发现甲虫杀死的云杉的新方法可以帮助森林和野火管理人员

阿拉斯加大学费尔班克斯分校开发的一种新的机器学习系统可以根据卫星数据自动生成详细的地图，显示阿拉斯加可能被甲虫杀死的云杉树的位置，即使是在低虫害和中度虫害的森林中，否则也很难识别

自动化流程可以帮助林业和野火管理人员做出决策。随着甲虫侵扰的蔓延，这一点至关重要

阿拉斯加林业和消防局称云杉甲虫为“阿拉斯加森林中最具破坏性的昆虫”。

美国宇航联合会地球物理研究所助理教授Simon Zwieback的识别系统在5月18日的《ISPRS摄影测量和遥感杂志》上有详细介绍。Zwieback还隶属于UAF自然科学与数学学院

这项工作填补了一个知识空白：如何自动绘制中低严重程度地区可能发生的云杉甲虫侵扰地图

Zwieback说：“我们缺乏全州范围内被甲虫杀死的树木的全面地图，因为现有的产品主要依赖于飞机上的专家观测，而飞机价格昂贵，而且在空间和时间上都受到限制。”。“这限制了利益相关者应对持续疫情的能力。”

阿拉斯加林业人员现在使用调查飞行、耗时的高分辨率图像手动解释和粗糙卫星图像的自动分析来在混合森林中发现死云杉。粗糙的图像可以用于识别整棵枯树，但不能用于识别个别枯树

这些鉴定方法，包括Zwieback的方法，都不能确定一棵树的死亡原因。人们猜测甲虫侵扰的可能性是因为它的存在和已经造成的破坏是众所周知的

Zwieback的方法将自动化的效率与高分辨率卫星图像的细节相结合

Zwieback说：“在混合森林中，使用机器学习和高分辨率图像是可行的。”

机器学习是一种人工智能，专注于开发算法和统计模型，使计算机能够从数据中学习并根据数据做出预测或决策

Zwieback的机器学习算法是使用死云杉树的已知位置进行训练的。在训练过程中，该算法根据云杉的特征形状和颜色以及阴影等上下文线索来识别死云杉。一旦经过令人满意的训练，它就可以快速自动地识别死去的云杉树

Zwieback在从Talkeetna到Byers Lake的一条线以西约167英亩的研究区域的图像上测试了该方法。研究区域的森林区域由云杉和桦树的混合林组成

该地区受到始于2010年代中期的甲虫侵扰的严重影响

Zwieback的方法成功地识别了只有几棵死树的林分中的死云杉

自2016年以来，全州范围内的虫害已影响约200万英亩，主要发生在阿拉斯加中南部。到2020年，它已经向北蔓延到坎特威尔和阿拉斯加山脉。

大量云杉的死亡导致了几个生态系统的变化和相关后果：底层植被可能会变成草和灌木，枯枝可能会散落在地板上。所有这些都会在地面增加更多的燃料，从而增加野火的危险

Zwieback的方法可以帮助做出防火和灭火的决策

木材资源价值的下降和景观的美学退化是另一个令人担忧的问题

Zwieback正在继续他的研究

“每当有新的图像出现时，我想在整个州实施这一点，”他说。“遥感可以帮助我们了解疫情动态，并为我们的应对措施提供信息，尤其是当疫情迁移到内陆地区时。”Zwieback说，已经在阿拉斯加中南部地区原住民公司Ahtna拥有的土地上建立了现场，以更好地了解疫情进入内陆地区时的进展和后果