绿色城市核心技术揭秘:机器视觉+高清遥感准确估算城市树木-集智俱乐部

笛卡尔实验室(Descartes Labs)构建了一个机器学习模型,结合雷达、航空和卫星影像,识别全球林木覆盖。上图展现了美国巴尔的摩公路立交桥附近的林冠分布。

导语

我们日常生活的城市中,树木往往分布不均。想要鸟瞰城市树木的整体分布,传统的办法是专家实地调查。现在,笛卡尔实验室(Descartes Labs)构建的机器学习模型,只需要1米分辨率的卫星影像,就能识别整个城市的林冠覆盖。

编译:集智俱乐部翻译组

来源:Medium

原题:

Mapping All of the Trees with Machine Learning

如何构建绿色城市?——多多植树

城市植树绿化问题,近年来备受关注。城市树木可以减少犯罪,也有助于暴雨灾害防治。小范围看,近年来美国城市树木以每年3600万棵的速度在减少;但在全球范围,城市树木却因为气候变化而加速增长。

城市树木情况正在受到严格的监测。联合国在几周前甚至举办了第一届城市森林问题世界论坛(World Forum on Urban Forests ),讨论城市森林和绿色基础设施(Green infrastructure)的计划、设计和管理。

绿色城市核心技术揭秘:机器视觉+高清遥感准确估算城市树木-集智俱乐部

巴尔的摩环城快道的林冠覆盖,从光秃秃的城市辐射到树木茂盛的郊区,由笛卡尔实验室测量。

讨论城市树木的理由很充足。树木多好啊!它们会制造氧气,吸收二氧化碳,又能提供阴凉,降低噪音——仅仅看着,也觉得赏心悦目。

绿色城市核心技术揭秘:机器视觉+高清遥感准确估算城市树木-集智俱乐部

2018年五月,布鲁克林公园坡区8号街。看看这些美丽的树木!

难点:树木数量和分布难以统计

问题在于,我们很难弄清楚城市中的树木是如何分布的。

例如,下图的旧金山城市森林地图(San Francisco Urban Forest Map),需要一队园艺师经过一年的调查,才能将图中的12万余棵树分类完毕。他们创建的数据库很详尽,记录了树种和规格信息,还包括像电线搭建、路面破损等环境因素。

但是,这样的调查成本过高,而且只能展现城市树木的部分分布。旧金山城市森林和纽约树木清点(New York TreesCount!)这两个机构绘制的树木分布图都不包括公园这样的市内大块区域和私人领地,虽然它们在行道树位置、规格和健康方面的工作无可挑剔

绿色城市核心技术揭秘:机器视觉+高清遥感准确估算城市树木-集智俱乐部

旧金山城市森林地图(San Francisco Urban Forest Map)树木清单(点数据)和笛卡尔实验室林冠覆盖(图像数据)交替出现。

这点统计偏差既非故意也非偶然。如下图推特所述,旧金山城市森林地图是官僚主义的结果,未统计私人领地的树这样的问题可能需要一些时间来克服。如果有那么一天的话。

绿色城市核心技术揭秘:机器视觉+高清遥感准确估算城市树木-集智俱乐部

旧金山城市森林(SF Urban Forest)推特。

那么,如何绘制完整的林冠地图?如何填补官方行道树普查在公园、私人领地的空白?

绿色城市核心技术揭秘:机器视觉+高清遥感准确估算城市树木-集智俱乐部

布鲁克林展望公园西街,对比纽约树木清点(New York TreesCount!)和笛卡尔实验室林冠覆盖。可以看出,城市普查不包括公园和私人领地的树木。

有些精明人会说,拜托,我们不能用植被图代替吗?现在所有人都在用植被指数(Normalized Difference Vegetation Index,缩写NDVI),不是吗?

没那么简单。比如下图的波士顿地区,树木只是植被的一部分,植被图自然无法代替林冠地图

绿色城市核心技术揭秘:机器视觉+高清遥感准确估算城市树木-集智俱乐部

波士顿植被(Boston vegetation)与笛卡尔实验室林冠覆盖交替呈现。很多植被都不是树!了解波士顿的人会注意到芬威球场不断出现、消失。这是因为芬威球场没有树,只有草和绿色怪兽(Green Monster,指芬威球场的左外野墙

教机器识别遥感影像中的树木!

