太空激光AI数分钟内绘制森林碳分布图——气候科学迎来颠覆性进展

阿肯色大学蒙蒂塞洛分校阿肯色州森林资源中心及林业、农业与自然资源学院的助理教授、地理空间科学专家哈姆迪·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，通过阿肯色州农业实验站以及合作推广服务处（阿肯色大学系统农业研究推广机构）开展研究与推广活动。

祖卡尼指出："森林常被称为地球的肺，这并非没有道理。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关键作用。"

为衡量森林碳循环，需要计算森林地上生物量。祖卡尼表示，传统的地面估算方法虽然有效，但存在劳动强度大、耗时长且空间覆盖能力有限等问题。

在近期发表于《生态信息学》的研究中，祖卡尼展示了如何将开源卫星信息与人工智能算法整合于谷歌地球引擎，从而快速精准地绘制大尺度森林地上生物量分布图，该方法在可及性常受限的偏远地区同样适用。

祖卡尼的创新方法采用美国宇航局全球生态系统动态调查激光雷达（GEDI LiDAR）数据。该系统在国际空间站搭载三台激光器，可精确测量三维森林冠层高度、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。

研究还融合了欧空局哥白尼哨兵地球观测卫星（哨兵1号与2号）的影像数据。通过整合GEDI三维影像与哨兵卫星光学影像，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）及支持向量机。其中梯度提升树获得最高精度评分与最低误差率，随机森林位居第二结果可靠但精度略低，CART可提供合理估值但聚焦范围偏窄。支持向量机算法表现欠佳，这表明本研究并非所有AI模型都同等地适用于森林地上生物量估算。

祖卡尼强调，最精准的预测来自哨兵2号光学数据、植被指数、地形特征、冠层高度与GEDI激光雷达数据集的协同应用——后者作为机器学习模型训练与测试的基准输入源，这证实多源数据融合是实现可靠生物量制图的关键。

研究意义

祖卡尼表示，精准的森林生物量制图对全球尺度的碳核算优化及森林管理改进具有现实意义。通过更精确的评估，政府与组织可精准追踪森林固碳量及毁林排放量，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，祖卡尼指出现存挑战包括天气对卫星数据的影响，且部分区域仍缺乏高分辨率激光雷达覆盖。未来研究或可探索神经网络等更深入的AI模型以进一步完善预测。

"有一点是明确的，"祖卡尼总结道，"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。"