航空機LiDARと光学観測による都市環境での自己教師あり木レベルバイオマス推定
研究者らは、航空機搭載LiDARと光学画像を使用して都市部の樹木地上バイオマスを推定する自己教師ありフレームワークを開発した。この手法は樹冠の描出とバイオマス推定において高い精度を達成し、手動アノテーションなしで都市の炭素ストックとその時間変化を明らかにした。
都市樹木のバイオマス推定は、都市の炭素循環と気候変動緩和の理解に不可欠です。しかし、管理された森林と比較して、都市樹木のバイオマスは空間的に正確に定量化されることが少なく、多くの推定は個々の樹冠や微細な不均一性を解像できないインベントリや粗い製品に依存しています。最近arXivに発表された研究では、航空機LiDARと光学観測を利用した自己教師ありフレームワークが提案され、樹冠レベルでの都市樹木の地上バイオマス（AGB）を推定しています。
この研究はカナダのオンタリオ州にある810km²の景観を対象とし、2018年と2023年に取得された落葉期の航空機LiDARデータ（ポイント密度8-10パルス/m²）と近赤外RGBオルソフォト（解像度0.16-0.20m）を使用しました。研究者らは、ルールベースの疑似ラベルで訓練された二重ストリームクロスアテンションネットワークを設計し、建物、針葉樹、落葉樹のセマンティックマークを生成することで、樹冠の描出と機能タイプの割り当てを支援しました。独立にアノテーションされた保留タイルでは、全局/平均精度、再現率、Diceスコアはそれぞれ0.86、0.83、0.84でした。樹冠は、マッピングされた樹木領域でマルチスケール分水嶺セグメンテーションによって描出され、AGBは21,921本のインベントリ樹木に対して、Lambertら（2005）の種特異的アロメトリーにキャリブレーションされた樹冠面積-高さべき乗則プロキシを用いて推定されました。90,726本の保留テストセットから得られた18,713組のインベントリ-セグメントマッチングペアでは、インベントリ樹冠形状を用いたAGB予測でR²=0.609、実際のセグメンテーション下でR²=0.570であり、樹冠描出が残る不確実性の原因であることが示されました。
30mに集約した推定では、2018年の総AGBストックが1.73 Tg、2023年が1.81 Tg（811-850 Gg炭素に相当）、ナイアガラ断崖沿いの局所密度は最大約140 Mg/ha、5年間で39 Ggの炭素純増加が明らかになりました。深層アンサンブル不確実性マップは、代表性の低い土地被覆に関連する高い認識論的不確実性領域を強調し、不確実な樹冠をプールされたアロメトリー式に割り当てる指針を提供しました。このフレームワークは標準的な州データを使用し、手動アノテーションを必要とせず、管理関連の解像度で森林外の樹木に対する公開二時期樹冠レベルAGBデータベースを生成します。