機(jī)器學(xué)習(xí)如何幫助人類創(chuàng)造可持續(xù)的未來？

機(jī)器學(xué)習(xí)如何幫助人類創(chuàng)造可持續(xù)的未來？資源消耗和環(huán)境退化是全球人類面對的共同問題，在新技術(shù)的幫助下過去棘手的問題逐漸有了解決之道，AI也在能源創(chuàng)新和管理、資源監(jiān)測、環(huán)境控制等可持續(xù)發(fā)展方面貢獻(xiàn)著自己的力量。森林作為地球上最重要的資源之一被譽(yù)為地球之肺，也是成千上萬種動(dòng)植物賴以生存的家園，對許多人來說，森林是食物、水、衣服、藥品和住所的來源。同時(shí)森林對于維護(hù)大氣碳氧平衡、維持氣候和生態(tài)系統(tǒng)的穩(wěn)定具有決定性作用。

但近幾十年來無節(jié)制的開采造成了大面積的森林破壞，大片的林木從地球上消失。據(jù)統(tǒng)計(jì)每年有近1900萬英畝的森林遭到破壞，相當(dāng)于每分鐘有27個(gè)足球場大小的森林從地球上消失。為了治理對森林的破壞，政府需要迅速、詳盡的了解森林面積的變化狀況。傳統(tǒng)方法無法做到及時(shí)和大規(guī)模的覆蓋，使得森林治理和保護(hù)一直面臨著巨大的挑戰(zhàn)。而AI的出現(xiàn)與衛(wèi)星圖像的規(guī)?；瘧?yīng)用使得這一難題逐步解決。

不同的視角

在地面上我們無法全面地了解特定森林區(qū)域的豐富資源，也無法預(yù)測那些可能對植物健康帶來影響的潛在風(fēng)險(xiǎn)。人類在叢林地區(qū)的活動(dòng)能力限制了我們對于森林的深入了解，難以建立起大規(guī)模的監(jiān)測與評估機(jī)制。對森林區(qū)域進(jìn)行全面的人工測量和數(shù)據(jù)收集可能需要數(shù)月時(shí)間，耗費(fèi)大量人力物力。為加深對森林這種復(fù)雜生態(tài)系統(tǒng)的理解，研究人員將人工智能與衛(wèi)星圖像相結(jié)合，利用先進(jìn)的圖像算法和統(tǒng)計(jì)手段在較短時(shí)間內(nèi)就能夠?qū)Υ笃诌M(jìn)行監(jiān)測與評估。將衛(wèi)星圖像用于地表監(jiān)測與勘察已經(jīng)有很長的歷史，但在森林資源的高精度檢測方面一直受制于算法和圖像資源的限制。隨著深度學(xué)習(xí)的發(fā)展，對于圖像深刻的理解能力使研究人員意識到基于衛(wèi)星圖像的廣闊應(yīng)用。

很多研究機(jī)構(gòu)和公司都在這里領(lǐng)域進(jìn)行著探索。例如一家名為20tree.ai結(jié)合了人工智能、極高質(zhì)量的衛(wèi)星圖像和雷達(dá)數(shù)據(jù)相結(jié)合來實(shí)現(xiàn)森林資源的精細(xì)化監(jiān)測?；谏疃葘W(xué)習(xí)算法，模型從衛(wèi)星圖像中學(xué)習(xí)出如何抽取樹木的模式特征，并能夠從圖像中定位樹的位置和一定區(qū)域內(nèi)的森林覆蓋率。

研究人員基于歐洲哥白尼地球觀測計(jì)劃的高精度衛(wèi)星圖像來對地表的林木覆蓋進(jìn)行監(jiān)測。研究人員們使用了云服務(wù)和計(jì)算中心來處理衛(wèi)星產(chǎn)生幾十TB的海量數(shù)據(jù)，從中不斷學(xué)習(xí)并利用算法來檢測變化。

對于森林破壞和砍伐的檢測也是相同的。通過向該算法提供許多砍伐森林的例子，它可以了解砍伐森林的情況?；诓煌瑫r(shí)空的訓(xùn)練樣本可以訓(xùn)練機(jī)器學(xué)習(xí)算法來檢測森林砍伐模式并預(yù)測高風(fēng)險(xiǎn)區(qū)域。它甚至可以檢測人類無法發(fā)現(xiàn)的模式。隨著衛(wèi)星圖像速度和質(zhì)量不斷提高，有可能獲得針對全球林木覆蓋了的每日報(bào)告。要分析這些數(shù)量的圖像并檢測微小的變化，機(jī)器學(xué)習(xí)是一個(gè)完美的解決方案。此外對于森林干旱程度分析、火災(zāi)隱患評估也通過相應(yīng)的方法實(shí)現(xiàn)。

通過算法對衛(wèi)星圖片的處理后，人們可以檢查其感興趣的林木狀況，包括樹種、高度和直徑、生長情況和生產(chǎn)力，以及經(jīng)濟(jì)植物的收獲潛力。除了保護(hù)森林外還對經(jīng)濟(jì)林木、農(nóng)業(yè)帶來了更多的幫助。用戶可以在幾分鐘內(nèi)獲得這些信息，使他們能夠有效監(jiān)控大自然的變化。例如，在干旱、病蟲害或其他干擾存在的情況下，可以提前采取適當(dāng)措施，減少不良影響，同時(shí)也可以評估自然災(zāi)害后的受損情況一遍采取合適的措置來恢復(fù)受災(zāi)的區(qū)域。

廣泛應(yīng)用

基于衛(wèi)星圖像的林木覆蓋監(jiān)測可以廣泛應(yīng)用于智慧森林、農(nóng)業(yè)協(xié)同和城市植被覆蓋監(jiān)測管理等方面。對于政府、林業(yè)部門和管理部門提供重要的額信息參考和著重要的指導(dǎo)意義。用于實(shí)時(shí)森林監(jiān)測和可持續(xù)管理。廣為人知的森林砍伐地區(qū)包括巴西的亞馬遜河以及印度尼西亞的婆羅洲和蘇門答臘島。然而，在南美洲、非洲。亞洲和澳大利亞的其他地區(qū)，近年來大量森林遭到破壞。每個(gè)地區(qū)砍伐森林的原因各不相同。例如，印度尼西亞主要是為了建造棕櫚種植園；巴西塞拉多則是為了建造牧場和大豆種植園。

得益于極高分辨率的衛(wèi)星圖像和雷達(dá)數(shù)據(jù)，這種技術(shù)夠在全球范圍內(nèi)提取樹木信息，為森林和木材庫存提供近乎實(shí)時(shí)的情報(bào)。觀測森林的健康和威脅，如樹木砍伐、干旱、昆蟲瘟疫、土壤健康、風(fēng)暴破壞等，從而更有效地利用資源并減少負(fù)面影響。結(jié)合衛(wèi)星圖像和人工智能還可以揭示人眼無法獲得的信息，一些長期的緩慢的變化可以從宏觀的檢測中得出，隱含在全球森林分布和變化的模式也可以被有效發(fā)掘。

促進(jìn)可持續(xù)實(shí)踐并支持當(dāng)?shù)匕l(fā)展。農(nóng)業(yè)一般會(huì)對森林和自然產(chǎn)生重大影響。農(nóng)業(yè)是森林砍伐的最大驅(qū)動(dòng)力，因?yàn)檗r(nóng)業(yè)需求，很多資源往往變得不可持續(xù)。世界人口正在快速增長。根據(jù)聯(lián)合國的研究，到2050年，地球上將有98億人口。與今天的76億人口相比，增加了29％。隨著人口的增長，對食物，木材和礦物的需求不斷增加。這也是毀林和森林退化的主要原因之一。以生產(chǎn)肉類為例。森林用地被轉(zhuǎn)化用于養(yǎng)牛和大豆種植。很明顯，肉類需求的增長是造成森林損失的第一要素。此外，木質(zhì)產(chǎn)品如木質(zhì)建筑物和家具等的生產(chǎn)是另一個(gè)重要原因。

新技術(shù)的發(fā)展給農(nóng)業(yè)和政府一個(gè)全新的工具和手段來平衡經(jīng)濟(jì)與環(huán)境的關(guān)系。人們可利用新技術(shù)在細(xì)粒度水平上提取最新的土地覆蓋分類，并深入了解產(chǎn)量和生產(chǎn)力，選擇損害較小或者沒有損害的區(qū)域進(jìn)行開發(fā)，以此降低森林的壓力并帶來更為可持續(xù)的發(fā)展。利用人工智能，更具體地說是機(jī)器學(xué)習(xí)，可以有助于提高轉(zhuǎn)換土地的生產(chǎn)力。當(dāng)衛(wèi)星圖像和機(jī)器學(xué)習(xí)相結(jié)合時(shí)，可以生成自動(dòng)信息，幫助農(nóng)民改善經(jīng)營方式。它有助于農(nóng)民根據(jù)所需灌溉的位置、時(shí)間和數(shù)量以及要使用的農(nóng)藥做出數(shù)據(jù)驅(qū)動(dòng)的決策。此外，它有助于優(yōu)化收獲的時(shí)間，帶來了更高的產(chǎn)量和更可持續(xù)的資源利用。

創(chuàng)造更健康的城市。到2050年，全球三分之二的人口將居住在城市。在氣候變化的影響下，人們被迫遷移到城市，但城市也面臨著氣候變化的壓力。熱浪、空氣污染、風(fēng)暴和洪水是非常嚴(yán)重的威脅，每天都會(huì)影響數(shù)百萬人的生活。森林為緩解這些威脅提供了基于自然和成本效益的解決方案?；谛l(wèi)星圖像和機(jī)器學(xué)習(xí)的城市掃描和監(jiān)測服務(wù)深入了解城市綠地，如植被覆蓋、城市森林多樣性和空氣質(zhì)量等，為城市合理規(guī)劃植被、監(jiān)控氣候狀況提供了及時(shí)準(zhǔn)確的資料。預(yù)計(jì)到2050年，容納全球三分之二人口的城市都可以利用這項(xiàng)技術(shù)更加深入地了解綠地情況，如樹木覆蓋、城市森林多樣性和空氣質(zhì)量等。毫無疑問，更好地監(jiān)測和管理城市森林有助于減輕城市熱浪、空氣污染和洪水爆發(fā)，最終實(shí)現(xiàn)人類的可持續(xù)發(fā)展。

寫在最后

文中提到的高精度衛(wèi)星數(shù)據(jù)來源于Daily Change Challenge比賽:https://www.copernicus-masters.com/prize/planet-challenge/https://www.planet.com/

另外歐洲空間局的哥白尼地球觀測計(jì)劃衛(wèi)星數(shù)據(jù)可以在下面這里找到:https://earth.esa.int/web/guest/home

以及更多的其他數(shù)據(jù):https://spacedata.copernicus.eu/web/cscda/data-offerhttp://scihub.terradue.com/

ref:

https://www.20tree.ai/

https://blogs.nvidia.com/blog/2019/01/17/ai-for-smarter-forest-management/ https://www.copernicus-masters.com/winner/forest-health-monitoring-using-ai-and-satellites/

歐洲哥白尼地球觀測計(jì)劃：http://www.esa.int/Our_Activities/Observing_the_Earth/Copernicus

衛(wèi)星圖像：

https://land.copernicus.eu/imagery-in-situ https://maaproject.org/en/

哨兵衛(wèi)星數(shù)據(jù)：

http://www.esa.int/Our_Activities/Observing_the_Earth/Copernicus/Sentinel-1 https://blog.csdn.net/lijie45655/article/details/80863404 http://science.sciencemag.org/content/342/6160/850