联系我们

环境

用机器学习评估树木中的碳捕获

mm

发表

 on

IBM的新研究旨在量化树木捕获碳和改善环境的程度,只使用空中图像和可用的LIDAR数据。该方法旨在评估树木种植举措抵消碳排放的距离,并提供可行的矩阵,用于量化公司和市政当局越来越多地用于对负面影响的平衡来计算的树木种植计划的价值现有和拟议的基础设施,发展和其他碳化活动。

展示新方法, - 由IBM研究人员Levente Klein,Conrad Albrecht和Wang Zhou - 评估纽约的远程图像’S曼哈顿区,并计算居住该区域的树木占52,000吨螯合碳。

纽约西侧的估计碳捕获's Manhattan area. Source: //arxiv.org/pdf/2106.00182.pdf

纽约西侧的估计碳捕获’s Manhattan area. Source: //arxiv.org/pdf/2106.00182.pdf

新兴碳交易市场 目前由各种方法提供服务 估算碳偏移。使用的不同模型很难比较,因为他们没有’T分享常见的指标或方法。此外,许多模型将来自小型研究区域的原则推断到可能对其他区域的过度广泛的应用,这可能不共享相同的特征,或产生相同的碳益处估计。

此外,许多更粒度和更少的通用方法需要显着的监测技术和计划的投资,这加剧了在非常小规模分析区域上基于广泛统计模型的诱惑,冒着不精确或欺骗性的结果。

地面和空气树监测

相反,IBM论文提出了一种识别树木种类和生物量的两倍方法:首先, 计算机视觉 分析技术可以从航天照片中衍生一棵树的物种;其次,与LIDAR数据的相关性与能够添加高度,宽度和音量估计的信息‘flat’从空中图像提取的图像。

在上面的图像的左上方,我们看到了 多光谱 由美国国家农业意象计划提供的照片(na);右上角,图像中识别的树的分割数据;左下方, 各种数 以前的LIDAR数据建立的树冠直径与树高的关系;和右下方,估计图像中覆盖的区域的总生物质。

使用LIDAR来映射树高度是普遍的,甚至可以通过Apple中最近的本机功能来实现’s iOS.

在应用中使用iOS本机激光雷达来测量树栖高度。 Source: //www.youtube.com/watch?v=k5DNlvq2hdE

在应用中使用iOS本机激光雷达来测量树栖高度。 Source: //www.youtube.com/watch?v=k5DNlvq2hdE

树木的激光雷达映射。 Source: //towardsdatascience.com/applications-of-lidar-in-forestry-13686e1b15a7

树木的激光雷达映射。 Source: //towardsdatascience.com/applications-of-lidar-in-forestry-13686e1b15a7

但是,用激光雷达映射树木 价格昂贵,因此IBM项目使用了LIDAR 数据 在2017年纽约市激光雷达捕获期间获得了STATEN BOROUGH 倡议以及为所有五个自治市镇获得的树种类数据 2015年数据项目,该区域确定了689,227棵树,覆盖了234种树种。

评估NYC树的碳荷载

典型树的估计碳容量约为其总生物质的50%,并且对于示例性分析,IBM项目仅考虑了从Naip MultiSpectral图像识别的前四种。

NYC中主要树种的存储容量。

NYC中主要树种的存储容量。

线性回归 用于基于估计的树高度冠层(LIDAR)和树径(NAIP)来生成训练数据集。在最终计算中考虑了不同树种物种的碳容量,发现曼哈顿市森林中的树木占52,000的储存碳。

为未来创建一致的树栖碳捕获模型

一致的同比统计数据仍然是一个问题,考虑到目前缺乏用于评估树木碳容量的一般标准。研究人员将这种方法提出作为可能的未来标准,并且可以通过进一步的研究来应用和改进方法,即在其他市政当局使用现有的LIDAR数据,或者专门为该端收集数据。

格拉斯哥等举措’抵消碳排放的项目 种植1800万城市树木 如果可以建立这样的标准,将对类似的国家和国际研究和统计分析努力进行更大的利益。可以说,最好是具有广泛适用性和可接受的准确性的实惠且易于可实现的标准,而不是不同的测量协议的当前巴巴尔,或者使用可能提供更高级别的准确度的协议,但也需要更大的水平资金。