用人工智能准确绘制湿地地图:切萨皮克保护协会的实践
“海洋与湿地”(OceanWetlands)小编注意到,近日有媒体报道了美国一个NGO的湿地测绘的实践。该协会使用AI,能有效的进行决策咨询,减少偶然发现环境敏感区的风险。海湿编译分享如下。
简而言之,这篇文章的作者们训练了一个卷积神经网络,该网络使用免费可用的数据以1平方米的分辨率准确(>90%)绘制湿地地图。使用光学雷达(LiDAR)作为预测因子仅略微改善了模型性能(2%的准确性)。训练数据中的地理多样性对于生成空间可推广模型非常重要。湿地标签不准确会给评估模型性能带来挑战;高分辨率地图可以在恢复和开发决策中改变游戏规则。
另外一个背景:切萨皮克湾(The Chesapeake Bay)是美国国会针对修复和保护的第一个河口。20世纪70年代末,美国参议员查尔斯·麦克·马蒂亚斯赞助了一项由美国国会资助的为期五年的2700万美元的研究,以分析海湾野生动物和水生生物的快速损失。这项发表于20世纪80年代初的研究表明,过量的营养污染是海湾退化的主要原因。这些初步研究结果导致了切萨皮克湾计划的形成,作为恢复该湾的手段。最初的《切萨皮克湾协议》是1983年签署的一份简单的一页承诺书。该协议承认,必须采取合作方式来解决海湾的污染问题。后来协议几经更新。2009年,切萨皮克湾计划开始起草一项新协议,该协议将加快恢复,并使联邦指令与州和地方目标保持一致,以创建一个健康的海湾。2014年6月16日,切萨皮克湾流域协议签署,并于2020年1月24日修订。
切萨皮克保护协会的数据科学家教授了一种新的人工智能工具,以更准确地绘制湿地地图。该协会还在对美国全国的土壤进行数据化。
切萨皮克保护协会,是安纳波利斯非营利组织。该协会的数据科学团队已经开发了一个新的人工智能深度学习模型,用于绘制湿地地图,据说准确率达到94%。目标是通过用人工智能深度学习模型检测湿地的存在和缺失来改善当地的地图绘制。在特拉华州肯特县和其他地方进行试点后,下面是研究小组的下一步工作。
该协会气候战略副总裁苏珊·敏梅耶(Susan Minnemeyer)告诉Technical.ly,这个“人工智能湿地模型”为几十年来保护和养护湿地的挑战带来了希望。
什么是湿地?从字面上看,它们是水覆盖土壤的区域。对于像切萨皮克保护协会这样的组织来说,这些地理地形的软弱性一直被证明是棘手的地图。
“湿地被称为景观的肾脏或自然界的超市,因为它们提供了许多生态服务”,库马尔·曼纳利博士说,他是切萨皮克保护协会所在的保护创新中心团队的主要成员,负责这个新的、高度精确的深度学习模型。“不幸的是,在北美,自1900年以来,我们已经失去了大约36.5%的湿地……湿地很重要,因为它们可以清洁被污染的水域,保护下水道,补充地下水,稳定水供应,调节气候,提供食物、水、木材,而且有趣的是,它们可以缓解洪水和干旱。”
美国国家湿地目录的数据已经多年没有全面更新。马伊纳利说,建立一个可以使用不同地域的训练数据的湿地绘图模型,将有助于在最需要的地方实现湿地绘图的现代化。
过时的培训数据显示为绿色。模型预测为紫色,覆盖在最近的卫星图像上。
这张图片显示了训练数据(绿色)没有映射出湿地的区域,但切萨皮克保护协会的模型正确地映射出了湿地存在的地方。“这可能是一个湿地已经恢复的区域,”根据该组织的说法。
这项研究的结果最近发表在同行评议的《总体环境科学》(Total Environment)上。切萨皮克保护协会数据团队的大部分工作是由电力研究所(EPRI)资助的。
来源:Total Environment
“每当他们有新的基础设施项目时,该研究所都会围绕湿地遇到很大的挑战,因为城市里有很多基础设施的增长,包括太阳能开发和可再生能源项目,”苏珊·敏梅耶说。“他们希望在进入开发的实地工作部分之前,减少偶然发现环境敏感区的风险。”
