遙感和機器學習輔助進行精細的森林資源調(diào)查

2007年的某天，本文作者之一帕里薩（ParIsa）獨自站在亞美尼亞樹林之中，正與不斷加劇的恐懼作斗爭。 亞美尼亞曾經(jīng)是蘇聯(lián)加盟共和國之一，國土面積與美國馬里蘭州差不多。它的森林是居民采摘蘑菇和漿果的來源，是動物們的棲息地，還能在寒冷的冬天為家庭取暖提供柴火。此外，一些瀕危鳥類也受到這里的森林庇護。 帕里薩，當時是一年級林業(yè)研究生，在亞美尼亞幫助制定森林管理計劃。亞美尼亞人民對該國森林的決議必須同時平衡經(jīng)濟、文化和保護價值，決議將影響今后的數(shù)年、數(shù)十年甚至數(shù)百年。為了做好規(guī)劃，亞美尼亞人需要回答種種問題，什么程度的木柴采伐是可持續(xù)的？采伐如何減少對鳥類棲息地的破壞？這些采伐開辟的空間可否幫助人們采收更多漿果？ 世界各地都依靠林業(yè)專家來管理森林，最大化地平衡需求之間的矛盾。而長期以來，林業(yè)專家要依靠硬數(shù)據(jù)來管理。

19世紀初，林業(yè)工作者站在了大數(shù)據(jù)革命的前沿。由于無法數(shù)清每公頃土地中的每一棵樹木，林業(yè)工作者不得不尋求其他評估土地保有樹木的方法。19世紀初，科學林業(yè)在德國薩克森誕生，創(chuàng)造出基本的統(tǒng)計抽樣技術(shù)，能夠可靠地評估出大片土地上樹木的規(guī)模和種類分布，而不必人工測量每一棵樹木。 這類數(shù)據(jù)的收集被稱為“森林調(diào)查”，林業(yè)工作者用它來制定管理計劃和預測森林的未來。兩個世紀以來，這種資源調(diào)查技術(shù)基本沒有變化，一直通過辛苦地現(xiàn)場采樣獲得種群統(tǒng)計，即便是現(xiàn)在，美國還有數(shù)千名林業(yè)工作者仍用紙和鉛筆來計算樹木數(shù)量。

帕里薩很高興幫助亞美尼亞的社區(qū)制定森林管理計劃。對方承諾給他的工作提供迪利揚國家公園及其周邊大面積區(qū)域的優(yōu)質(zhì)數(shù)據(jù)。而他實際獲得的“森林調(diào)查”資料卻是30多年前訪問過該地區(qū)的蘇聯(lián)林業(yè)工作者的野外筆記的譯文，觀察筆記寫著：“沿著山的南邊行走，松樹較多，櫸樹很少?！比绱舜植诘挠^察筆記無法為制定森林管理計劃提供堅實的基礎(chǔ)。 帕里薩需要調(diào)查數(shù)十萬公頃的森林，不過他清楚，一個林業(yè)工作者一天最多只能評估大約20公頃的森林。他必須得找到更快地獲得這些數(shù)字的方法，而不是耗費10年時間去計算亞美尼亞樹木的數(shù)量。 帕里薩在美國阿拉巴馬州的亨茨維爾長大，父親在NASA工作。

帕里薩8歲時，有一次用棒球打破了窗戶，他的父親懲罰他計算揮動棒球的力。他擅長這種練習，后來他還通過一套不同尋常的定量技能來學習林業(yè)。 在亞美尼亞，帕里薩將這些技能用于研究如何利用遙感編制完整的森林調(diào)查，幾十年來，遙感一直是林業(yè)的圣杯。他耗時18個月開發(fā)出了機器學習方法的核心，后來我們兩人借助這個方法，在舊金山創(chuàng)辦了SilviaTerra公司，致力于根據(jù)遙感數(shù)據(jù)生成森林調(diào)查。下文將概述我們所面臨的一些挑戰(zhàn)，如何戰(zhàn)勝這些挑戰(zhàn)，以及利用這些技術(shù)做了哪些工作。

很少有人會去想森林在我們的生活中所起的至關(guān)重要的作用。蓋房子的木材，早晨裝咖啡的紙杯，還有網(wǎng)上購物使用的快遞紙箱，它們都來自生長在森林里的樹木。 測量森林提供資源的潛力有史以來都是昂貴且效率和技術(shù)含量很低的工作。美國最大的林業(yè)公司每年要花費數(shù)百萬美元聘用工作人員辛苦地計算和測量樹木。這些公司擁有的森林在美國的森林總量中占相當大的比例。在2010年成立SilviaTerra公司之后，我們開始專攻這個領(lǐng)域。 次年，我們剛剛起步的創(chuàng)業(yè)公司獲得了康涅狄格州紐黑文市耶魯大學商業(yè)與環(huán)境中心頒發(fā)的薩賓可持續(xù)創(chuàng)業(yè)獎（Sabin Sustainable Venture Prize），獎金為25萬美元。

