阿拉斯加大学费尔班克斯分校开发的一种新型机器学习系统可以自动根据卫星数据生成详细地图，显示阿拉斯加可能被甲虫杀死的云杉树的位置，即使在难以识别的低度和中度侵染的森林中也是如此。
自动化流程可以帮助林业和野火管理人员做出决策。随着甲虫侵扰的蔓延，这一点至关重要。
阿拉斯加林业和消防部门称云杉甲虫是“阿拉斯加森林中最具破坏性的昆虫”。
5月18日，UAF地球物理研究所助理教授SimonZwieback的识别系统在ISPRS摄影测量与遥感杂志上进行了详细介绍。Zwieback也隶属于UAF自然科学与数学学院。
这项工作填补了一个知识空白：如何自动绘制低至中等严重程度地区的云杉甲虫侵染地图。
“我们缺乏全面的全州甲虫害树木地图，因为现有产品主要依赖专家从飞机上进行的观察，而这种观察成本高昂，且空间和时间受限，”Zwieback说。“这限制了利益相关者应对持续爆发的能力。”
阿拉斯加林业人员现在使用勘测飞行、耗时的高分辨率图像手动解读和粗糙卫星图像的自动分析来寻找混合林中的枯死云杉。粗糙图像可用于识别整片枯树，但无法识别单株枯树。
包括Zwieback在内的所有识别方法都无法确定一棵树死亡的原因。由于甲虫的存在和已经造成的损害，人们推测甲虫侵扰的可能性很大。
Zwieback的方法将自动化的效率与高分辨率卫星图像的细节结合在一起。
“在混合林中使用机器学习和高分辨率图像是可行的方法，”Zwieback说。
机器学习是一种人工智能，专注于开发算法和统计模型，使计算机能够从数据中学习并做出预测或决策。
Zwieback的机器学习算法使用已知的死亡云杉树位置进行训练。在训练过程中，该算法学会根据其特征形状和颜色以及阴影等背景线索来识别死亡云杉。一旦训练完成，它就可以快速自动识别死亡云杉树。
Zwieback在塔基特纳至拜尔斯湖线以西约167英亩研究区域的图像上测试了该方法。研究区域的森林区域由云杉和桦树的混合林组成。
自2010年代中期开始，该地区受到甲虫侵扰的严重影响。
Zwieback的方法成功地在仅有几棵枯树的林分中识别出了枯死的云杉。
自2016年以来，害虫已在全州范围内侵袭了约200万英亩土地，主要集中在阿拉斯加中南部。到2020年，害虫已向北蔓延至坎特韦尔和阿拉斯加山脉。
大量云杉死亡会导致生态系统发生多种变化和相关后果：林下植被会变成草和灌木，枯枝会散落在地面。所有这些都会增加地面上的可燃物，从而增加野火危险。
Zwieback的方法可以帮助制定有关预防和扑灭的决策。
木材资源价值的下降和景观美感的恶化是另外令人担忧的问题。
Zwieback正在继续他的研究。
“我希望每当有新图像传来时，都能在整个州实施这一措施，”他说。“遥感可以帮助我们了解疫情动态，并指导我们采取应对措施，尤其是当疫情蔓延到内陆地区时。”
兹维巴克表示，他们已经在阿拉斯加中南部地区原住民公司Ahtna所拥有的土地上设立了实地调查点，以便更好地了解疫情向内陆蔓延时的进展和后果。
更多信息：S.Zwieback等人，使用卷积网络从高分辨率卫星图像绘制低严重程度云杉甲