根据研究人员的说法,未绘制的湿地是使用航空照片手工绘制的旧数据的结果。这就是人工智能模型派上用场的地方。
这个湿地模型是用几十年前的国家湿地目录数据集和最近的卫星和航空图像数据来训练的。库马尔·曼纳利说,开发这个模型花了大约一年的时间,但是一旦这样的工具开始运行,它就能够持续地给出一个理想的输出,与其他工具相比,成本非常小。
“这绝对是一项前期投资”,苏珊·敏梅耶说,“但是一旦模型被训练好,它就像这种类型的产品一样接近于按钮。”
该团队发现,与训练前的预测相比,该数据将湿地绘图的局部准确性提高了10%。该项目在美国不同地区的三个地理上不同的县进行了试点。特拉华州的肯特县、明尼苏达州的Mille Lacs县和纽约州的圣劳伦斯县。
苏珊·敏梅耶说:“为该项目选择前三个县的部分原因是它们有高质量的数据。但是,该团队还想了解该模型是否能成功地绘制湿地地图,因为那里的数据在更长时间内没有更新过,这使他们找到了第四个地点。内布拉斯加州的林肯市,那里的湿地是一个重要的问题,"因为他们有不寻常的盐碱湿地,有濒危、不寻常或特有的物种”。
该地区的国家湿地目录数据和许多数据一样,可以追溯到20世纪80年代,并且包括一些不准确的地方,比如在现在有郊区开发或高速公路的地方指出一个湿地区域。即便如此,人工智能模型还是达到了90%的准确率。
过时的训练数据显示为绿色。模型的预测结果为紫色,叠加在最近的卫星图像上。(图片提供)
该模型的表现对这种新的人工智能方法的有用性很有希望。苏珊·敏梅耶说,该团队有志于扩大该模型的规模。
她说:“作为切萨皮克保护协会,我们与切萨皮克海湾计划做了很多工作,海湾计划的目标是恢复我们整个地区失去的湿地。他们已经很难实现这个目标了。”
该团队对他们的数据在提供有关切萨皮克湾流域湿地现状的更好信息方面的作用充满希望,以满足这一代和未来几代人的享受、教育和激励。
按照库马尔·迈纳利的说法,人工智能有能力学习数据中深藏的模式,所以当研究人员有一个大的数据集和大量信息供模型学习时,模型会变得非常好。因此,切萨皮克保护协会的团队和他们支持这项工作的组织的同事相信,这种人工智能模型只会越来越准确,并随着每个项目的开展而变得更加强大。最终,研究人员说,他们认为可以用这个模型在全国范围内绘制湿地地图。
【原文参见】
1.Technical.ly的报道
https://technical.ly/civic-news/chesapeake-conservancy-ai-wetlands/
2. Kumar Mainali, Michael Evans, David Saavedra, Emily Mills, Becca Madsen, Susan Minnemeyer,Convolutional neural network for high-resolution wetland mapping with open data: Variable selection and the challenges of a generalizable model, Science of The Total Environment, Volume 861, 2023
https://doi.org/10.1016/j.scitotenv.2022.160622.
3. https://www.chesapeakebay.net/who/bay-program-history
注:本文仅作为资讯分享,不代表“海洋与湿地”平台观点。
编译 | 王芊佳
编辑 | 绿茵
长按关注
联系小编:
010-88431370, 18910282583
投稿信箱,欢迎来稿:
v25@CBCGDF.org; v66@CBCGDF.org
专门报道海洋与湿地等前沿动态, 为学术研讨活动提供公益支持,服务我国广大海洋与湿地科技工作者和环境保护人士。