Revolution i kortlægning: grundlaget for nedbringelse af Danmarks CO₂-emission fra lavbundsjorde

Ved hjælp af avancerede sensorteknologier, maskinlæringsalgoritmer og 3D-geologiske modeller sigter projektet mod at skabe de mest nøjagtige kort over danske lavbundsjorde hidtil. Disse kort vil hjælpe os med at forstå jordens egenskaber bedre og dermed kunne tage beslutninger til at reducere CO₂-udledningen i Danmark.

Succesfuld demodag demonstrerede teknologiens potentiale

Den 11. marts afholdt ReDoCO2-projektet en vellykket demodag, hvor partnere og interessenter fik mulighed for at opleve teknologien i aktion. Demonstrationen viste, hvordan de avancerede kortlægningsmetoder fungerer i praksis, og hvordan de kan revolutionere arbejdet med lavbundsjorde. Resultaterne præsenteret på demodagen bekræftede teknologiens høje præcision, effektivitet og potentiale til at understøtte Danmarks mål om CO₂-reduktion.

Løsning af udfordringen

Lavbundsjorde spiller en afgørende rolle i den globale kulstofcyklus. For at nå Danmarks mål om at reducere CO₂-udledningen med 70 % inden 2030 er præcis kortlægning 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 hertil ukendt opløsning. Sammen med en dronemonteret sensor til måling af radioaktiv gammastråling skaber dette system et unikt 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, hvilket også reducerer behovet for omfattende in-situ målinger. 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:

• Avancerede sensorteknologier: Droner med gamma-sensorer og TEM-systemer kortlægger jordens udstrækning og dybde med stor præcision.
• Maskinlæringsalgoritmer: Innovative maskinlæringsmodeller og sensorbaserede data estimerer kulstofkoncentrationer og reducerer behovet for manuelle målinger.
• 3D-geologiske modeller: Integration af sensordata og manuelle målinger i 3D-modeller giver en dybere forståelse af jordens underliggende strukturer.
• 3D-scenarier: Beregning af reduktion af CO₂ med forskellige aktiviteter som forhøjelse af vandstand, stop af dræn etc.

Proces og udkomme

Metodologien er testet i flere lavbundsområder, bl.a. i den smukke danske natur ved Ø Bakker. Resultaterne har været højtopløselige kort over lavbundsjorde, der viser, hvad der gemmer sig under overfladen. Denne præcision gør det muligt at træffe bedre beslutninger.

ReDoCO2-projektet har skabt en skalerbar ramme for en mere effektiv, hurtig og informeret beslutningstagning om lavbundsarealer i hele Danmark. Dette styrker Danmarks position inden for grøn teknologisk innovation og bidrager til pålidelig planlægning af reduktion af kulstofudledning. Samtidig giver det beslutningstagere et solidt fundament for at finde den bedste løsning for landmand og selskab ifm. jordfordeling og sikre en objektiv vurdering af lavbundsjorde i forhold til den kommende CO2 beskatning.