苏黎世联邦理工学院的研究人员开发了一幅世界地图，首次使用机器学习从高分辨率的卫星图像中获取植被光照。鸣谢:EcoVision实验室苏黎世联邦理工学院的研究人员利用人工神经网络，从卫星图像中创造了2020年的第一张高分辨率全球植被高度地图。这张地图可以为应对气候变化和物种灭绝以及可持续区域发展规划提供关键信息。去年标志着联合国生态系统恢复十年的开始。该倡议旨在到2030年阻止生态系统的退化，防止其继续恶化，如果可能的话，补救已经造成的损害。交付这类项目需要准确的基础，如现有植被的调查和地图。
在一次采访中，美国宇航局全球生态系统动力学调查(GEDI)任务的首席研究员Ralph Dubayah解释说:“我们根本不知道全球的树有多高。[...我们需要好的全球树木分布图。因为每当我们砍伐树木时，我们都会向大气中释放碳，而我们不知道我们正在释放多少碳。”
苏黎世联邦理工学院土木、环境和地球数学工程系的EcoVision实验室专门分析和准备这类环境数据。该实验室由苏黎世联邦理工学院教授康拉德·辛德勒(Konrad Schindler)和苏黎世大学教授扬·德克·韦格纳(Jan Dirk We gner)于2017年创建，研究人员在这里开发机器学习算法，实现大规模环境数据的自动分析。尼科·朗是其中一名研究人员。在他的博士论文中，他开发了一种基于神经网络的方法，用于从光学卫星图像中推导植被高度。使用这种方法，他能够创建第一个覆盖整个地球的植被高度图:全球冠层高度图。
该地图的高分辨率是另一个第一:由于郎的工作，用户可以放大到地球上任何一片林地的10x10米，并检查树的高度。这种类型的森林调查可以引领前进的方向，特别是在处理碳排放方面，因为树高是生物量和碳存储量的关键指标。“森林中大约95%的生物量是由木材组成的，而不是树叶。因此，生物量与高度密切相关，”摄影测量和遥感教授康拉德·辛德勒解释说。
受过太空激光扫描数据的训练
但是计算机如何从卫星图像中读取树高呢？“由于我们不知道计算机需要寻找哪些模式来估计身高，我们让它自己学习最佳图像过滤器，”郎说。他向他的神经网络展示了数百万个例子——这些例子来自欧洲航天局(ESA)运营的两颗哥白尼哨兵2号卫星的图像。这些卫星每五天捕捉地球上的每个位置，分辨率为每像素10x10米。它们是目前向公众提供的最高质量的图像。
该算法还必须能够获得正确的答案——即从美国宇航局GEDI任务的空间激光测量中获得的树高。“GEDI任务提供了全球分布的，南北纬51度之间的植被高度的稀疏数据，所以计算机在训练过程中看到了许多不同的植被类型，”郎解释说。有了输入和答案，算法可以自己获得纹理和光谱模式的滤波器。一旦神经网络经过训练，它就可以从全球地图所需的超过250，000张图像(约160万亿字节的数据)中自动估计植被高度。
在专业术语中，Lang的神经网络被称为卷积神经网络(CNN)。“卷积”是一种数学运算，其中算法在卫星图像上滑动3×3像素的过滤掩模，以获得图像中亮度模式的信息。“这里的诀窍是我们堆叠图像过滤器。这为算法提供了上下文信息，因为来自前一卷积层的每个像素都已经包含了关于其邻居的信息，”Schindler说。因此，EcoVision实验室首次成功地利用卫星地图可靠地估算出高达55米的树高。
因为它们的许多层使得这些神经网络“很深”，所以这种方法也被称为“深度学习”。大约十年前，它预示着图像处理领域的一场重大革命。然而，处理大量的数据仍然非常具有挑战性:计算全球植被高度图将需要一台强大的计算机三年时间。“幸运的是，我们可以访问苏黎世联邦理工学院高性能计算集群，因此我们不必等待三年才能计算出地图，”Lang笑着说。
通过估计不确定性提高透明度
郎并不是只为这个任务准备了一个CNN，而是几个。这就是所谓的合奏。“对我们来说，一个重要的方面是让用户知道评估的不确定性，”他说。总共五个神经网络被相互独立地训练，每个都返回自己对树高的估计。“如果所有模型都同意，那么根据训练数据，答案是清楚的。如果这些模型得出了不同的答案，这就意味着估算的不确定性更高，”Lang解释道。这些模型还包含了数据本身的不确定性:例如，如果卫星图像模糊不清，那么不确定性就比大气状况良好时更大。
未来生态研究基金会
由于分辨率高，朗的全球地图提供了详细的见解:“我们已经发现了有趣的模式，”辛德勒说。“比如在落基山脉，森林是固定分段管理的，雨林也形成了有趣的结构，不可能是巧合。”现在生态学家可以在全球范围内解释这些捕获的模式和数据。
为了让这项研究继续下去，该地图及其源代码将向公众开放(见链接)。第一个感兴趣的团体已经联系上了:耶鲁大学的Walter Jetz教授，想要使用全球林冠高度图进行生物多样性建模。然而，政府、行政机构和非政府组织也可能对该地图感兴趣。“由于Sentinel-2，植被高度可以每五天重新计算一次，这使得监测雨林砍伐成为可能，”郎说。
此外，他补充说，现在也有可能在全球范围内验证区域发现，例如热带树叶冠层作为气候缓冲的方式。再加上根据碳储量和生物多样性价值对森林进行分类的高碳储量方法，植被高度图是维护和加强生态系统的重要基础。根据郎的计算，只有5%的陆地上有高度超过30米的植被，其中只有34%位于保护区。
随着“GEDI”任务将于2023年结束，郎新开发的方法为未来继续绘制植被高度提供了可能。然而，延长GEDI任务的期限——目前国际媒体也在讨论——是将其数据与未来卫星任务(如欧空局生物量任务)进行比较并校准模型变化的关键。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
