每棵树计数

由:杰米二苯乙炔,卡米尔Couprie,特蕾西·约翰

大气二氧化碳浓度的增加和相关的气候变化产生了巨大的作用在地球的生物圈,从干旱和野火到生物多样性的丧失。森林在二氧化碳周期中发挥核心作用,把大气中的二氧化碳和储存碳的生物量。森林也包含大部分的地球的陆地生物多样性。尽管这个核心作用,每年二氧化碳吸收的大小由世界各地的森林在很大程度上仍然不明朗,部分是由于全球碳的粗分辨率模型。

的联合国政府间气候变化专门委员会(IPCC)已澄清,导致碳去除的一个至关重要的部分是将全球变暖限制在1.5ºC水平与工业化前的温度。IPCC森林管理被公认为最重要的方法之一实现大规模碳移除,并在过去的十年中,森林管理已经成为自愿市场的碳补偿的主要来源。

2020年,元设定一个目标达到零排放在2030年我们的价值链。作为的一部分,我们正在开发新的技术解决方案来减少自己的碳足迹,让这些公开可以使更广泛的对气候变化的影响(例如,阅读更多我们如何使用AI减少混凝土的碳足迹)。在本文中,我们描述了如何利用内部最先进的人工智能技术和合作世界资源研究所(WRI)来开发一种方法绘制森林,树的树,跨区域大小的大洲。作为一个例子,我们绘制了美国加州和圣保罗,巴西,公开的数据,是免费提供的。

改进映射如何帮助实现零

实现零排放,元都集中在减少排放量排序效率和循环在我们的业务决策,采用低碳技术,并与我们的供应商来帮助他们气候目标。一些hard-to-abate排放行业仍将难以完全消除这个十年结束的。对于那些排放我们不能避免,我们将删除等量的二氧化碳通过购买信用从碳移除项目,包括自然现在可以部署的解决方案,以及新兴技术,需要我们的支持。森林是至关重要的实现全球范围内的碳移除需要IPCC概述,和高质量的市场,与森林有关的碳去除需要实现这种规模显著增长。

我们相信,通过改进测量、报告和验证(MRV)与森林有关的碳移除项目,我们可以改善自然气候解决方案的质量和加速增长。首先,通过降低障碍森林监测解决方案,我们可以使小土地所有者访问碳市场,增加社区碳移除项目的数量。188bet网址怎么打不开小,分布树增长(例如,在农林)缺乏负担得起的和可伸缩的监控解决方案,从而阻碍这样的项目在较小的社区的发展。第二,自然的解决方案可以使用更可靠的数据在森林的碳股票是基线和森林碳的监控。改善,免费提供高分辨率的数据可能会被用于标准化验证方法对某些项目。这些挑战可以解决通过提高细粒度的知识在全球范围内的森林和公开的数据。

我们的方法的描述

为了使我们的映射方法用于MRV的碳项目,我们设置以下标准:检测单树(尽可能小树),是全球适用。我们也要求图像的方法适用于不同的来源,以便树冠高度的频繁的更新地图。

利用最新进展self-supervised学习,即我们今天宣布DINOv2模型,我们的专业知识在全球高分辨率图像的映射基于ai,我们已经开发出一种机器学习方法,可以检测到树冠高度的高保真RGB图像分辨率为0.5 m。我们在预印本(详细描述我们的模型链接),已提交同行审查。DINOv2提供self-supervised框架的可训练的任何许可的照片不需要任何相关的元数据的集合。在这项工作中,DINOv2模型训练在高分辨率(0.5米)RGB卫星图像MAXAR技术self-supervised时尚。然后,我们使用航空激光雷达数据作为地面实况学习树冠高度地图(CHM)。因为我们的地面真理是在北美和高质量航空激光雷达图像不是全局可用,我们使用星载激光雷达数据作为一个低分辨率和稀疏但全球全球适用性数据源校准我们的模型。

选择DINOv2 self-supervised神经网络学习允许通用和可概括的特点,我们认为促进全球模型的适用性。0.5决议允许我们地图个别树木的树冠高度不管稀疏,灌木丛类型,或物种,实现准确的生物量估计是至关重要的。利用我们的模型,我们创建的树冠高度地图加利福尼亚和圣保罗,巴西(下载数据在这里并查看地图在这里)。我们发现模型进行定性在巴西,即使高分辨率训练数据来自北美。

自模型训练在RGB图像,它允许通用的RGB图像重新取样分析相同的0.5米分辨率模型一直在训练,所以飞机或无人驾驶飞机收集的图像,而不是通过卫星,也可以使用作为输入。这是特别重要的,因为空中RGB数据更为广泛使用和允许简单,成本效益跟踪树冠高度随时间的变化。

作为一个例子,我们证明我们的模型执行霓虹灯的航拍图像数据集,如上图所示。

结论

我们的方法使大规模高清影像的分析,确定森林的树冠高度与sub-meter决议。准确的森林在时间和空间上的映射会导致更负责任与森林有关的碳补偿,使更多的碳项目的发展,尤其是那些在小块土地上——两个要求自然碳补偿来实现所需的规模和质量在全球范围内实现零目标。