追逐林田之路：机器学习揭示伐木地点误表示
机器学习
2025-03-18 v2 计算工程、金融与科学
计算机与社会
摘要
非法伐木构成对全球生物多样性、气候稳定性的重大威胁，并抑制合法木材采伐和负责任的森林产品贸易的国际价格，影响全球各地区的生计和社区。稳定同位素比值分析(SIRA)正快速成为确定贸易有机产品采伐地的重要工具。稳定同位素比值在空间模式中取决于大气和环境条件，因此可用于地理来源识别。我们在此展示了部署的机器学习管道的结果，其中我们利用同位素值和大气变量来确定木材采伐地点。此外，管道包含不确定性估计，以促进分析师对采伐地点确定的解释。我们展示了在来自全球范围的橡树(Quercus spp.)样本上的实验。我们的管道在确定商业贸易木材产品的地理采伐来源方面超越了相当于的最先进模型，并且已被欧洲执法机构用于识别采伐地点误表示。我们还确定了本框架的进一步发展机会，以及如何推广其框架以帮助识别贩假有机产品在供应链中的来源。
引用
@article{arxiv.2502.14115,
title = {Chasing the Timber Trail: Machine Learning to Reveal Harvest Location Misrepresentation},
author = {Shailik Sarkar and Raquib Bin Yousuf and Linhan Wang and Brian Mayer and Thomas Mortier and Victor Deklerck and Jakub Truszkowski and John C. Simeone and Marigold Norman and Jade Saunders and Chang-Tien Lu and Naren Ramakrishnan},
journal= {arXiv preprint arXiv:2502.14115},
year = {2025}
}
备注
9 pages, 5 figures