多亏了卫星和超级计算机,现在可以从太空看到沙漠中的每一棵树,并确定撒哈拉沙漠的植被状况。 地理学助理教授 Martin Brandt 和哥本哈根大学名誉副教授 Kjeld Rasmussen 解释了这项技术的实用性。
长期以来,人们一直在研究干旱和半干旱地区的植被覆盖是否正在下降。 事实上,撒哈拉沙漠扩张和木本植被退缩的理论最早是在 1930 年代提出的。 “大旱” 1970 年代在萨赫勒地区的重点是过度开发和气候变化造成的荒漠化。 近几十年来,主要关注的是气候变化对植被的潜在影响——以及植被对气候的追溯影响,与植被在全球碳循环中的作用有关。
为了更好地了解干旱和半干旱地区的植被覆盖状况及其演变,我们最近绘制了西非数十亿株树木和灌木的地图。 通过结合高分辨率卫星图像和机器学习技术遇到的挑战(机器学习),感谢超级计算机。
在沙漠中寻找灌木 - 从太空
自 1970 年代以来,世界各地的半干旱地区的植被已使用卫星数据进行绘制。 可用的图像是“高”空间分辨率(使用 NASA 卫星, 陆地卫星 MSS et TM,和欧空局, Spot et 哨兵),或“中或低”空间分辨率(卫星 美国国家海洋和大气管理局 et 莫迪斯).
要准确分析大陆或全球范围内的土地覆盖,请使用可用的最高分辨率图像,分辨率为一米或更小。 到目前为止,获取和分析这些数据的成本高得令人望而却步,而且大多数研究都依赖于中等或低分辨率的数据,这不允许识别单个树木。 因此,这些研究只给出了总植被覆盖度和生产力的估计值,混合了更多的草本和木本植被。
一项新研究 发表于 自然 2020 年 3 月,覆盖了西非撒哈拉、萨赫勒和苏丹的大部分半干旱地区,克服了这些限制。 通过结合大量高分辨率卫星数据、超级计算机中的先进计算能力、机器学习技术以及几十年来收集的大量现场数据,我们能够识别树冠表面大于 XNUMX m 的个体2 非常精确。 结果是研究区域内 1,8 亿棵树的数据库,可供所有感兴趣的人使用。
目前,这项工作正在扩展到覆盖撒哈拉以南穿过非洲大陆到红海的半干旱带。 迄今为止测绘的树木数量为 13 亿棵,并且正在改进方法。 地理覆盖范围应该扩大,首先是非洲其他半干旱地区,然后是其他大陆。
为了覆盖从大西洋到红海的整个非洲萨赫勒地区,我们使用了大约 100 张卫星图像,总数据量达数百 TB。 使用来自 NASA 和 Blue Waters(伊利诺伊大学厄巴纳-香槟分校)的超级计算机,将图像拼接在一起以创建连续的马赛克。 然后使用以下方法识别树木深度学习,一种人工智能技术,其中计算机被训练以识别单个树木。 在他的培训期间,一名操作员将数以万计的树木“展示”给计算机,他将他对地形的了解结合他在图像解释方面的技能。 然后,检查机器识别的结果。 总体而言,发现准确性与现场测量密切相关。
关于个别树木的意外信息
我们的树木和灌木数据库包含每棵树的信息、它的确切位置(通常有几米的不确定性)、树冠的大小、获取识别它的卫星图像的日期,以及估计它的地上木质质量和碳含量。 将来,可能会添加其他信息,例如它的高度和它的 物候学,也就是它的周期性事件,例如叶子。
这只是研究项目的开始,但重要的影响已经很明显。 在西非研究中,我们发现的树木比我们预期的多得多。 虽然其他数据来源表明撒哈拉和北萨赫勒地区几乎没有树木,但我们发现了数亿棵树。 与这些树木相关的碳储量将比草本植被中的碳储量更大且更稳定。 此外,农业用地的树木通常比原始大草原的树木高,人口稠密或砍伐地区的整体树木覆盖率较高。 这表明高人口密度并不总是与树木覆盖的减少有关,因为半干旱的萨赫勒地区的居民保护和鼓励居住区和农田的树木。
数据库将用于什么?
该数据库用于不同的目的。 它构成了一个参考基础,可以在大尺度上,甚至在大陆或全球尺度上研究木本植被的时间演变。
它还可以分析控制干旱地区树木存在的因素,例如人类职业、降水、土壤或地貌。 这些信息将用于生态系统和“地球系统”的建模,因为树木在大气和地球表面之间的相互作用中发挥着重要作用,控制着碳交换、蒸散和粗糙度。空气动力学。
最后,数据库中的信息可用于为国家和国际层面的环境政策提供信息和支持。
Elsa Couderc 在 DeepL 的帮助下翻译的文章.