Projekt skal sørge for præcis kortlægning af lavbundsjorde

ReDoCO2 er et nyt projekt, der skal kortlægge lavbundsjorde med høj præcision. Det er et samarbejde mellem virksomhederne I-GIS og SkyTEM og Institut for Agroøkologi ved Aarhus Universitet, Aalborg Universitet og Region Midtjylland og er finansieret af Innovationsfonden Danmark. Det skriver Aarhus Universitet i en pressemeddelelse.

Ved hjælp af avancerede sensorteknologier, maskinlæringsalgoritmer og 3D-geologiske modeller sigter projektet mod at skabe de mest nøjagtige kort over danske lavbundsjorde hidtil. Kortene skal hjælpe med at forstå jordens egenskaber bedre og i sidste ende bruges politisk til at tage beslutninger til at reducere CO2-udledningen i Danmark.

Løsning af udfordringen

For at nå det politiske mål om at reducere den danske CO2-udledningen med 70 procent inden 2030 er præcis kortlægning ifølge Aarhus Universitet nødvendig.

ReDoCO2-projektet bruger innovative værktøjer som drone-monterede gamma-sensorer og transient elektromagnetiske systemer (TEM) til at skabe detaljerede kort over tørveegenskaber og potentielle scenarier til CO2 reduktion.

Teknologi udviklet i Danmark

SkyTEM Diamond er et elektromagnetisk TEM-system, der kan flyves af specialdesignede droner og små helikoptere, og som kan kortlægge lavbundsjorde og den underliggende geologi i detaljer fra overfladen til over 100 meters dybde i en høj opløsning.

Sammen med en dronemonteret sensor til måling af radioaktiv gammastråling kan man få et datasæt, der sikrer høj nøjagtighed uden behov for fysisk adgang til jorden.

I-GIS har udviklet avancerede 3D-geologiske modeller, der integrerer data fra forskellige sensorer og giver en dybere forståelse af jordens egenskaber, hvilket optimerer kortlægningen af lavbundsjorde.

Derudover kan der beregnes scenarier for, hvordan og hvor meget CO2, udledningen kan blive reduceret hvis områderne vådlægges i forskellig grad.

Forskere fra Aarhus Universitet bidrager med ekspertise inden for jordbundsvidenskab og maskinlæring. De har udviklet algoritmer, der analyserer de indsamlede data og estimerer kulstofkoncentrationer. Beregningsalgoritmerne er implementeret i projektets modeller og scenarier.

Resultater og innovationer

ReDoCO2-projektet har udviklet nye metoder til at kortlægge lavbundsjorde mere præcist ved at kombinere data fra sensorer, maskinlæring og 3D-modeller: