通过机器学习保护雨林

2019年12月08日由 KING 发表 666655 0

计算机科学家David Dao开发了一种智能算法，该算法使用雨林的卫星图像和无人驾驶飞机图像来预测下一个可能遭到破坏的雨林区域。他将在最近的马德里气候会议上介绍他的研究，并将于1月在智利启动一个试点项目。

Dao来自德国，是机器学习领域的专家，他开发了可以自动分析卫星和无人机图像的智能算法。这有助于揭示森林覆盖率在哪里下降以及下降的程度。他们甚至可以预测在不久的将来雨林将消失的地方，诀窍在于算法如何读取图像。

卫星和无人机可提供不同高度、分辨率、质量的无数热带雨林图像。它们的共同点是，它们描绘的区域没有标记或以其他方式标识。与地图不同，这些地方没有名称、森林、河流和道路，没有计算机科学家会说的容易识别的标签。这意味着计算机算法无法识别什么是森林覆盖率以及什么不是森林覆盖率。

森林面积正在缩小

正如Dao解释的那样，该算法读取序列以便识别出森林区域以及这些区域是否正在缩小。这些序列是按时间顺序串在一起的单个图像，就像旧的电影胶片或漫画一样。

从鸟瞰的角度来看，所得到的图案类似于鱼的骨骼，具有脊柱和小骨头，因此被称为“鱼骨头”。通过比较这些按时间顺序排列的鸟瞰图，算法可以确定道路系统和森林覆盖率如何随时间变化。

这意味着智能算法不需要标签来生成指示雨林正在缩小的整体图像。他们还可以预测接下来最严重的森林砍伐将出现在何处。该模型还适用于河流附近和农业地区附近的森林砍伐。

在智利雨林中试运行

在名为Komorebi的研究项目中，David Dao找来了该领域的合作伙伴，其中包括智利林业局CONAF（CorporaciónNacional Forestal）。2020年初，一个试点项目将在首都圣地亚哥以南的太平洋海岸的瓦尔迪维亚雨林中开始。Dao将在真实的雨林条件下测试和调整他的预测算法。他的方法不仅能够发现雨林的整体衰退，还可以确定受影响最严重的树种。这是造成气候变化的一个重要因素，因为不同类型的树木以不同的速率存储二氧化碳，而森林保护的一种方法是为当地居民提供财政诱因，以保留树木作为二氧化碳的存储方式，而不是砍伐森林。

在智利的雨林中，他们将研究诸如何通过卫星图像与低层无人机捕获的图像来提高预测算法的准确性。与卫星图像不同，无人机图像可以精确到30厘米以内。Dao说：“如果有无人机图像，我们还可以观察树木的变化并发现生物多样性的变化” 。

标签：

机器学习人工智能算法

0 评论

欢迎关注ATYUN官方公众号

商务合作及内容投稿请联系邮箱:bd@atyun.com

上一篇 OpenAI发布Procgen Benchmark，防止AI模型过度拟合

下一篇避免机器学习“不良结果”的框架

评论登录

要发表评论，您必须先登录。

jonatasgrosman/wav2vec2-large-xlsr-53-english facebook/dino-vitb16 bert-base-uncased xlm-roberta-large xlm-roberta-base gpt2 microsoft/resnet-50 facebook/dino-vits8

Sam Altman离职事件时间线