博鱼体育入口对陆地生态编造的界说正在很大水准上取决于其木本植物。草地、灌丛、热带稀树草原、林地、丛林代表了各个方针的乔木和灌木密度——从低密度、低矮木本植物为主的生态编造，到乔木屹立、树冠相叠的生态编造。可能说，控造生态编造中木本植被布局切实切新闻，是咱们贯通环球生态、生物地舆，以及碳、水和其他养分素构成的生物地球化学轮回的中心。Brandt等人[1]正在《天然》发文报道了他们对一个大型数据库的解析，数据库所蕴涵的高折柳率卫星图像笼罩了西非西撒哈拉和萨赫勒地域130多万平方千米的土地。作家绘造了逾18亿个个别树冠的场所和巨细——此前从未正在云云大面积土地上对树举行过这种标准的定位。

　　大片面卫星数据的空间折柳率相对欠佳，单个图片像素对应的土地面积大凡高出100平方米——很多乃至高出1平方千米林木。这一节造让地球观测范畴的推敲职员不得不衡量归纳性子，例如从顶部往下看，被树冠覆盖的景观的比例（这个比值也被称为树冠笼罩度）。

　　过去20年里，各式商用卫星曾经起首搜罗空间折柳率更高的数据，这些数据可能捕获到巨细正在1平方米或以下的地面物体。折柳率的晋升让陆地遥感范畴迈上了奔腾性的台阶：从体贴景观层面的具体衡量数据到有潜力正在大片区域或环球标准上绘造每颗树的场所和树冠巨细。这场观测才干的革命无疑将从根基上厘革咱们思索、监测、模仿、管束环球陆地生态编造的办法。

　　Brandt等人以拥有报复力的办法体现了陆地遥感身手的这种蜕化。几位作家解析了逾1.1万张空间折柳率为0.5米的图像，寻找此中树冠直径不幼于2米的每一棵乔木和灌木。作家借帮人为智能告竣了这一复杂的使命，他们应用的是一种涉及“全卷积神经汇集”的估计谋划手段。该深度进修手段的计划理念是基于物体的特点形态和色彩，正在更大的图像中识别它们（此处为树冠）。卷积汇集依赖于陶冶数据，这里的陶冶数据是卫星图像，图像中可见的乔木和灌木的树冠轮廓诈欺人为手段举行追踪。通过陶冶若何应用这些样本，估计谋划机学会了若何正在其他图像中寻找高折柳率的单个树冠。最终，推敲职员取得了全部毛里塔尼亚南部、塞内加尔、马里西南部地域的通盘直径大于2米的树木舆图。

　　此前的一次环球树木数目估算[2]是诈欺环球约43万个丛林样地的实地数据告竣的。该推敲作家诈欺统计回归模子，基于植被型和天气，估算了这些野表实地之间的树木密度。作家的解析显示，环球约有3万亿棵树木。然而，这种估算树木密度的办法存正在固有差错和不确定性，对待旱地更加云云，由于能用来校准这类模子的旱地实地衡量数据相对较少。

　　例如，将之前这项推敲结果与Brandt等人正在西萨赫勒的推敲结果比拟较（图1），可能觉察前者容易低估干旱地域（年降雨量少于600毫米）的树木数目。其它，之前的估算数据并未供给每平方千米内每颗树木的场所和巨细新闻，而Brandt等人却给出了每个树冠的详尽场所和巨细。最新推敲的进取还呈现正在湿润地域（年降雨量大于600毫米）的细节程度更高，显示了假定与泥土类型、可用水量、土地诈欺及土地诈欺史籍干系的树的局地空间变异性。

　　闭于树木分散切实切新闻能为生态学推敲供给有效洞察，但要获取较大面积土地的这类数据存正在寻事。a，此前一项推敲[2]基于实地样地数据（图中为西非的数据样本）估算了环球每公顷的树木密度。a图中的方块内是一片干旱地域（年均降雨量少于600毫米），对应图b。虚线显示为年均降雨量（单元为毫米）边境。c，d，Brandt等人[1]诈欺一种能解析高折柳率卫星图像的人为智能手段，判定了西非地域的单个树冠。作家正在非洲旱地觉察的树木密度高于此前推敲结果。例如，Brandt等人对a图中方块的对应地域举行了解析，取得了c图显示的每公顷树木密度。他们还判定了每个树冠（绿色）的巨细和场所，如d图所示，对应c图中的方块地域。此前推敲并未供给这种细节的树木新闻。（上图遵循参考文件[1]和[2]修造。）（施普林格·天然对待出书舆图中的管辖权声明持中立立场。）

　　当然，Brandt等人的使命以及扩展他们的手段用于环球性解析的潜力也存正在需求防卫的地方和限造性。对待直径幼于2米的树冠来说林木，因为影像空间折柳率的管理，树冠探测的告成率会大幅降落，与早前推敲[3]划一。固然卫星图像的空间折柳率尚有晋升空间，但咱们不禁要问：表征差别地域的木本植物群落所需的最幼树冠巨细是多少？对待环球性的树冠舆图绘造，若假设涉及大周围数据的估计谋划和蓄积寻事是可能降服的，那么剩下的最大抨击将正在于斥地出能对树冠举行主动分类和圈定的有用手段。Brandt等人的深度进修手段请求输入简略9万私人为数字化的陶冶点。这种手段明白正在环球标准上并弗成行，必必要有更主动化（无监视）的手段来从卫星图像中提取新闻[4]林木。

　　此中的一个干系题目是可以分辨出真的大型树冠，或是相邻的差别树木酿成的相叠树冠。为了晋升分辨树冠的才干，Brandt等人采用一种加权手段来陶冶他们的卷积神经汇集，但他们仍需借帮“树冠丛”分类来形容面积高出200平方米的咸集树冠区域林木，这阐述该分辨手段并不老是有用。而正在湿润区域，树冠相叠正在林地和丛林更为常见，树冠的圈定和分辨手段需求订正和实行主动化，材干实用于环球标准。

　　然而，更大的寻事正在于树种判定。固然可能基于树冠色彩、形态和质地[5]来推断，但正在地域和环球标准以及全部生物多样生态编造中要做到这一点将更加困穷。异日一段工夫内，按物种绘造单个树冠或是地球观测推敲范畴的一个重要倾向[6]。

　　异日几年，跟着百般根源的数据更易获取——光检测与间隔更正（lidar）、雷达、高折柳率可视近红别传感器，遥感无疑将带来闭于植被布局的亘古未有的详尽新闻[7]。来自卫星的闭于树冠巨细和密度的高折柳率数据或有帮于丛林和林地清查与管束、滥砍滥伐管控，以及对生物量、木柴、薪炭林、林木作物的碳封存情景举行评估。可以诈欺这类卫星数据绘造树冠巨细和场所舆图，将是对其他仪器已能供给的数据的有益填充，例如已能得到的树木高度、笔直树冠新闻、地上林木生物量。接下来要接连睁开推敲，斥地出更有用的树冠分类算法。与此同时，Brandt等人也清楚涌现了畴昔正在亚米级标准上绘造环球树冠舆图的潜力。卫星点名没林木你不成：环球树木普查来了