近日，信息學(xué)院（人工智能學(xué)院）青年教師牟超指導(dǎo)2名本科生在知名地球科學(xué)類(lèi)期刊《Remote Sensing》（中國(guó)科學(xué)院二區(qū)，影響因子5.0）上發(fā)表題為“Estimating Urban Forests Biomass with LiDAR by Using Deep Learning Foundation Models”的研究論文。
城市作為人類(lèi)經(jīng)濟(jì)活動(dòng)的主要場(chǎng)所，是碳中和的“主戰(zhàn)場(chǎng)”。估算城市植被生物量是實(shí)現(xiàn)城市碳中和的關(guān)鍵一環(huán)。受城市地區(qū)植被異質(zhì)化多樣性明顯和復(fù)雜三維地形環(huán)境的影響，人工智能和遙感等低成本、大范圍、便捷的新興植被生物量估算技術(shù)往往存在較大誤差，無(wú)法在城市場(chǎng)景中實(shí)際應(yīng)用。為了應(yīng)對(duì)這個(gè)挑戰(zhàn)，本研究結(jié)合LiDAR和城市路網(wǎng)OSM等多源數(shù)據(jù)，引入了深度學(xué)習(xí)基礎(chǔ)模型，提出了一種高效、準(zhǔn)確的城市植被生物量估算方法3D-CiLBE。
在3D-CiLBE中，首先使用SAM模型從大量復(fù)雜的多源城市數(shù)據(jù)中分割出單木信息，隨后改進(jìn)CLIP模型以識(shí)別樹(shù)木類(lèi)別，利用Informer模型進(jìn)行長(zhǎng)期生物量預(yù)測(cè)。一方面，LiDAR的高分辨率特性為準(zhǔn)確描述復(fù)雜的3D城市森林場(chǎng)景提供了機(jī)會(huì)；另一方面，深度學(xué)習(xí)基礎(chǔ)模型具備處理大量復(fù)雜數(shù)據(jù)進(jìn)行生物量精準(zhǔn)估算的能力。通過(guò)在美國(guó)八個(gè)城市地區(qū)數(shù)據(jù)集的評(píng)估實(shí)驗(yàn)表明，3D-CiLBE方法能夠準(zhǔn)確估算城市植被生物量，具有實(shí)踐潛力?；诖耍狙芯繛锳I賦能城市碳中和提供了新的思路和有力工具。
信息學(xué)院、人工智能學(xué)院大數(shù)據(jù)21級(jí)劉含章和計(jì)算機(jī)21級(jí)袁佳騰兩位本科生分別為論文第一和第三作者。團(tuán)隊(duì)負(fù)責(zé)人陳志泊教授以及來(lái)自螞蟻集團(tuán)高級(jí)算法專(zhuān)家、北京市高層次特殊政策人才仲力恒博士等參與項(xiàng)目研究并聯(lián)合進(jìn)行指導(dǎo)，牟超老師為論文通訊作者和第二作者。該研究受到科技部雄安新區(qū)科技創(chuàng)新專(zhuān)項(xiàng)（2023XAGG0065），CCF—螞蟻科研基金項(xiàng)目（CCF-AFSG RF20220214），國(guó)家林業(yè)和草原局應(yīng)急揭榜掛帥項(xiàng)目（202303），中央高校優(yōu)秀青年團(tuán)隊(duì)項(xiàng)目（QNTD202308），以及北京林業(yè)大學(xué)國(guó)家級(jí)大學(xué)生創(chuàng)新項(xiàng)目（202310022096）等項(xiàng)目的聯(lián)合支持。
論文鏈接：https://doi.org/10.3390/rs16091643
項(xiàng)目鏈接：https://github.com/ForestryIIP/3DCiLBE