传统的专家调查费时费力,又无法展现树木的全面分布。

因此,笛卡尔实验室(Descartes Labs)暑期实习生、加州理工学院的大三学生 Aidan Swope 构建了机器学习模型,用来在卫星影像上识别林冠覆盖。

笛卡尔实验室(Descartes Labs)是一家利用人工智能分析卫星影像的公司,2015年4月脱离洛斯阿拉莫斯国家实验室。

在模型训练的过程中,Swope 用雷达和国家农业成像工程(National Argriculture Imaging Project,简称NAIP)技术识别了加州林冠覆盖的已知位置。通过这些地表实况,模型可以在之后的卫星图像中分类出包含树木的像素。

结果是:仅仅通过4波段(近红外,红,绿,蓝)的高分辨率(1米)卫星或航空影像,机器学习模型就学会了识别树木——不需要雷达!现在,只要有1米分辨率的卫星影像,这个模型可以生成世界上任何地方的林冠地图。

例如,下图是波士顿公共绿地周边。我们可以清楚地看到:公共花园、公共绿地以及联邦大道都种着许多树。但是,我们也看到其他的一些有趣事实。例如,对路人来说,市中心十字路口CVS药店前的树木可能看起来平平无奇,但是它们实际上已经是这个街区树木最多的地方之一。

绿色城市核心技术揭秘:机器视觉+高清遥感准确估算城市树木-集智俱乐部

波士顿的部分林冠覆盖,由笛卡尔实验室绘制。

只要有接近1米分辨率的图像,分类器可以分析世界上的任何一个地方。例如,使用NAIP技术的时候,林冠地图的分辨率高达60厘米。无人机显然可以给出更高分辨率的图像。

绿色城市核心技术揭秘:机器视觉+高清遥感准确估算城市树木-集智俱乐部

在不同尺度下,NAIP技术测量的华盛顿林冠覆盖,可以清晰看到椭圆广场的每棵树。

最后,下图给出了纽约市林冠覆盖的整体图像和曼哈顿区的放大图,我们可以看到树木景观是如何分布的。树木覆盖了公园、墓地、住宅开发区、西村和上东区等富人住宅区的街道,以及铁路沿线(这是一条贯穿布鲁克林东西的货运铁路线)。

绿色城市核心技术揭秘:机器视觉+高清遥感准确估算城市树木-集智俱乐部

纽约的林冠覆盖,由笛卡尔实验室绘制。树木明显集中在公园、墓地和特定社区。树木荒漠则散布在市中心(除了布莱恩特公园)、皇后区的工业园区和整个城市。

进一步了解你的城市

不到当地就能绘制林冠地图的能力,可以帮助公用事业部门确定物种入侵问题,也可以帮助市政在官方树木普查外发现问题点。缩小到城市层面,林冠地图也展现了城市绿地的不平衡,例如树木荒漠。

任何城市的树木分布都体现着某些规划历史和绿地遗产。看着这些,你就不想知道你的城市的树木景观吗?

参考资料

Descartes Labs(笛卡尔实验室):

https://www.crunchbase.com/organization/descartes-labs#section-overview

作者:Tim Wallace

翻译:Elena

审校:高飞

编辑:杨清怡

原文地址:

https://medium.com/descarteslabs-team/descartes-labs-urban-trees-tree-canopy-mapping-3b6c85c5c9cc

推荐阅读

与树共舞:分形舞蹈可视化

脸太大计算机无法识别?优雅的技术解决方案

ECCV2018:用回归方法判断热度图中的人体姿态从角落的阴影中重建完整场景信息

加入集智,一起复杂!

拉票时刻

《环球科学》杂志和旗下公众号“科研圈”评出了“2018 明星学术公众号”入围榜单,同时也拉开了TOP 10评选的大幕。

集智俱乐部”顺利入围TOP21大名单,如果您喜欢集智俱乐部的内容,请长按识别下方二维码,或点击“阅读原文”,为集智投上宝贵一票,谢谢!

绿色城市核心技术揭秘:机器视觉+高清遥感准确估算城市树木-集智俱乐部

无需注册、无需登录、无需任何个人信息

扫码即可为集智投票(倒数第二排)

笔芯❤️


绿色城市核心技术揭秘:机器视觉+高清遥感准确估算城市树木-集智俱乐部

集智俱乐部QQ群|877391004

商务合作及投稿转载|swarma@swarma.org

搜索公众号:集智俱乐部

加入“没有围墙的研究所”

绿色城市核心技术揭秘:机器视觉+高清遥感准确估算城市树木-集智俱乐部

让苹果砸得更猛烈些吧!

点击左下方 |阅读原文|,为集智投票!

原文始发于微信公众号(集智俱乐部):集智