由美國俄勒岡州佛羅裡達大學的Ben Weinstein 領導的一個研究協作團隊利用機器學習產生了來自美國24 個地點的超過1 億棵樹木的高度詳細的地圖，並於7 月16 日在公開網站上發表了他們的研究結果。公共科學圖書館生物學。 這些地圖提供了有關各個樹種和狀況的信息，可以極大地幫助保護工作和其他生態項目。
生態學家長期以來收集了有關更了解森林獨特的生態系統。 從歷史上看，這是透過調查小塊土地並推斷這些發現來完成的，儘管這不能解釋整個森林的變化。 其他方法可以覆蓋更廣泛的區域，但通常難以對單一樹木進行分類。
為了產生大型且高度詳細的森林地圖，研究人員訓練了一種稱為“使用樹冠和其他影像搭飛機拍攝。 這些涵蓋了 40,000 棵單獨的樹木，與本研究中使用的所有數據一樣，由國家生態觀測站網路提供。
深度神經網路能夠以 75% 至 85% 的準確率對最常見的樹種進行分類。 此外，該演算法還可以提供其他重要的分析，例如報告哪些樹是活的或死的。
研究人員發現，深度神經網路在空間較開放的區域具有最高的準確度。在將松樹、雪松和紅杉等針葉樹種進行分類時表現最佳。
該網絡在物種多樣性較低的地區也表現最佳。 了解該演算法的優勢有助於將這些方法應用於各種森林生態系統。
研究人員還將他們的模型的預測上傳到Google地球引擎，以便他們的發現可以幫助其他生態研究。 研究人員表示，“重疊數據集的多樣性將促進對森林生態和生態系統功能的更豐富的理解。”
作者補充說：「我們的目標是為研究人員提供第一張美國各地生態系統樹種多樣性的大比例尺地圖。這些樹冠地圖可以使用每個站點收集的新數據進行更新。透過與NEON 站點的研究人員合作隨著時間的推移，我們可以做出越來越好的預測。
更多資訊：Weinstein BG、Marconi S、Zare A、Bohlman SA、Singh A、Graves SJ 等。 (2024) 國家生態觀測站網絡的個體樹冠樹種地圖，公共科學圖書館生物學（2024）。DOI：10.1371/journal.pbio.3002700
引文：科學家利用機器學習來預測森林中樹種的多樣性（2024 年，7 月16 日），2024 年7 月16 日檢索自https://webbedxp.com/science/jamaal/news/2024-07-scientists -machine-diversity-tree-物種.html
本文件受版權保護。 除私人學習或研究目的的公平交易外，未經書面許可不得複製任何部分。 內容僅供參考。
