May, 2024
社区棕榈模型
A community palm model
Nicholas Clinton, Andreas Vollrath, Remi D'annunzio, Desheng Liu, Henry B. Glick...
TL;DR棕榈油生产被确认为热带国家森林砍伐的主要原因之一，在供应链目标实现过程中，商品生产商和其他利益相关方需要及时了解供应区的土地覆盖动态数据。本研究提出了一种 “社区模型”，这是一个由许多不同利益相关方提供的汇总数据进行训练的机器学习模型，用于开发一种特定的土地覆盖概率地图，即半全球油棕地图。该方法的优势在于包括多样化的输入，可以根据新的训练数据轻松更新模型，并在提供输入影像的任何年份运行模型。将多样化的数据源整合成一个概率地图有助于利益相关方共同理解土地覆盖或商品（在本例中为棕榈油）的存在和缺失。模型的预测因子是由 Sentinel-1、Sentinel-2 和 ALOS DSM 提供的公开卫星影像建立的年度复合图像。我们提供的地图输出是给定像素中棕榈的概率，以反映底层状态（是否为棕榈树）。根据空间分区的测试数据，该模型的初始版本在全球范围内的准确性约为 90%（在 0.5 概率阈值下）。这个模型和生成的油棕概率地图产品对于准确确定棕榈种植的地理范围非常有用。结合及时的森林砍伐信息使用，这个棕榈模型对于了解在敏感森林区域持续扩张油棕种植的风险非常有用。