全球1米分辨率的树高图

森林是地球上大部分陆地生物多样性的家园，在吸收大气中的二氧化碳方面发挥着关键作用。森林提供的生态系统服务支持对气候和生物多样性危机的基本防御。然而，对全球森林结构和范围的科学认识仍然存在重大差距。

由于全球森林的绝大多数现有数据都来自低到中分辨率（10或30米）的卫星图像，因此对动态的、更分散的森林系统（例如农林业、旱地森林和森林系统）的科学理解存在差距。高山森林。森林，合计占世界森林的三分之一以上。

Meta Sustainability组织和世界资源研究所最近发布了分辨率为 1 m 的全球树高地图。

为了推进开源森林监测，所有树冠高度数据和人工智能模型都是免费且公开的。

有关数据的详细信息

该数据集分析了 2009 年至 2020 年的最佳可用卫星图像。尽管云量和季节性对分析图像的日期造成了限制，但 80% 的数据是使用 2018 年至 2020 年的图像生成的。

为了创建合理利用资源的地图，全局稳健的模型和快速推理都是必要的。这是通过利用基于Meta Research人工智能 (AI) 开发的称为DiNOv2的方法的最先进模型来实现的。该模型使用来自世界各地的1800 万张卫星图像（ Maxar Technologies提供的 50 万张自然彩色图像）进行训练，像素超过一万亿。

AI模型可以预测给定区域的树冠高度，平均绝对误差为2.8 m，从而可以检测和测量单棵树。为了扩展 AI 模型的适用性，它们被创建为以相同的 0.5m 分辨率重新采样时使用航拍和无人机图像。和类似的色彩平衡。

四个不同大陆的树冠高度图示例。左侧面板显示卫星图像（来自 Maxar Technologies），中间面板显示预测的树冠高度，右侧面板中的红点表示执行分析的位置。