如何摸底非洲大陆的碳含量

碳在陆地、大气、海洋之间不断循环。树木是世界上最重要的碳库，在光合作用过程中，它从大气中吸收大量二氧化碳，并将碳储存在根部、树干、树枝和树叶中。但要测量这种碳存储量非常困难，世界上有数万亿棵树木，而其中大部分处于人口稀少地区，且树木种类和密度会在给定林区碳存储量上产生很大差异。

利用商业高分辨率卫星图像和人工智能，一个包括美国宇航局科学家在内的国际团队绘制了非洲旱地近100亿棵树的地图，以评估非洲大陆茂密的热带森林之外的碳存储量。这是对非洲撒哈拉、萨赫勒和苏丹地区树木碳密度的首次全面评估。该小组在3月1日的《自然》杂志上免费公开了他们的发现。

图1

图1：在卫星图像中识别的单棵树，根据它们所含的碳量绘制颜色图。深紫色表示碳含量较低；黄白色表示水平较高。

研究人员发现，分布在非洲半干旱地区的树木比之前想象的要多得多，但它们储存的碳比一些模型预测的要少。在这项新的研究中，研究小组估计非洲旱地大约储存了8.4亿吨的碳。

准确的树木碳估算对于气候变化预测至关重要，因为气候变化预测受树木和其他植被储存碳的时间的影响。这被科学家称之为“碳停留时间”。对于季节性生长的草和灌木来说非常短，但对于生长多年的树木来说则长得多。要知道一个地方储存了多少碳，就要知道那里到底生长着什么。

除了遍布非洲大陆中部的广阔热带森林，非洲的景观充满多样性：从只有几棵树的干燥草原到散落零星树木的稀树草原，再到有许多零星树木相对潮湿的地区。这种分散的树木覆盖使得科学家们很难估计这些地区的树木数量，并且经常出现高估或低估的情况。然而，这样的测量对于保护工作和理解地球碳循环是必不可少的。

美国宇航局哥达德中心的团队在非洲或其他地方的广大半干旱地区收集并分析了小范围单棵树的碳数据，发现以前基于卫星对非洲干旱地区树木碳含量的估计经常把草和灌木误认为树木。这导致了对那里碳含量的过度预测。

在新的研究中，该团队使用复杂的机器学习和人工智能算法对来自QuickBird-2、GeoEye-1、WorldView-2和WorldView-3卫星(由Maxar Technologies运营)的326，000多幅商业卫星图像进行了排序。研究人员通过美国宇航局的气候模拟中心获得了这些图像，并利用其“探索/适应科学云”来组织和准备图像以进行机器学习处理。

哥本哈根大学的马丁·勃兰特(Martin Brandt)汇编了来自89000棵树的人工智能训练数据。同样在哥本哈根的同事Ankit Kariyaa采用了一种神经网络，这样计算机就可以在非洲高分辨率50厘米图像中检测出单棵树。

研究人员将“树”定义为任何有绿色多叶树冠和相邻阴影的东西。由此，他们通过机器学习软件在伊利诺伊大学蓝水超级计算机上，花费数百万小时来统计树木。当该团队将他们的机器学习结果与人类对景观的评估进行比较时，计算机在测量树冠面积方面的正确率达到了96.5%。

图2

图2：野外科学家通过异速生长法测量每棵树的树冠面积以及相关的树叶、树根和树根的质量，以确定树的不同部分储存了多少碳。这项费力的工作是将树冠面积转换成树木的碳估计值所必需的。

通过测量树冠面积，科学家可以使用异速生长法(研究生物特征如何随大小变化)推导出每棵树的叶子、根和木材中的碳含量。图卢兹大学的Pierre Hiernaux领导的一个小组检查了30种不同的树木，以测量树叶质量、木材质量和根质量。他们评估了这些碳的质量，并建立了与树冠面积的统计关系。

该团队开发的浏览器应用程序公开了非洲树木的碳数据。它允许人们查看研究区域内的每棵树及其储存的碳量。这些数据可能对研究碳循环的科学家和学生、试图改善保护工作的政策制定者以及想要确定自己农场碳储量的农民有用。

图3

图3：科学家们测量了树木的周长，并采取了其他措施来帮助将卫星图像中的树冠面积与储存的碳量联系起来。

想了解更多的故事详见https://svs.gsfc.nasa.gov/5031