiDAR data to identify tree coverage, geometric shape, and tree species, which are crucial attributes in carbon storage quantification. We demonstrate that tree species information and their three-dimensional geometric shapes can be estimated from remote imagery in order to calculate the tree's biomass. Specifically, for Manhattan, New York City, we estimate a total of 52,000 tons of carbon sequestered in trees.

elib-URL des Eintrags:https://elib.dlr.de/143821/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Quantification of Carbon Sequestration in Urban Forests
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Klein, Leventekleinl (at) us.ibm.comNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zhou, Wangwang.zhou (at) ibm.comNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Albrecht, Conrad M.Conrad.Albrecht (at) dlr.dehttps://orcid.org/0009-0009-2422-7289NICHT SPEZIFIZIERT
Datum:2021
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Seitenbereich:Seiten 1-5
Status:veröffentlicht
Stichwörter:carbon sequestration, vegetation management, machine learning, LiDAR, multi-spectral remote sensing, climate change
Veranstaltungstitel:Tackling Climate Change with Machine Learning
Veranstaltungsort:virtual
Veranstaltungsart:internationale Konferenz
Veranstaltungsdatum:23 Juli 2021
Veranstalter :International Conference on Machine Learning
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Künstliche Intelligenz
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > EO Data Science
Hinterlegt von: Albrecht, Conrad M
Hinterlegt am:16 Sep 2021 12:11
Letzte Änderung:24 Apr 2024 20:43

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.