原文作者：NiallP.HananJuliusY.Anchang
内容来源：nature
翻译整理：小何何
编辑排版：临近空间的奥秘编辑组
通过对卫星图像的分析，可以确定西非大片地区的单个树冠。数据表明，在一定的限制下，不久将有可能绘制全球每一棵树的位置和大小。
陆地生态系统主要由木本植物定义。草地，灌木丛，大草原，林地和森林代表着树木和灌木丛的一系列等级，从低密度，低矮木本植物的生态系统到高大的树木和树冠重叠的生态系统。因此，有关生态系统木质植被结构的准确信息对于我们理解全球规模的生态学，生物地理学以及碳，水和其它养分的生物地球化学循环至关重要。Brandt等报告了他们对一个高分辨率卫星图像数据库的分析，该数据库覆盖了西撒哈拉西部和西非萨赫勒地区的万平方公里。作者绘制了超过18亿个单个树冠的位置和大小；从来没有像现在这样在如此大的区域上绘制过如此多的树木。
大多数卫星数据的空间分辨率相对较粗糙，单个图像像素对应于地面上大于平方米以及大于一平方公里的区域。这种局限性迫使地球观测领域的研究人员着重于测量整体性质，例如从上方观察时被树冠覆盖的景观所占的比例（这种测量称为树冠覆盖）。
但是，在过去的二十年中，各种各样的商业卫星已经开始以更高的空间分辨率收集数据，从而能够捕获不到一平方米的地面物体。分辨率的提高使地面遥感领域处于质的飞跃：从专注于总体景观尺度测量到具有在大型区域或全球尺度上绘制每棵树的位置和冠层大小的潜力。观测能力的这场革命无疑将推动我们对全球陆地生态系统的思考，监测，建模和管理方式的根本变化。
Brandt等为地面遥感的这一转变提供了严格的证据。作者分析了11,张图像，其空间分辨率为0.5m，以识别树冠直径为2m或更大的单个树木和灌木。作者使用人工智能完成了这项艰巨的任务-利用一种涉及完全卷积神经网络的计算方法。这种深度学习方法旨在根据大图像中对象的特征形状和颜色识别对象（在这种情况下为树冠）。卷积网络依赖于训练数据的可用性，在这种情况下，训练数据由卫星图像组成，在该图像中手动跟踪了树木和灌木冠层的可见轮廓。通过使用这些样本进行训练，计算机学习了如何在其他图像中高精度地识别单个树冠。结果是整个毛里塔尼亚南部，塞内加尔和西南马里的所有直径大于2m的树木都进行了端到端的绘制。
使用来自全球大约,个森林地块的现场数据，获得了全球范围内树木总数的先前估计值。该研究的作者根据植被类型和气候，使用统计回归模型来估计田间站点之间的树木密度。他们的分析表明，全球大约有三万亿棵树。然而，这种用于树木密度估计的方法具有固有的误差和不确定性，尤其是对于干旱地区，对于干旱地区，相对较少的现场测量可用于校准模型。
例如，将该早期结果与Brandt及其同事在萨赫勒西部地区的发现进行比较（图1），结果表明先前的研究往往低估了干旱地区（年降雨量少于毫米的地区）的树木数量）。此外，先前的估计没有提供有关每平方公里内单个树木的位置和大小的信息，而Brandt及其同事提供了有关每个单个树冠的位置和大小的详细信息。最新研究提供的改进方法还可以从潮湿地区（年降雨量大于毫米的地区）得到更高的详细程度，可以看出树木的局部空间变异性可能与土壤类型相反有关，可用水量，土地利用和土地利用历史。
图1大规模树的绘制。有关树木分布的准确信息提供了有用的生态学见解，但是对于大片土地而言，此类数据很难获得。a，一项先前的研究估计每公顷全球树木的密度依赖于田间田地的数据-显示了这些数据的样本用于西非。虚线表示每年平均降雨量的界限，单位为毫米。c，d，Brandt等人报告了使用人工智能方法分析高分辨率卫星图像而获得的对整个西非单个树冠的检测。
当然，Brandt和同事的工作存在局限性，还有扩大其全球分析方法的潜力。由于影像的空间分辨率所施加的限制，并且与早期工作一致，成功的树冠检测大大降低到2m的树冠直径以下。尽管我们可以期望卫星图像的空间分辨率得到进一步的改善，但有必要问一下，需要最小的树冠大小来表征各个地区的木本植物群落。对于全局树冠绘制，如果我们假设可以克服与大数据量相关的计算和存储难题，则最大的障碍将在于开发有效的方法来对树冠进行自动分类和描绘。Brandt及其同事的深度学习方法需要输入大约90,个手动数字化培训点。这种方法在全球范围内的工作变得站不住脚，从卫星图像更自动化（无监督）的提取信息方法是必要的。
一个相关的问题是能否区分看起来像一个大树冠和不同个体树的相邻重叠树冠的能力。为了改善树冠分离，Brandt等人在训练其卷积神经网络时使用了加权方案，但仍采用“树冠丛”类来描述m2以上的聚集树冠区域，这表明分离方法并不总是有效的。为了在潮湿的地区（林地和森林中重叠的树冠很常见）上应用，树冠的轮廓和分离方法将需要改进，以在全球范围内可行。
更具挑战性的是树种的识别。尽管可行，但基于冠层的颜色，形状和质地，在区域和全球范围以及整个生物多样性生态系统中，它将特别棘手。单个树冠层按物种绘制的地图可能会在一段时间内仍处于地球观测研究团体的愿望清单的顶部。
未来几年，随着来自光探测和测距（激光），雷达以及高分辨率可见光和近红外传感器等多种来源的数据的获取，遥感无疑将提供有关植被结构的空前细节。卫星得出的有关树冠大小和密度的高分辨率数据可有助于森林和林地的清查和管理，森林砍伐监测以及对生物量，木材，薪材和树木作物中固存的碳的评估。使用此类卫星数据绘制单个树冠的大小和位置的能力将补充其他仪器提供的信息，这些其他仪器可提供树高，垂直树冠轮廓和地上木材生物量的数据。需要继续研究以开发更有效的冠层分类算法。同时，Brandt及其同事清楚地展示了将来在亚米级上对树冠进行全局绘制的潜力。
参考文献：
Brandt,M.etal.Nature
转载请注明：http://www.qiyacar.com/lsyg/6801.html
当前位置： 毛里塔尼亚 > 历史沿革 > 未来卫星可以清晰的标记地球上的每颗树木
