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。