Modelling Carbon Sequestration of Agroforestry Systems in West Africa using Remote Sensing
Modellierung der Kohlenstoffbindung von agroforstwirtschaftlichen Systemen in Westafrika mittels Fernerkundung
Please always quote using this URN: urn:nbn:de:bvb:20-opus-369269
- The production of commodities such as cocoa, rubber, oil palm and cashew, is the main driver of deforestation in West Africa (WA). The practiced production systems correspond to a land managment approach referred to as agroforestry systems (AFS), which consist of managing trees and crops on the same unit of land.Because of the ubiquity of trees, AFS reported as viable solution for climate mitigation; the carbon sequestrated by the trees could be estimated with remote sensing (RS) data and methods and reported as emission reduction efforts.The production of commodities such as cocoa, rubber, oil palm and cashew, is the main driver of deforestation in West Africa (WA). The practiced production systems correspond to a land managment approach referred to as agroforestry systems (AFS), which consist of managing trees and crops on the same unit of land.Because of the ubiquity of trees, AFS reported as viable solution for climate mitigation; the carbon sequestrated by the trees could be estimated with remote sensing (RS) data and methods and reported as emission reduction efforts. However, the diversity in AFS in relation to their composition, structure and spatial distribution makes it challenging for an accurate monitoring of carbon stocks using RS. Therefore, the aim of this research is to propose a RS-based approach for the estimation of carbon sequestration in AFS across the climatic regions of WA. The main objectives were to (i) provide an accurate classification map of AFS by modelling the spatial distribution of the classification error; (ii) estimate the carbon stock of AFS in the main climatic regions of WA using RS data; (iii) evaluate the dynamic of carbon stocks within AFS across WA. Three regions of interest (ROI) were defined in Cote d'Ivoire and Burkina Faso, one in each climatic region of WA namely the Guineo-Congolian, Guinean and Sudanian, and three field campaigns were carried out for data collection. The collected data consisted of reference points for image classification, biometric tree measurements (diameter, height, species) for biomass estimation. A total of 261 samples were collected in 12 AFS across WA. For the RS data, yearly composite images from Sentinel-1 and -2 (S1 and S2), ALOS-PALSAR and GEDI data were used. A supervised classification using random forest (RF) was implemented and the classification error was assessed using the Shannon entropy generated from the class probabilities. For carbon estimation, different RS data, machine learning algorithms and carbon reference sources were compared for the prediction of the aboveground biomass in AFS. The assessment of the carbon dynamic was carried between 2017 and 2021. An average carbon map was genrated and use as reference for the comparison of annual carbon estimations, using the standard deviation as threshold. As far as the results are concerned, the classification accuracy was higher than 0.9 in all the ROIs, and AFS were mainly represented by rubber (38.9%), cocoa (36.4%), palm (10.8%) in the ROI-1, mango (15.2%) and cashew (13.4%) in ROI-2, shea tree (55.7%) and African locust bean (28.1%) in ROI-3. However, evidence of misclassification was found in cocoa, mango, and shea butter. The assessment of the classification error suggested that the error level was higher in the ROI-3 and ROI-1. The error generated from the entropy was able to reduced the level of misclassification by 63% with 11% of loss of information. Moreover, the approach was able to accuretely detect encroachement in protected areas. On carbon estimation, the highest prediction accuracy (R²>0.8) was obtained for a RF model using the combination of S1 and S2 