Ein Team unter der Leitung von Rumi Chunara von der New York University (NYU) nutzt Satellitenbilder und Deep Learning, um Grünflächen genauer zu erfassen und den Städten bessere Werkzeuge für die Überwachung und Planung an die Hand zu geben, was für die Gewährleistung gesunder Städte entscheidend sei, schreiben die WissenschaftlerInnen in einer aktuellen Mitteilung.
Um ihren Ansatz zu validieren, testeten die Forscher das System in Karatschi, der größten Stadt Pakistans. Karatchi erwies sich als idealer Testfall mit seiner Mischung aus dichten städtischen Gebieten und unterschiedlichen Vegetationsbedingungen.
Die Analyse des Teams zeigt ein heftiges ökologisches Gefälle: In einigen Gebieten gibt es von Bäumen gesäumte Straßen, während in vielen Vierteln fast keine Vegetation vorhanden ist.
Die Städte haben seit langem Schwierigkeiten, ihre Grünflächen – von Parks bis hin zu einzelnen Straßenbäumen – genau zu erfassen, wobei bei herkömmlichen Satellitenanalysen bis zu 37 Prozent der städtischen Vegetation übersehen werden.
Angesichts des Klimawandels und der raschen Verstädterung sei eine genaue Erfassung unerlässlich geworden. Grünflächen können dazu beitragen, die Temperaturen in den Städten zu senken, die Luftverschmutzung zu mindern und wichtige Erholungsräume zu schaffen.
Diese Vorteile können jedoch ungleich verteilt sein. In einkommensschwachen Gegenden fehlt es oft an Vegetation, so dass es dort heißer und verschmutzter ist als in wohlhabenden Vierteln, die von Bäumen gesäumt sind.
Das Forschungsteam entwickelte seine Lösung durch die Verbesserung von KI-Segmentierungsarchitekturen, wie z. B. DeepLabV3+. Mithilfe von hochauflösenden Satellitenbildern von Google Earth trainierten sie das System, indem sie ihre Trainingsdaten um verschiedene Versionen von grüner Vegetation unter unterschiedlichen Licht- und Jahreszeitenbedingungen erweiterten – ein Prozess, den sie „grüne Augmentation“ nennen. Diese Technik verbesserte die Genauigkeit der Vegetationserkennung um 13,4 Prozent im Vergleich zu bestehenden KI-Methoden – ein bedeutender Fortschritt in diesem Bereich.
Bei der Messung der Häufigkeit, mit der das System die Vegetation korrekt identifiziert, erreichte es eine Genauigkeit von 89,4 Prozent bei einer Zuverlässigkeit von 90,6 Prozent, was wesentlich besser ist als bei herkömmlichen Methoden, die nur eine Genauigkeit von 63,3 Prozent bei einer Zuverlässigkeit von 64,0 Prozent erreichen.
„Bisherige Methoden beruhten auf einfachen Messungen der Lichtwellenlänge“, so Chunara, der Direktor des NYU Center for Health Data Science und Mitglied des Visualization Imaging and Data Analysis Center (VIDA) der NYU Tandon ist. „Unser System lernt, feinere Muster zu erkennen, die Bäume von Gras unterscheiden, selbst in schwierigen städtischen Umgebungen. Diese Art von Daten ist für Stadtplaner notwendig, um Stadtteile zu identifizieren, in denen es an Vegetation fehlt, damit sie neue Grünflächen entwickeln können, die den größtmöglichen Nutzen bringen. Ohne eine genaue Kartierung können die Städte Ungleichheiten nicht wirksam bekämpfen.“
Die Analyse von Karatchi ergab, dass in der Stadt im Durchschnitt nur 4,17 Quadratmeter Grünfläche pro Person zur Verfügung stehen, weniger als die Hälfte des von der Weltgesundheitsorganisation (WHO) empfohlenen Mindestwerts von neun Quadratmetern pro Kopf. Die Disparität innerhalb der Stadtteile ist dramatisch: Während einige abgelegene Stadtbezirke – Pakistans kleinste Kommunalverwaltung, insgesamt 173 wurden in die Studie einbezogen – über 80 Quadratmeter pro Person verfügen, haben fünf Stadtbezirke weniger als 0,1 Quadratmeter pro Kopf.
Die Studie ergab auch, dass es in Gebieten mit mehr asphaltierten Straßen – in der Regel ein Zeichen für wirtschaftliche Entwicklung – tendenziell mehr Bäume und Gras gibt. Noch bedeutender ist, dass in acht verschiedenen untersuchten Stadtbezirken Gebiete mit mehr Vegetation deutlich niedrigere Oberflächentemperaturen aufwiesen, was die Rolle von Grünflächen bei der Kühlung von Städten belegt.
Singapur zeigt, was mit bewusster Planung möglich ist. Trotz einer ähnlichen Bevölkerungsdichte wie Karatschi bietet es 9,9 Quadratmeter Grünfläche pro Person und übertrifft damit die Zielvorgabe der WHO.
Die Anwendung auf andere Städte würde ein erneutes Training des Systems auf lokalen Satellitenbildern erfordern.
Finanziert wurde die Studie von der National Science Foundation und den National Institutes of Health.
