维度网讯，环境AI在森林监测领域的应用正日益依赖高质量数据集的构建，而不仅仅是算法的进步。原始卫星图像必须转化为AI可用的数据，这通常涉及收集地面实况测量、合并多源传感器数据以及纠正不一致性。随着环境AI系统日益复杂，数据工程在推动突破方面可能比算法优化更为关键。

没有一个单一数据集包含环境AI所需的所有信息。卫星图像提供广覆盖，但许多环境特征需要通过整合地形、土壤成分、历史天气模式及实地观测等多个互补数据集来推导。这种数据融合使AI能发现仅凭卫星图像难以检测的模式。

美国陆军工程研究与发展中心（U.S. Army Engineer Research and Development Center, ERDC）与美国林务局（U.S. Forest Service）最近合作，尝试将全球最大的实地测量数据集之一与卫星观测结合。超过35.5万个全美实测森林样地正与约17万亿个30米卫星像素以及气候、地形、土壤和其他环境数据整合。目标是使AI模型能估算从未被直接调查地区的特征，如树种、胸径、生物量和森林组成。

“可以把它想象成在不访问每一棵树的情况下，绘制地球每片森林的高清3D地图，”签约高级研究地球科学家盖布·鲍威尔（Gabe Powell）说。“我们从美国林务局数十万个森林清查样地的地面实况开始，再收集数TB的全球环境数据来解释这些样地中的结构和组成。为了确保在无法进入的地区也能发挥作用，我们的全球解释因子来自卫星，包括气候、地形、土壤类型和可用日照。”

随着卫星星座持续增长，收集图像已变得更便利，但将图像与其他来源整合并对照真实世界观测数据验证依然是更困难的部分。在林业领域取得的进展正被应用于精准农业、基础设施规划、洪水和野火预测、碳核算、生物多样性监测及灾害响应等领域。