and AGB derived from field measurements. Predictions from GEDI could only be used as reference in the ROI-1 but resulted in a prediction error was higher in cashew, mango, rubber and cocoa plantations, and the carbon stock level was higher in African locust bean (43.9 t/ha), shea butter (15 t/ha), cashew (13.8 t/ha), mango (12.8 t/ha), cocoa (7.51 t/ha) and rubber (7.33 t/ha). The analysis showed that carbon stock is determined mainly by the diameter (R²=0.45) and height (R²=0.13) of trees. It was found that crop plantations had the lowest biodiversity level, and no significant relationship was found between the considered biodiversity indices and carbon stock levels. The assessment of the spatial distribution of carbon sources and sinks showed that cashew plantations are carbon emitters due to firewood collection, while cocoa plantations showed the highest potential for carbon sequestration. The study revealed that Sentinel data could be used to support a RS-based approach for modelling carbon sequestration in AFS. Entropy could be used to map crop plantations and to monitor encroachment in protected areas. Moreover, field measurements with appropriate allometric models could ensure an accurate estimation of carbon stocks in AFS. Even though AFS in the Sudanian region had the highest carbon stocks level, there is a high potential to increase the carbon level in cocoa plantations by integrating and/or maintaining forest trees.…
- Die Produktion von Rohstoffen wie Kakao, Kautschuk, Ölpalmen und Cashew ist die Hauptursache fur die Entwaldung in Westafrika (WA). Die verwendeten Produktionssyteme entsprechen einem Landbewirtschaftungskonzept, welches als Agroforstsysteme (AFS) bezeichnet wird und darin besteht, Baume und Nutzpflanzen auf der gleichen Landeinheit zu bewirtschaften. Aufgrund der kohlenstoffbindung durch Baumen sind AFS als praktikable Losung fur den Klimaschutz anerkannt, die Vielfalt der AFS in Bezug auf ihre Zusammensetzung, Struktur un raumliche VerteilungDie Produktion von Rohstoffen wie Kakao, Kautschuk, Ölpalmen und Cashew ist die Hauptursache fur die Entwaldung in Westafrika (WA). Die verwendeten Produktionssyteme entsprechen einem Landbewirtschaftungskonzept, welches als Agroforstsysteme (AFS) bezeichnet wird und darin besteht, Baume und Nutzpflanzen auf der gleichen Landeinheit zu bewirtschaften. Aufgrund der kohlenstoffbindung durch Baumen sind AFS als praktikable Losung fur den Klimaschutz anerkannt, die Vielfalt der AFS in Bezug auf ihre Zusammensetzung, Struktur un raumliche Verteilung erschwert jedoch eine genaue Schatzung der Kohlenstoffvorrate. Hier konnen Daten und Methoden der satellitenbasierten Erdbeobachtung ansetzten. Ziel dieser Forschungsarbeit ist es daher, einen fernerkundungs-basierten Ansatz fur die Schatzung der Kohlenstoffbindung in AFS in den Klimaregionen von WA vorzuschlagen. Die Hauptziele waren (i) die Erstellung einer genauen Klassifizierungskarte von AFS durch Modellierung der raumlichen verteilung des Klassifizierungsfehlers; (ii) die Shatzung des Kohlenstoffbestands von AFS in den wichtigsten Klimaregionen von WA unter Verwendung von Fernerkundungs-daten (RS); (iii) die Bewertung der raumlichen Verteilung von Kohlenstoffquellen und -senken innerhalb von AFS in ganz WA. Fur jede Klimaregion in West Afrika wurden drei Regionen von Interesse (ROI) festgelegt, namlich die guineisch-kongolesische (ROI 1), die guineische (ROI 2) und die sudanesische Region (ROI 3) in Côte d'Ivoire und Burkina Faso, und es wurden drei Feldkampagnen zur Datenerhebung durchgefuhrt. Die gesammelten Daten bestanden aus Referenzpunkten fur die Bildklassifizierung und biometrischen Messungen (Durchmesser, Hohe, Artname) zur Schatzung der Biomasse. Insgesamt wurden 261 Proben in 12 AFS in ganz WA gesammelt. Fur die RS-Daten wurden jahrliche Komposite von Sentinel-1 und -2 (s1 und S3), ALOS-PALSAR und GEDI-Daten verwendet. Es wurde eine uberwachte