Koolstof meten met satellieten

De handel in carbon credits, 1 ton opgeslagen koolstof, gaat om kleine bedragen. De verdiensten zijn in Nederland nog zeer beperkt. In Amerika en Zuid Amerika zijn ze al veel groter. Daar wordt gewerkt met duizenden hectares per bedrijf.

De Rabo Carbon Bank van Rabobank noemde voor Nederland eerder een bedrag vanaf 40 euro per ton vastgelegde koolstof per hectare. In 1 hectare zit het koolstof in de bovenste lagen die rijk zijn aan organische stof. Organische stof bestaat voor ongeveer de helft uit koolstof. Die voorraad is in kleine stapjes te verhogen door duurzaam te telen of veel organische stof aan te voeren.

De grootste uitdaging is om die aanleg van koolstofvoorraad exact te meten. De koper wil immers weten of zijn aangekochte koolstof ook daadwerkelijk is vastgelegd. Eens per twee tot vier jaar een bodemmonster nemen is te kostbaar. Koolstofvoorraden wisselen per hectare en de verandering van voorraad gaat per halve of enkele procent. Dit is dus amper te meten.

Via rekenmodellen schatten wat de groei van koolstof is, lukt voor een grote regio. Maar het is nog steeds weinig specifiek op bedrijfsniveau. Het organischestofgehalte en dus de koolstofvoorraad zijn onder meer zeer afhankelijk van de bodemsoort, de gewassen die worden geteeld, het bodemleven en overig beheer. Iets wat per boerderij verschilt.

Een oplossing waar veel ontwikkeling in is, is het bepalen van de koolstof in de grond via een combinatie van rekenmodellen met satellieten, datatechnologie en sensoren.

De start-up accelerator StartLife brengt daarvoor Wageningen University & Research en de Rabo Carbon Bank samen met de Nederlandse start-ups Envirometrix en Spatialise. Zij combineren geografische data met satellietwaarnemingen en lokale gegevens, zoals bodemonderzoek en opbrengstcijfers.

Machine learning

Via zelflerende modellen oftewel machine learning zeggen de start-ups de koolstofopslag zeer nauwkeurig te kunnen meten en analyseren. Dat doen ze op afstand en continu.

Ruimtelijk analist en datawetenschapper Tom Hengl van Envirometrix werkt met grote bodemdatasets en satellietbeelden die hele continenten bestrijken. Daarop worden voorspellende kaartmodellen toegepast om bodemeigenschappen te schatten, zoals de organische koolstofdichtheid in de bodem in kilo per kuub. Dit lukt bij ruimtelijke resoluties tot 5 meter.

'Met machine learning hebben we voorspellingen gedaan van de organische koolstof en veranderingen in de zuurgraad van de bodem voor het Europese continent', geeft Hengl aan.

'We gebruikten bijna 140.000 bodemmonsters. Voor delen van Canada en Afrika gebruikten we 200.000 monsters en in de Verenigde Staten 180.000. Meestal ging dit met een ruimtelijke resolutie van 30 meter en vervolgens een resolutie van 5 meter voor specifieke boerderijen', legt de Envirometrix-wetenschapper uit. 'We brengen bodemeigenschappen driedimensionaal in kaart door op meerdere lagen te voorspellen.'