评估树木中的碳捕获量使用机器学习

IBM 的新研究旨在量化树木捕获碳和改善环境的程度，仅使用空中图像和可用的 LiDAR 数据。该方法旨在评估树木种植计划如何抵消碳排放，并为量化树木种植计划的价值提供一个可行的矩阵，这些计划正被越来越多的公司和市政当局用作抵消现有和拟建基础设施、发展和其他碳产生活动的负面影响的对策。

为了演示新的方法论，IBM 研究人员 Levente Klein、Conrad Albrecht 和 Wang Zhou 的 论文 评估了纽约曼哈顿区的遥感图像，并计算出该区域的树木代表了 52,000 吨的碳封存。

曼哈顿西区估计的碳捕获量。 来源：https://arxiv.org/pdf/2106.00182.pdf

正在兴起的 碳交易市场 目前由各种方法提供服务，以估计碳抵消量。所使用的多样化模型难以比较，因为它们没有共同的指标或方法。另外，许多模型从小研究区域推断出原则，应用于可能没有相同特征或产生相同碳收益估计的更广泛区域。

此外，许多更详细和更具体的方法需要大量投资于监测技术和时间表，这加剧了人们对基于小规模分析区域建立广泛统计模型的诱惑，风险是产生不准确或具有误导性的结果。

地面和空中树木监测

相反，IBM 论文提出了识别树木物种和生物量的两步方法：首先，计算机视觉分析技术可以从空中照片中推导出树木的物种；其次，将此信息与 LiDAR 数据相关联，能够为“平面”图像添加高度、宽度和体积估计，图像来自空中图像。

上图左上角，我们看到 多光谱 照片由美国国家农业图像计划（NAIP）提供；右上角，树木分割数据；左下角，树冠直径和树高之间的 全ometric 关系，如前期 LiDAR 数据所建立；右下角，图像覆盖区域的估计总生物量。

使用 LiDAR 映射树高很普遍，甚至可以通过 Apple 的 iOS 中的本机功能实现。

使用 iOS 本机 LiDAR 在应用程序中测量树高。 来源：https://www.youtube.com/watch?v=k5DNlvq2hdE

LiDAR 树木映射。 来源：https://towardsdatascience.com/applications-of-lidar-in-forestry-13686e1b15a7

然而，使用 LiDAR 映射树木很昂贵，因此 IBM 项目使用了 2017 年纽约市 LiDAR 采集计划中为斯塔滕岛获取的 LiDAR 数据，以及 2015 年数据项目中为五个行政区获取的树木物种数据，该项目识别了 689,227 棵树，覆盖了 234 个树木物种。

评估纽约市树木的碳负荷

树木的估计碳容量约为其总生物量的 50%，对于示例分析，IBM 项目仅考虑了从 NAIP 多光谱图像中识别出的前四种树木物种。

纽约市主要树木物种的存储容量。

使用线性回归生成了一个训练数据集，基于估计的树冠高度（LiDAR）和树木直径（NAIP）。在最终计算中考虑了不同树木物种的碳容量，结果发现曼哈顿行政区的树木代表了 52,000 吨的碳封存。

为未来创建一致的树木碳捕获模型

每年一致的统计数据的生成仍然是一个问题，考虑到目前缺乏评估树木碳容量的通用标准。研究人员提出了这种方法作为可能的未来标准，并且这种方法可以通过进一步的研究来应用和改进，这些研究可以利用其他市政当局现有的 LiDAR 数据或为此目的而收集的数据。

像格拉斯哥计划通过 种植 1800 万棵城市树木 来抵消碳排放的倡议，如果可以建立这样的标准，将会对类似的国家和国际研究和统计分析工作更有益。可以说，拥有一个具有广泛适用性和可接受准确性的经济且易于实施的标准比当前的多样化测量协议或需要更大资金支持的更高准确性协议更好。