Klassifizierung mit Random Forest (RF) algorithmus durch gefuhrt, und der Klassifizierungsfehler wurde anhand der aus den Klassenwahrscheinlichkeiten generierten Shannon-Entropie bewertet. Fur die Kohlenstoffschatzung wurden verschiedene RS-Daten, Algorithmen fur maschinelles Lernen und Kohlenstoff-Referenzquellen fur die Vorhesage des Kohlenstoffs in AFS verglichen. Die Bewertung der raumlichen Verteilung von Kohlenstoffsenken und -quellen basierte auf der Bewertung von Anomalien in der Kohlenstoffdynamik zwischen 2017 und 2021. Es wurde eine Karte zum durchschnittliche gebundenen Kohkenstoff erstellt, und die jahrliche Differenz wurde verwendet, um Kohlenstoffsenken und -quellen zu identifizieren. Die Klassifizierungsgenauigkeit war in allen ROI hoher als 0.9, in der Region dominierten Kautschuk (38.9%), Kakao (36.4%), Palme (10.8%) in ROI-1, Mango (15.2%) und Cashew (13.4%) in ROI-2, Sheabaum (55.7%) und Johannisbrot (28.1%) in ROI-3. Hinweise auf eine Fehlklassifizierung wurden vor allem bei Kakao, Mango un Sheabutter gefunden. Die Bewertung des Klassifizierungsfehlers ergab, dass das Fehlerniveau in ROI-3 und ROI-1 hoher war. Der aus der Entropie generiete Fehler konnte das Ausmass der Fehlklassifizierung reduzieren, ohne die gut klassifizierten Pixel zu beeintrachtigen. Ausserdem war der Ansatz in der Lage, Eingriffe in Schutzgebiete zuverlassig un akkurat zu erkennen. Was die Kohlenstoffschatzung betrifft, so wrude die hochste Vorhersagegenauigkeit (R²> 0.8)bei der Kombination von S1 und S2 mit Random Forest und AGB aus Feldmessungen erzielt. Vorhersagen von GEDI konnten nur als Referenz in der ROI verwendet werden, fuhrten aber zu einem Vorhersagefehler bei Cashew-, Mango-, Kautschuk- und Kakaoplantagen hoher war und der Kohlenstoffbestand bei Johannisbrot (43.9t/ha), Sheabutter (15 t/ha), Cashew (13.8 t/ha), Mango (12.8t/ha), Kakao (7.51 t/ha) und Kautschuk (7.33 t/ha) hoher war. Die Analyse zeigte, dass der Kohlenstoffbestand hauptsachlich durch den Durchmesser (R²=0.45) und die Hohe (R²=0.13) der Baume beeinflusst wird. Zudem wurde festgestellt, dass Plantagenkulturen die geringste Biodiversitat aufweisen, und es wurde kein signifikanter Zusammenhang zwischen Biodiversitatsindizes und Kohlenstoffvorraten festgestellt. Die Bewertung der raumlichen Verteilung von Kohlenstoffquellen und -senken zeigte, dass Cashew ein Kohlenstoffemittent ist, da in dieser Region Brennholz gesammelt wird, wahrend Kakaoplantagen wichtige Kohlenstoffsenken sind. Die Studie ergab zudem, dass Sentinel-Daten zur Unterstutzung eines RS-basierten Ansatzes fur die Modellierung der Kohlenstoffbindung in AFS verwendet werden konnten. Die Entropie konnte zur Kartierung von Anbauplantagen und zur uberwachen von Schutzgebiete verwendet werden. Daruber hinaus gewahrleisten feldmessungen mit geeigneten allometrischen Modellen eine genaue Schatzung der Kohlenstoffvorrate in AFS. Die AFS in der sudanesischen Region weisen die hochsten Kohlenstoffvorrate auf, aber es besteht die Moglichkeit, den Kohlenstoffgehalt in Kakaoplantagen durch die Integration und/oder Erhaltung von Waldbaumen zu erhoehen.…
Author: | Dan Emmanuel Kanmegne TamgaGND |
---|---|
URN: | urn:nbn:de:bvb:20-opus-369269 |
Document Type: | Doctoral Thesis |
Granting Institution: | Universität Würzburg, Graduate Schools |
Faculties: | Graduate Schools / Graduate School of Science and Technology |
Referee: | Prof. Dr. Tobias Ullmann, Prof. Dr. Roland Baumhauer, PD Dr. Hooman Latifi |
Date of final exam: | 2024/03/12 |
Language: | English |
Year of Completion: | 2024 |
DOI: | https://doi.org/10.25972/OPUS-36926 |
Dewey Decimal Classification: | 5 Naturwissenschaften und Mathematik / 55 Geowissenschaften, Geologie / 550 Geowissenschaften |
GND Keyword: | SequestrierungGND; FernerkundungGND; WestafrikaGND |
Tag: | West Africa; agroforestry systems; carbon sequestration; remote sensing |
Release Date: | 2024/07/02 |
Licence (German): | ![]() |