研究人员开发机器学习模型以改善亚马逊碳储存估算

由俄勒冈州立大学林业学院研究员领导的一项合作使用超高分辨率卫星图像开发了一种机器学习模型，旨在提高气候科学家估计亚马逊地上碳储量的能力。

研究结果发表在《碳平衡与管理》杂志上。

亚马逊在南美洲占地超过2万平方英里，是世界上最大的热带森林，尽管覆盖了不到地球陆地面积的5%，但对地球起着巨大的生态作用。

地上生物质中储存的所有碳中有一半以上被封存在热带雨林中，热带雨林也是所有陆地物种的60%以上的家园。第二次生长和退化的森林现在比完整的森林覆盖的面积更大，但科学家表示，热带森林退化的全部程度尚不完全清楚。

“热带森林对全球碳预算至关重要，火灾和选择性伐木造成的森林退化在亚马逊地区很普遍，”领导这项研究的俄勒冈州立大学地理空间科学家Ekena Rangel Pinagé说。“更重要的是，土地覆盖分类存在很多不确定性 - 分类哪些区域已被砍伐，哪些区域已被烧毁，哪些是完整的森林，哪些是二次生长等。

Rangel Pinagé和美国林务局，劳伦斯伯克利国家实验室，喷气推进实验室和科罗拉多州莱克伍德的数据科学公司Neptune and Company，Inc.的合作者使用商用卫星生成超高分辨率或VHR图像，像素比例为3平方米。相比之下，美国宇航局和美国地质调查局长期合作的Landsat制作的卫星图像的分辨率为30平方米。

“我们还在飞机上使用激光传感器来估计森林退化时损失了多少碳，”她说。“森林砍伐和森林退化都是大气碳的重要来源。

科学家们在巴西亚马逊地区的三个研究地点工作;其中两个是完整森林与伐木区或烧毁地区的混合物，而第三个还包括一些已转为农业的地块。

通过结合VHR图像和激光传感器数据，研究人员可以将地上碳储量的变化归因于特定类型的森林退化，并确定有多少温室气体二氧化碳通过伐木或火灾事件释放到大气中。

“我们的机器学习方法能够在86%的时间内区分退化的森林和完整的森林，”Rangel Pinagé说。“有时它将伐木的森林与完整的森林混淆，但它非常擅长识别烧毁区域。为了最准确地确定森林退化对碳储量的影响，我们的团队认为森林退化等级 - 伐木或燃烧 - 具有不确定性，其相应的碳储量变化也是如此。

科学家们发现，将这些不确定性纳入模型导致三个测试地点中有两个的平均碳密度估计值降低了6.5%。这意味着没有考虑固有不确定性的早期估计可能过于乐观。

该研究还表明，砍伐的森林含有与完整森林几乎相同的碳量，但火灾可以使森林地区的碳含量减少多达35%。

“我们的研究结果表明，当将生物量变化归因于森林退化时，估计需要考虑不确定性，这是分配退化分类的一部分，”Rangel Pinagé说。“重要的是要充分了解森林退化对碳收支的影响以及再生可能产生的收益。