神经网络可帮助生态学家林务员和电力线运营商从上方测量树木

Skoltech研究人员已经训练了一个神经模型来确定卫星图像上的树木高度，以监测自然环境、基础设施和木材供应。与以前的解决方案不同，IEEEAccess中提出的模型不需要无人机镜头或超出可见范围的多个红外波段的成像——这样的数据更难获得。

环境科学家、土木工程师和木材行业的人们需要基于光学卫星图像对森林冠层高度的可靠估计。它告诉他们生态系统的状况如何，树木捕获了多少大气中的二氧化碳，树木是否有损坏电力线的风险，以及有多少木材可用于伐木。

对于难以进入的大区域和地区，护林员或使用无人机进行位置观察是不可行的。另一种方法是使用多个相机同时进行卫星成像，这些相机除了可见光外，还跨越多个红外辐射波段。然而，这些所谓的多光谱数据更加稀缺和昂贵。

在最近发表的一项研究中，Skoltech研究人员和他们来自Sber的同事展示了一种神经网络，该网络仅使用普通的光学卫星图像即可提供对森林冠层高度的高质量预测。

“使我们的神经网络成功的一个最大因素是它分析空间数据和纹理特征的能力。它利用了树冠形状和高度之间存在的联系，”该研究的第一作者Skoltech博士说。学生斯维特拉娜·伊拉里奥诺娃。

“我们的神经网络利用了额外的输入数据，”她继续说道。“与光学图像一起，我们以北极DEM的形式添加了补充特征，这是一个免费提供的高分辨率模型。它是覆盖北极地区的地球裸露地形表面的2米分辨率表示。”

该模型的训练数据来自俄罗斯北部的阿尔汉格尔斯克地区。冠层高度预测的评分取决于它们与无人机在该区域的位置进行的激光雷达观测的匹配程度。也就是说，研究人员表示，他们的解决方案适用于任何或多或少相似的植被生长的地方。

标签：