基于机器学习的森林碳储量估算以提升森林保护工作的透明度
计算机与社会
2019-12-18 v1 机器学习
摘要
越来越多的企业和城市计划实现CO2中和,这要求它们投资可再生能源与碳减排抵消方案。最廉价的碳抵消方案之一是防止发展中国家的森林砍伐,而森林砍伐是全球温室气体排放的主要来源。然而,森林保护项目历史上存在信任与透明度问题,这促使企业投资于透明但昂贵的空气碳捕集设施。保护项目本可通过开展精确的森林清查(树木直径、树种、高度等)来透明地估算生物量与储碳量。但当前的雨林清查过于不准确,因为它们常基于少量昂贵的地面样本和/或低分辨率卫星影像。美国森林中使用的基于LiDAR的方案虽准确,但成本高昂且在亚马逊雨林中难以获取。我们提出通过对无人机影像进行基于深度学习(Deep Learning)的处理,实现准确且廉价的森林清查分析。更具透明度的储碳估算将提升对客户方的透明度,从而增加对森林保护项目的信任与投资。
引用
@article{arxiv.1912.07850,
title = {Machine Learning-based Estimation of Forest Carbon Stocks to increase Transparency of Forest Preservation Efforts},
author = {Björn Lütjens and Lucas Liebenwein and Katharina Kramer},
journal= {arXiv preprint arXiv:1912.07850},
year = {2019}
}
备注
Published at 2019 NeurIPS Workshop on Tackling Climate Change with Machine Learning