我們帶著一部分獎金，開著皮卡車在美國東南部尋找擁有1萬英畝以上森林的公司，與他們的高管進行會談。 很快我們就找到了第一批付費客戶。后來，又和其他公司簽訂了合同，最終將我們的技術(shù)應用于美國所有主要類型的森林。 在多數(shù)情況下，我們的服務極具吸引力，所以不難銷售。我們提供的服務有點類似于農(nóng)民要求的精準農(nóng)業(yè)服務，使用遙感技術(shù)來決定種植什么、如何施肥、何時收獲作物等?；蛟S可以說，SilviaTerra公司正在實現(xiàn)“精準林業(yè)”。 然而，森林比農(nóng)田更難精確描述。首先，農(nóng)民至少知道地里種了什么，并且往往只種一種作物。但天然森林所包括的樹種則讓人眼花繚亂。

優(yōu)勢樹種會把其他樹種隱藏在樹冠之下。農(nóng)作物多以行或其他規(guī)則的幾何圖形種植，而森林通常是更加自然的空間布局（也有一些有人管理的種植樹木近似按行生長）。更重要的是，森林往往并不像小樹林，森林地處偏遠，很難采集到真實的數(shù)據(jù)。 我們面臨的另一個技術(shù)挑戰(zhàn)是如何處理真正的海量數(shù)據(jù)。

例如，可以追溯到1972年的地球資源衛(wèi)星檔案，包括數(shù)百萬張光學和紅外波段的圖像。全美高分辨率航空圖像、數(shù)字高程圖等的數(shù)量每天都在增長。需要消化的相關(guān)數(shù)據(jù)達到了太字節(jié)級別。 更大的障礙是找到一種能夠給出可靠估計的圖像分析方法。國有木材公司的高管們尤其渴望獲得良好的估值，因為他們必須向投資者報告準確的資源情況。 另一個大的挑戰(zhàn)是我們得到的大部分衛(wèi)星圖像的分辨率都很有限——通常是15米。在粗糙的圖像中無法辨別每一棵樹木。因此，我們不得不用統(tǒng)計技術(shù)替代計算機視覺技術(shù)。（這種統(tǒng)計方法的好處是避免了由高分辨率樹木描繪法導致的偏差。）

基于這些原因，調(diào)查森林里的樹木在技術(shù)上比調(diào)查農(nóng)田里的農(nóng)作物要困難得多。經(jīng)濟利益也不同：美國每年農(nóng)作物收成的價值約為4000億美元，而木材年收成僅為100億美元。

也就是說，森林提供的許多效益是免費的，包括野生動物棲息地、碳封存和水過濾，更不用說森林還是周末露營的好地方。 20多年前，經(jīng)濟學家羅伯特?科斯坦薩（Robert Costanza）與他人研究了森林提供各種生態(tài)系統(tǒng)服務的價值，盡管這些服務不涉及金錢交易。根據(jù)這些結(jié)果，我們估計美國森林每年能提供價值約1000億美元的生態(tài)系統(tǒng)服務。

SilviaTerra的任務之一就是幫助美國每英畝森林的生態(tài)系統(tǒng)服務提供真實數(shù)據(jù)。━━━━機器學習系統(tǒng)非常復雜，但用機器學習系統(tǒng)的輸出來處理遙感森林圖像則很簡單：系統(tǒng)為每1/20英畝（0.02公頃，比美國普通家庭的占地面積略?。┑纳謩?chuàng)建一個樹木清單。按照美國林業(yè)標準的慣例，該清單包含了每棵樹的種類及其離地4.5英尺（1.4米）高的直徑。這些數(shù)據(jù)還可導出其他關(guān)鍵指標，如樹高和總的碳儲量等。根據(jù)現(xiàn)有樹木的類型，還可建模研究野火風險或鹿棲息地的適宜性。 要創(chuàng)建這個龐大的樹木清單，我們要將數(shù)千個實地測量數(shù)據(jù)與數(shù)太字節(jié)的衛(wèi)星圖像相結(jié)合。

我們需要整個美國的實地數(shù)據(jù)。幸運的是，幾十年來，美國農(nóng)業(yè)部林務局利用稅收建立了一個全國性的森林測量系統(tǒng)網(wǎng)格。這些驚人的觀測數(shù)據(jù)覆蓋了美國大陸，我們可以訓練機器學習系統(tǒng)去估測遙感圖像中樹木的數(shù)量、大小和種類。 在大多遙感林業(yè)工作中，人工分析人員都會先從單一圖像開始，希望該圖像可以記錄關(guān)注區(qū)域中的一切。例如，分析人員可用激光雷達數(shù)據(jù)的高分辨率點云（3D空間中一組點的坐標）來計算出樹木的數(shù)量以及它們的高度和種類。 然而獲取激光雷達圖像的成本很高，所以數(shù)量有限。而現(xiàn)有的圖像大多已過時或不完整。由于這些原因，我們轉(zhuǎn)而依靠大量的免費衛(wèi)星和航空圖像。我們利用各種可見光、近紅外、雷達等可展現(xiàn)森林不同方面的圖像。追溯到幾十年前的陸地衛(wèi)星圖像有助于發(fā)現(xiàn)物種之間的差異，而雷達圖像往往包含整個森林結(jié)構(gòu)的更多信息。

