太空激光AI数分钟完成森林碳储量测绘——气候科学迎来颠覆性突破

阿肯色森林资源中心及蒙蒂塞洛阿肯色大学林业、农业与自然资源学院地理空间科学助理教授哈姆迪·祖卡尼表示，理解碳循环是气候变化研究的关键。该中心总部设在阿肯色大学蒙蒂塞洛分校，通过阿肯色农业实验站和合作推广服务处开展研究与推广活动——二者是阿肯色大学系统农业部的科研与延伸部门。

「森林常被称为地球之肺，这是有充分依据的，」祖卡尼说，「它们储存了全球约80%的陆地碳，在调节地球气候方面发挥着至关重要的作用。」

祖卡尼指出，测量森林碳循环需要计算森林地上生物量。传统的地面估算方法虽有效，但存在劳动力密集、耗时且空间覆盖能力有限等局限。

在近期发表于《生态信息学》的一项研究中，祖卡尼展示了如何将开放获取卫星数据与人工智能算法在谷歌地球引擎平台上整合，从而实现快速精准的大尺度森林地上生物量制图，即便在通达性常受限制的偏远地区也能实现。

祖卡尼的创新方法采用了美国宇航局全球生态系统动力学调查LiDAR（又称GEDI LiDAR）的数据。该设备在国际空间站搭载三台激光器，可精准测量森林冠层三维高度、冠层垂直结构及地表高程。LiDAR全称为"光探测与测距"，通过光脉冲测量距离并构建三维模型。

研究还融合了欧洲航天局哥白尼哨兵系列地球观测卫星（哨兵1号与哨兵2号）的影像数据。通过整合GEDI的三维影像与哨兵卫星的光学影像，祖卡尼显著提升了生物量估算精度。

研究测试了四种机器学习算法分析数据：梯度提升树、随机森林、分类回归树（CART）和支持向量机。其中梯度提升树获得最高精度评分与最低错误率，随机森林可靠度次之但精度稍逊，CART可提供合理估算但倾向聚焦小样本，而支持向量机表现欠佳。祖卡尼强调，这证明并非所有AI模型都同等地适用于本研究中的森林地上生物量估算。

祖卡尼表示，最精准的预测源自将哨兵2号光学数据、植被指数、地形特征及冠层高度与GEDI LiDAR数据集相结合，后者作为机器学习模型训练与测试的基准输入。这表明多源数据融合对可靠的生物量制图至关重要。

研究意义

祖卡尼指出，精准的森林生物量制图对全球碳核算体系完善及森林管理优化具有现实意义。更精确的评估可使政府机构更精准追踪碳固存与毁林排放，为政策制定提供依据。

未来展望

尽管该研究标志着森林地上生物量测量的重大突破，祖卡尼认为现存挑战包括天气对卫星数据的影响，以及部分地区仍缺乏高分辨率LiDAR覆盖。他补充道，未来研究可探索神经网络等深层AI模型以进一步优化预测。

「有一点是明确的，」祖卡尼强调，「随着气候变化加剧，此类技术将成为守护森林与地球不可或缺的利器。」