罗尔夫·施密茨，CollectiveCrunch联合创始人兼联合首席执行官 – 采访系列

罗尔夫·施密茨是CollectiveCrunch的联合创始人兼联合首席执行官，CollectiveCrunch是一家通过提供最准确、最可扩展、最及时的全球分析来改变世界对森林的理解的平台，并使森林管理可持续并为碳交易市场带来透明度。

罗尔夫是一名工程师，拥有曼彻斯特商学院的MBA学位。他在全球业务发展和销售方面拥有深厚的经验，并在亚洲、美国和欧洲建立了团队。

您能否分享CollectiveCrunch背后的创业故事?

我们擅长处理大量数据并从中提取见解。当我们创立CollectiveCrunch时，我们的初衷是将气候数据与业务流程相结合，因为我们认为这是气候变化的一个被忽视的方面。

最初，我们专注于物流和能源。我们开发了一个可以预测风电场的能量产出的产品，这对于维持能源网的稳定性至关重要。该产品在芬兰的国家电网Fingrid中已投入使用。然而，我们发现物流和能源市场竞争激烈，对于一家小公司来说，要在这些领域建立领导地位将会很困难。

通过我们共同创始人Jarkko的一个朋友，我们了解到了创建和维护森林清单的挑战。我们认为技术水平令人震惊地低。因此，清单昂贵、不准确，并且通常每5-10年才进行一次。森林在气候变化缓解、生态系统服务和基于自然的解决方案中的重要性当时已经很明显。因此，CollectiveCrunch成为了一个“林业人工智能公司”。在个人层面上，我们都在农村长大，所以我们天生对森林有着亲和力。这就是我们开始为森林构建人工智能模型的原因。

监测森林使用的工具和相机类型是什么?

我们的方法不是专注于某一种感知方法，而是将我们能够获取的所有相关数据源结合起来。任何一种感知方法都有其优缺点；通过结合数据源，我们可以克服这些缺点。例如，光学图像非常有用，但当有云层覆盖时，卫星无法获取这些图像。在我们的业务中，来自卫星的数据很重要，但也使用激光雷达扫描数据，尽可能获取这些数据。从商业模式的角度来看，我们不参与数据采集，例如飞行无人机或租用飞机扫描区域。

除了卫星传感器数据外，激光雷达扫描是一种非常重要的工具或方法。高分辨率光学图像通过航空活动获取的不如激光雷达扫描那么突出，但也被使用。仍然被广泛使用的一种工具是19世纪的老方法，即手动采样。通过大量统计分析，我仍然将其称为一种工具。

系统是否能够针对不同本地生态系统进行训练，以识别病原体感染、异常和干扰或其他类型的树木疾病?

可以适应不同的区域生态系统，包括变化检测。树种、生长模式和林业管理实践在各个地区差异很大。同样，数据采集方法和实践也各不相同。因此，不仅仅是树木，还有训练数据也是不同的。

可以从这些信息中获得什么样的可行见解?

• 归类为“变化检测”，您可以检测到风暴损害、害虫爆发和其他需要干预的负面影响，以便在现场进行干预并限制损害的影响。
• 碳清单为碳项目带来透明度，并促进了对这些项目和信用额的估值和购买决策。
• 在造林项目中，新种植树木的可行性取决于土壤中的适量水分。检测过度干燥或过度潮湿可以触发干预以防止这些幼树失败。
• 商业林业中的林木清单为决策提供信息，例如区域的间伐（这可以促进生长）和收获的优化。树种检测使供应链更加高效，并提高了利润率。这些使得该行业能够更有效地利用森林资源。这一点至关重要，因为许多商业森林对于维持农村社区和推动可循环产品和包装的采用至关重要。
• 跟踪生物多样性可以触发对受退化影响的区域的干预。生物多样性对于我们的森林在气候变化加速的过程中变得更加具有韧性至关重要。

分析如何使森林所有权更加可持续?

有几种好处。首先，商业林业不断采用新的措施以变得更加可持续。这些措施中的许多需要更好、更深入的分析。例如，清理（即100%砍伐森林的一块区域）对当地生态系统有很大的影响。出于效率原因，许多可持续产品（如纤维包装）如果林业变得不那么高效，就无法与不那么可持续的替代品竞争。该行业正在探索只砍伐每个区域中最大的树木的替代方案。这比传统方法更可持续，但从后勤和成本角度来看，这是一个非常严重的挑战。并且这只能通过最先进的分析来实现。

生物多样性对于森林的韧性至关重要。跟踪生物多样性并在需要时启用干预对于森林的短期和长期可行性至关重要。

对于碳捕获项目，系统如何验证一个项目是否如宣称的那样减少了温室气体排放?

该系统实现了对相关森林清单的某种程度的准确性，这是可以验证的。大多数绿色洗脑行为并不是发生在分析层面，而是在项目结构方面。旨在避免森林砍伐的森林碳项目主要面临两个问题：

• 基线：这是一个假设集，预测没有干预的情况下会发生什么。然后，干预被计算为基线以上的“附加性”。今天，基线不是来自数据驱动的分析，而往往是粗略的平均值。此外，基线是由项目经理自己计算的，他们存在利益冲突：基线越低，产生的信用额就越多。
• 溢出效应：定义项目区域内发生的积极事件（例如减少采伐）被项目区域外发生的事件所抵消的现象。通常，这些区域没有被跟踪，因此项目获得信用，而正面影响却丢失到周围的森林中。

这里的根本问题是缺乏数据驱动的分析来独立跟踪发生了什么。今天，这是可能的，我们可以大规模地做到这一点，但在这个领域采用最先进的技术非常缓慢。简而言之，问题不在于分析，而在于信用额的计算基础上。

您是否有可以分享的客户使用此系统的案例?

• 西班牙最大的森林所有者ENCE使用我们的系统。
• 我们的第一个也是最大的客户是芬兰国家森林局（Metsähallitus）。
• 我们的合作伙伴Forliance是全球最大的也是最受尊敬的碳项目经理之一，与我们合作开发了哥伦比亚最大的碳项目之一。
• 欧洲北部前十大林业国家中的7个都是我们的客户。我们最近的客户，即将宣布，是芬兰的“三巨头”之一。

您对森林保护的未来有什么展望?

我们的愿景是以数据驱动和基于事实的分析为基础的自然解决方案。很明显，我们需要快速行动以减轻气候变化。目前，世界上大部分森林每5-10年才会被清点一次。我们应该将其减少到每月跟踪，以了解发生了什么。此外，我们需要跟踪生物多样性。没有生物多样性，我们就会在气候危机中失去森林的韧性。

您是否还有其他关于CollectiveCrunch的事情想要分享?

是的：我们可以做到这一点。我们目前覆盖了2000万公顷的森林，相当于5000万英亩。我们以比传统方法更好的准确率来做到这一点。这是真实的，并且它使碳交易市场变得透明。

感谢这次精彩的采访，希望了解更多的读者可以访问CollectiveCrunch的网站。