Elke boom zijn vingerafdruk: wapenen tegen illegale houthandel
De illegale houthandel groeit wereldwijd: steeds vaker vindt hout met een verborgen herkomst zijn weg naar de markt via schimmige routes. Om dat aan te pakken, ontwikkelden Thomas Mortier (UGent) en Victor Deklerck (World Forest ID, Plantentuin Meise) een AI-model dat de oorsprong van hout kan herkennen via een unieke chemische "vingerafdruk". Hun onderzoek verscheen recent in het prestigieuze tijdschrift "Nature Plants".
15 tot 30% van de wereldwijde houthandel is illegaal
Illegale houthandel is een van de meest winstgevende vormen van milieucriminaliteit, goed voor 15 tot 30% van de wereldwijde houthandel. De schade is zwaar en zowel ecologisch als sociaal-economisch.
De invasie van Rusland in Oekraïne toont hoe geopolitieke gebeurtenissen dit probleem versterken. De EU, VS en VK besloten om de Russische inval te bestraffen met (onder andere) een invoerverbod op houtproducten uit Rusland en Wit-Rusland. Ook een aantal keurmerken zoals het bekende FSC label (Forest Stewardship Council) besloten om Russisch hout voortaan uit te sluiten.
Maar die sancties verminderen de vraag naar hout uiteraard niet, wel integendeel: criminelen omzeilen de sancties en importeren hout via illegale routes, met een gemaskeerde herkomst.
“ Dankzij onze nieuwe methode vonden inspecteurs van de FOD Leefmilieu bewijzen dat er Russisch hout naar België werd geïmporteerd, een duidelijke overschrijding van de embargo's. ”
De chemische vingerafdruk van hout
Om de illegale handel te stoppen, onderzochten we een manier om te bewijzen waar hout écht vandaan komt. We vonden een oplossing in de vorm van "chemische vingerafdrukken".
Voorafgaand aan ons onderzoek verzamelden World Forest ID en Preferred by Nature eerst duizenden houtstalen van 24 boomsoorten uit 12 landen. De stalen werden geanalyseerd op:
- stabiele isotopen: chemische elementen die iets vertellen over de bodem en het klimaat waarin de boom groeide.
- concentraties van sporenelementen: unieke chemische elementen die verbonden zijn met de groeilocatie.
Zo kreeg elk stuk hout een eigen "chemische vingerafdruk’, uniek voor de plek waar de boom groeide. Die vingerafdruk combineerden we met informatie over het verspreidingsgebied van boomsoorten. Met behulp van AI – via Gaussische processen – bouwden we een model dat op basis van de vingerafdruk voorspelt waar een stuk hout vandaan komt:
- het model vergelijkt de chemische vingerafdruk met de houtstalen die het al kent
- het berekent de meest waarschijnlijke origine van de boom
- het geeft een inschatting van de (on)zekerheid van de voorspelling
Gaussisch model
Gaussische modellen zijn krachtige statistische modellen die patronen in data herkennen en voorspellen. In AI worden ze heel veel gebruikt, voor tijdsreeksanalyses, classificatie- en regressieproblemen.
Een Gaussische proces is een probabilistisch model dat bestaat uit een verzameling van willekeurige punten (bv. chemische vingerafdrukken van houtstalen met een GPS locatie). Voor elke deelverzameling van de punten wordt verondersteld dat ze normaal verdeeld zijn. De relatie tussen de punten wordt gemodelleerd aan de hand van zogenaamde kernfuncties. Aan de hand van de functies kan dan bepaald worden hoe een voorspelling voor ongekende punten gemaakt kan worden.
Zo kan een Gaussisch model data (chemische vingerafdrukken) beschrijven én voorspellen op een flexibele en krachtige manier. Bovendien kan het model ook de onzekerheid van de voorspelling inschatten, zodat de resultaten beter geïnterpreteerd kunnen worden en leiden tot een geïnformeerde beslissing.
Het bewijs: Russisch hout ondanks embargo op de Belgische markt
De methode bewees haar waarde al: inspecteurs van de Belgische Federale Overheidsdienst (FOD) Leefmilieu ontdekten al Russisch hout in België, ondanks het embargo. Dit is ongetwijfeld een eerste ontdekking, ook handel uit andere risicogebieden zoals Indonesië, Brazilië en Congo kan voortaan beter gecontroleerd worden.
Vlaams Onderzoeksprogramma AI
Dit onderzoek werd ontwikkeld in het kader van het Vlaams Onderzoeksprogramma AI.
Thomas Mortier
Na het behalen van een Master in Computerwetenschappen en een Master in Statistische Data-analyse aan de Universiteit Gent in 2017, startte Thomas Mortier als assistent bij de KERMIT-onderzoeksgroep aan de Faculteit Bio-ingenieurswetenschappen. Naast het behalen van een doctoraat, gaf hij ondersteuning bij cursussen over statistiek en machine learning en begeleidde hij master -en doctoraatsstudenten. Momenteel werkt hij als onderzoeker, waarbij zijn onderzoek richt op onzekerheid in machine learning met toepassingen in de toegepaste biologische -en klimaatwetenschappen. Daarnaast heeft hij ervaring als data scientist en is hij betrokken in het geven van verschillende cursussen omtrent machine learning aan de UGent Academie voor Ingenieurs (UGain).
Expertise: machine learning, artificiële intelligentie, data science, statistische gegevens-analyse
Victor Deklerck
Victor Deklerck behaalde zijn doctoraat in de Bio-ingenieurswetenschappen: Natuurlijke Rijkdommen aan de Universiteit Gent, in samenwerking met het Museum voor Midden-Afrika. Hij is wetenschappelijk medewerker aan de Plantentuin Meise en is wetenschappelijk directeur van de World Forest ID not-for-profit. Hij leidt het team bij de ontwikkeling van chemische en genetische technieken, gecombineerd met geospatiale machine learning modellen, om hout en forest risk commodities te traceren.
Gerelateerde opleidingen
AI voor Beginners - ChatGPT en co slim en verantwoord inzetten in je dagelijkse werk
Opleiding - Antwerpen - Thomas More Hogeschool, Syntra AB