一个新推出的工具结合了卫星图像、激光雷达数据和人工智能来估计世界各地森林中储存的碳。森林碳Mo由地球成像公司Planet开发的监测工具使用该组织的存档卫星数据和全球可用的激光雷达数据训练了一个人工智能模型。该模型目前已在公司中得到应用保护努力以及自愿碳市场。
卫星数据长期以来一直告诉我们森林在哪里以及它们的生长情况。激光雷达是一种安装在飞机或国际空间站等卫星上的基于激光的雷达，它帮助我们绘制了3D森林地图。
一款新推出的工具将人工智能加入其中。
地球成像公司Planet将其庞大的卫星星座数据与全球可用的激光雷达数据相结合，建立了一个人工智能驱动的工具，可以估计世界各地偏远和难以进入的森林中碳的储存地点和方式。在分辨率精确到3米（10英尺）的季度数据集中，森林碳监测工具可以估计地面上的碳、树木高度和森林的冠层覆盖。
“它将帮助我们了解森林的一些方面，这些方面最初可能无法用肉眼看到，”Planet的首席影响官安德鲁·佐利（Andrew Zolli）在一次视频采访中告诉Mongabay。
虽然卫星图像帮助科学家、环保主义者和执法机构追踪森林覆盖如何随时间变化，但他们无法知道森林储存了多少碳。要理解这一点，就需要对森林进行三维测绘，并测量地上生物量。发射激光束的激光雷达传感器长期以来一直在计算这一数值方面发挥着重要作用。科学家们观察光线从树木、树叶和树枝上反射的时间，并用它来计算树木的尺寸。激光雷达数据，特别是来自NASA部署在国际空间站上的GEDI任务和从太空绘制森林地图的激光雷达数据，对于了解亚马逊雨林的森林生物量和研究森林结构的变化如何影响生物多样性至关重要。然而，激光雷达数据并不广泛，通常只关注特定的感兴趣区域，导致世界各地许多地方的数据空白。
Planet旨在利用森林碳监测工具填补这一空白。
森林碳Mo监测工具及其产生的数据被用于规划co保护活动以及自愿碳市场。图片由Planet提供。
森林碳Mo监测工具估计了世界各地森林中储存的碳。图片由Planet提供。
开发该工具的团队利用了该组织的档案卫星数据、GEDI的激光雷达数据以及其他机载激光雷达任务。他们在有卫星和激光雷达数据的地点训练机器学习模型。一旦模型被输入训练数据，它就会被训练来推断和估计那些有卫星图像但没有激光雷达数据的地方的碳数据。Zolli说：“这使我们能够建立高质量的推断评估，如果我们在地球更大的区域上使用激光雷达，它会告诉我们什么。”
Zolli说，在该工具的帮助下产生的第一组数据已经揭示了惊喜。
虽然森林砍伐和森林退化导致亚马逊雨林的碳储量大量减少，但该工具发现，还有其他地方的碳仍未受到影响，这强调了执行政策和保护措施以保护它们的必要性。“在亚马逊北部有一个上限，我们发现那里的森林碳密度很高，”他说。“真正让我产生共鸣的是对我们必须绝对保护的现存森林碳储量的理解。”
来自该工具的数据也将被纳入Centinela项目，这是Planet最近发起的一项倡议，旨在使在生物多样性热点地区工作的组织能够使用该技术。Zolli强调了坦桑尼亚的贡贝溪国家公园，这是该项目的合作伙伴之一，那里的碳数据可能会被用来了解火灾是如何影响濒危黑猩猩的栖息地的。
来自该工具的数据也被总部位于英国的碳信用评级机构Be Zero用来加强其对世界各地碳项目的监测和核查方法。Zolli说，该工具可以在自愿碳市场中找到巨大的应用，该市场因缺乏问责制和透明度而受到批评。他说：“这些数据提供了一幅关于地面实际情况的共同图景。”“它有望有助于使碳排放项目更加可信和严格。”
Zolli将森林碳监测工具的发展归功于大量历史数据集的可用性、人工智能技术的快速发展以及促进复杂计算的云基础设施。
佐利说：“我们是第一代拥有这三者的人。”“这使我们更容易了解亚马逊、印度尼西亚、撒哈拉以南非洲任何地方或加拿大北方森林的森林碳结构，而且速度快，科学自信。”
横幅图片:加蓬的雨林被伊文多河环绕。图片由ZB/Mongabay提供。
Abhishyant Kidangoor是Mongabay的特约撰稿人。找到他
