新知特寫

首頁> 新知特寫> 利用機器學習繪製全美森林樹種地圖
利用機器學習繪製全美森林樹種地圖 Scientists Use Machine Learning to Predict Diversity of Tree Species in Forests
美國奧勒岡大學的研究團隊透過機器學習技術,繪製出涵蓋全美24個地點、超過一億棵樹的超詳細地圖,並於7月16日發表於《PLOS Biology》期刊中。這些地圖詳細記錄了每棵樹的種類和生長狀況,對保育工作及生態研究有相當大的幫助。 一直以來,生態學家致力收集森林生態系統的樹種資料。傳統收集方法是在小範圍樣區內調查,再推估至整片森林,但此方法無法反映森林內部的多樣性;而其他調查方法雖然涵蓋範圍較廣,但難以精確辨識單一樹種。 為此,研究團隊利用飛機拍攝的樹冠層影像和其他感測器數據,訓練出「深度神經網路」的機器學習模型,用以繪製大範圍、高精細度的森林地圖。訓練數據由美國國家生態觀測網 (NEON) 提供,涵蓋了四萬棵樹木。此模型能以75%至85%的準確率辨識大部分常見樹種,並提供其他重要分析,例如判斷樹木的存活狀態。 在樹冠層較開闊,例如針葉樹 (如松樹、雪松、紅杉) 為主的區域,或是樹種多樣性較低的區域,辨識準確率最高。研究團隊已將模型預測結果上傳至 Google Earth Engine,供其他生態研究參考。 團隊表示:「我們的目標是提供研究人員第一批涵蓋全美生態系統的樹種多樣性地圖,並可隨時更新最新數據。透過與 NEON 各站點的研究人員合作,可不斷優化預測結果。」
2024/07/18
https://www.sciencedaily.com/releases/2024/07/240716151249.htm
Science Daily
楊侑馨