「自然再造プロジェクトのグローバルな潜在能力のマッピング」

Mapping the global potential of the Nature Reengineering Project

地上観測、リモートセンシング、および機械学習を利用する

Stephen KlostermanとEarthshot Science Teamによる。内容は元々2022年12月に開催されたアメリカ地球物理学連合の秋の会議で発表されました。

はじめに

生態学的な復元プロジェクトでは、活動を開始するための投資が必要となります。森林の成長や保全プロジェクトにおける炭素金融の機会を創出するためには、木質バイオマスにおける炭素の蓄積、または森林伐採の防止による回避された排出を予測できることが必要です。これに加えて、植物や動物の種組成や水質など、他の多くの生態系の特性の変化を理解することも求められます。炭素蓄積の予測を作成するためには、通常は個別の場所のプロジェクトに個別の注意と研究努力を注ぐという方法が一般的ですが、これらの場所は世界中に散在している場合があります。そのため、生態系の復元の機会を迅速に「探し出す」作業のために、地理的に正確でグローバルな成長率や他の興味のあるパラメータ値の地図があれば便利です。ここでは、先行の文献レビューから得られたデータを用いてトレーニングされた機械学習モデルによってそのような地図を作成する方法を説明します。そして、Google Earth Engineアプリでアフリカの地図の実装をデモンストレーションします。

データと方法

私たちは最近公開された森林の立木バイオマス測定データセット、年齢、および地理的位置(Cook-Patton et al. 2020)を使用して、一般的に使用されるChapman-Richards(CR)成長関数のパラメータを予測するための機械学習モデルをトレーニングしました。

元の出版物と同様に、外れ値や非現実的な観測値をクリーニングした後、約2000の観測値が残りました。以下のグローバルマップでは、各サイトごとの観測数に比例したシンボルサイズで表示されています。

Global distribution of site-based data; symbol size proportional to number of measurements per site. Image by the author.

これらの観測値は390のサイトに分散しています。ほとんどのサイト(64%)は1つの観測値しか持っていませんが、274の観測値を持つサイトもあります。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

機械学習

マルチモーダル医療AI

Google ResearchのHealth AI部門の責任者であるGreg Corradoと、Engineering and ResearchのVPであるYossi Matiasによって投...

データサイエンス

生成AI:シームレスなデータ転送のための倫理的かつ創造的なイノベーション

この記事は、データエンリッチメントにおける生成AIの変革的な影響について掘り下げ、より正確な洞察と意思決定を促進します

人工知能

コード生成のための5つのChatGPTの代替手段:超高速開発へのハイパードライブ

「ChatGPT の代わりにコード生成を強化し、開発を加速させるための 5 つの強力な代替手段を見つけよう最高のツールをいくつか...

機械学習

「ChatGPT AI-1の解放:高度なLLMベースのシステムの構築」

導入 この記事では、チャットGPT AI-1を使ったLLM(大規模言語モデル)に基づくシステムの構築について説明します。読者がプ...

人工知能

「開発チームのためのAIツール 採用するべきか否か?」

「AIツールがより人気になるにつれて、それを導入する際のリスクと利点を知ることが重要ですCodiumAIのイタマール・フリード...

人工知能

「もしスローガンが真実だったら(ChatGPTによると)」

「私たちはChatGPTに、世界最大の企業のスローガンを再現するように依頼しました今回は、彼らは真実を伝えなければなりません...