利用卫星监测数据，研究人员开发了一种深度学习算法，可以提供印度部分地区的实时月度土地利用和土地覆盖图。
作为世界上森林资源最丰富的 10个国家之一，大约 8090 万公顷的树木覆盖了印度——约占全国的 25%——但这比过去几年显着下降。在 1890 年代和 1990 年代之间，经济的快速发展和对当地资源的过度开发相结合，导致印度失去了近 80% 的原生森林面积。现在，由于印度的森林仍在继续消失，研究人员正致力于帮助保护剩下的森林。
“我们的工作旨在帮助印度政府和行业改善该国在森林可持续性方面的尝试，”该项目的主要作者、俄亥俄州立大学地球科学研究生 Ying Zuo 说。
土地使用监测系统使用挪威国际气候和森林倡议 (NICFI) 提供的数据进行训练，该倡议是挪威政府的一家企业，旨在减少热带森林的破坏，部分方式是提供世界热带地区的高分辨率图像。该产品是使用来自 PlanetScope 的图像生成的，PlanetScope 是一个卫星星座，每天拍摄整个地球的图像。
通过将 NICFI 产品的数据与清华大学制作的全球土地覆盖图相结合，他们的深度学习模型能够获得更详细类型的区域底图。
“为了将两个数据集组合到同一个系统中，我们将它们重新采样到相同的空间分辨率并对齐每个像素以创建一个图像标记的配对训练数据集，”Zuo 说。“这个过程帮助我们吸收了这两个数据集，因此它们可用于训练我们的深度学习模型。” 这实质上是将数千张小图片合并为一张更大的底图。
在根据这些新卫星图像训练他们的深度学习模型后，该团队能够处理该地区从 2022 年 1 月到 2022 年 10 月的 10 张底图。
该研究海报于上周在地球物理联合会年会上展示。在她的演讲中，左说，使用这些地图，该团队能够检测到印度各地的季节性变化，例如贫瘠土地的变化、农田在雨季如何受到季风的影响，以及山区森林的分布。
该研究得出的一个结论是，生态学家必须更仔细地研究季风对印度森林覆盖的季节性影响。了解这些季节性变化可以帮助科学家了解气候变化对森林的影响。
“随着地球平均温度的升高，自然灾害将变得更加频繁，因此我们可以使用这些地图有助于每个人了解这个问题如何影响地球上的生命，”她说。
此外，如果团队能够将这些底图的时间跨度从几个月扩大到几年而不是几个月，Zuo 说更好的结果可以帮助科学家研究全球其他年度变化，例如洪水。
“其他地区的当地森林及其周围栖息地的特征可能会有所不同，”左说。“但在更详细的数据集的帮助下，我们的工作可以很容易地用于世界上需要优先检测和提醒公众注意森林退化及其副作用的地区。”
海报的共同作者包括 CK Shum、Rongjun Qin、Yuanyuan Jia、Guixiang Zhang 和 Shengxi Gui，他们都是俄亥俄州立大学的研究人员。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！