Extreme weersomstandigheden zoals droogte zullen naar verwachting de boomsterfte verhogen, en grote bomen zijn bijzonder kwetsbaar. Met de huidige methoden kunnen we de sterftecijfers van grote bomen echter niet nauwkeurig meten. Veldgegevens bemonsteren niet voldoende grote bomen, terwijl aardobservatie momenteel alleen het totale verstoorde bosoppervlakte meten. In dit project zal ik nieuwe machine learning methoden toepassen om grote bomen in aardobservatie data te detecteren en te segmenteren. Dit stelt me in staat om individuele grote bomen in de loop van de tijd te volgen en daardoor de boomsterfte door aardobservatie te kwantificeren. Dit vergroot de steekproefomvang dramatisch, en ik zal deze grotere steekproef gebruiken om de oorzaken van sterfte van grote bomen te onderzoeken en hoe deze door klimaatverandering kan worden beïnvloed.