關(guān)鍵是要把這些不同類型的圖像結(jié)合起來，并以一種嚴謹?shù)慕y(tǒng)計方法進行分析。━━━━在我們著手解決這個問題之前，沒有一個覆蓋全美森林的高分辨率調(diào)查。但如果要預防森林大火、持續(xù)發(fā)展農(nóng)村經(jīng)濟、管理氣候變化，就需要更好地了解森林。去年我們在美國完成了全國性的森林Basemap項目，用一種獨特的方式加強了這種理解。 盡管我們曾將這個方法應用于許多重點項目，但在全美大陸做森林調(diào)查是一項全新的工作。我們非常幸運地與微軟合作，微軟在2017年啟動了“地球人工智能”（AI FOR EARTH）基金項目，為從事自然環(huán)境保護項目的外部團隊提供公司工具。我們申請并最終獲得了一筆資金，用于擴大我們一直在做的森林調(diào)查工作。 通過使用微軟云計算平臺Azure，我們能夠處理超過10太字節(jié)的衛(wèi)星圖像。這不僅僅是一個需要更多計算能力的問題。對不同地區(qū)的特定森林類型進行建模是一項重大挑戰(zhàn)。

另外要重視數(shù)據(jù)的完整性。例如，我們就曾為這個問題困惑了一個周末，原以為是輸出有問題，后來才發(fā)現(xiàn)原來是軍事基地上空的一些高分辨率航空圖像被屏蔽了！ 我們沒有預料到數(shù)據(jù)中會出現(xiàn)這種人為漏洞，同時還在之前的工作中發(fā)現(xiàn)，要找到特定區(qū)域的無云圖像是很困難的。在某些地區(qū)，特別是太平洋西北部，很難找到一張覆蓋可感知區(qū)域的圖像。 幸運的是，密歇根州立大學的彥凌（Ling Yan，音）在2018年發(fā)表了解決這個問題的方法。當一幅圖像被云遮擋時，他的算法就會用另一幅在天空清晰時獲取的圖像中的像素逐個替代這片云。我們應用彥凌的算法生成了一組無云圖像，更利于分析。 2019年，我們公布了全美范圍的森林調(diào)查數(shù)據(jù)，但我們知道這只是一個起點：僅有好的信息還不夠，只有信息真正影響到人們對土地所做的決議時，才能真正發(fā)揮作用。所以影響這些決議是我們現(xiàn)在的工作重點。

為此我們將再次與微軟合作。微軟計劃2030年實現(xiàn)負碳排放，其不能完全阻止排放二氧化碳，但它計劃抵消部分排放，至少在一定程度上支付費用給森林所有者來推遲木材采伐，通過生長的樹木來吸收碳。

碳市場并不新鮮，但由于監(jiān)測碳封存難度很高，所以效率一直很低。我們的Basemap每年更新一次，它使監(jiān)測變得簡單很多。 新的可能性也出現(xiàn)了。例如，加州的碳市場只對擁有2000公頃以上樹木的土地所有者開放，因為較小森林的監(jiān)控成本過高，無法進行。市場還要求森林所有者做出100年的承諾，將碳儲量維持在一定水平。然而，封存碳的重要時刻是現(xiàn)在，而非1個世紀以后。1年的短期合同就能以低成本提供同樣的直接效益，短期內(nèi)可以保護更大面積的區(qū)域。

隨著時間的推移，我們的Basemap極大地降低了監(jiān)測森林的成本，這將使數(shù)百萬的小型土地所有者能夠參與此類市場。由于Basemap每年都會更新，因此微軟和其他公司會年年向那些土地所有者付款，讓抵御氣候變化所花費的資金發(fā)揮更大的價值。━━━━像玉米這樣的大宗商品市場運作良好，當你以一定的價格簽訂出售玉米合約時，有人會將一定數(shù)量的玉米送到倉庫，在那里進行稱重和檢查，很容易確認人們買到的是什么。

利用市場來推進碳封存或土地保護工作就困難得多，因為這類工作過程大部分通常發(fā)生在森林里某個看不到的地方。不砍伐樹木所獲得的收益很難用現(xiàn)金估值，如果你無法確定某個特定區(qū)域的樹木是否已被采伐，你也不情愿向土地所有者支付不砍伐樹木承諾的費用。 SilviaTerra公司的Basemap現(xiàn)在為美國人提供了一種方法，用于測量并支付已確認保留下來的樹木，這些森林可以繼續(xù)提供重要的生態(tài)系統(tǒng)服務。我們相信，以這種既見樹木又見森林的方法有助于塑造更加持續(xù)的未來。

原文標題：人工智能會給森林帶來怎樣的變革？

文章出處：【微信公眾號：IEEE電氣電子工程師學會】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。