科学家已能够利用一种新方法，以极高精度绘制出西非数十亿棵单株树木和灌木的分布图。
该方法结合了大量高分辨率卫星数据、先进计算能力、机器学习技术，以及数十年来积累的大量实地数据。
研究成果是一个可公开获取的数据库，包含18亿棵树木，目前其地理研究覆盖范围正在扩大。
这些信息可用于多种不同目的，包括增进我们对木本植被的认识，以及为环境政策提供依据。
半干旱和干旱地区植被覆盖面积萎缩的可能性，长期以来一直是国际关注的问题。20世纪30年代，人们首次提出撒哈拉沙漠正在扩张、木本植被正在退缩的理论。在1970年代，受“萨赫勒干旱”的推动，关注重点转向人类过度利用和/或气候变化所导致的“荒漠化”威胁。近几十年来，气候变化对植被的潜在影响一直是主要关切，同时还涉及植被对气候的反馈作用，以及植被在全球碳循环中所扮演的角色。
我们现已能够在超级计算设施上，利用高分辨率卫星数据和机器学习技术，绘制出西非数十亿棵单株树木和灌木的分布图。其目标是更好地了解干旱和半干旱地区植被覆盖的真实状况及其演变。
在沙漠中寻找一株灌木——从太空出发
自20世纪70年代以来，卫星数据已被广泛用于全球半干旱地区的植被制图与监测。影像可提供“高”空间分辨率（美国国家航空航天局的卫星Landsat MSS 和 TM，以及欧洲航天局的卫星Spot 和 Sentinel）以及“中等或低”空间分辨率（NOAA AVHRR 和 MODIS）。
要在大陆或全球尺度上准确分析植被覆盖，必须使用可获得的最高分辨率影像，即分辨率为1米或更小的影像；而迄今为止，获取和分析这些数据的成本高昂。因此，大多数研究依赖中低分辨率数据。这使得单株树木无法被识别，因此这些研究所得出的只是植被覆盖和生产力的综合估计值，将草本植被与木本植被混为一谈。
在一项新研究中，该研究覆盖了西非半干旱的撒哈拉-萨赫勒-苏丹地带的大部分区域，发表于《自然》（2020年10月），一个国际研究团队克服了这些局限。通过结合海量高分辨率卫星数据、先进计算能力、机器学习技术，以及数十年积累的大量实地数据，我们能够以高精度识别冠幅超过3平方米的单株树木和灌木。研究结果是一个涵盖所研究区域内18亿棵树木的数据库，向所有感兴趣的人士开放。
目前，这项工作已扩展至覆盖横跨非洲大陆、直至红海的撒哈拉以南半干旱带。目前统计的树木数量为130亿棵，方法论仍在持续改进。预计地理覆盖范围将逐步扩大，首先扩展至非洲其余半干旱地区，随后推广至其他大洲。
为覆盖非洲整个萨赫勒地带（从大西洋至红海），我们使用了约10万张卫星影像，数据总量达数百TB。借助NASA和Blue Waters超级计算机，我们将这些影像拼接成一幅连续的镶嵌图。随后，使用深度学习（一种人工智能技术，通过训练计算机识别单株树木）对树木进行识别。训练期间，操作人员结合实地知识与图像判读技能，向计算机“展示”了数万棵树木。随后，对基于机器的识别结果进行了核查。总体而言，其精度已被证明与实地测量结果高度相关。
关于单株树木的意外信息
我们的树木和灌木数据库包含每棵树的信息，包括其精确位置（通常误差在几米以内）、树冠大小、识别该树所用卫星影像的获取日期，以及估算的地上木质生物量和碳含量。未来可能会增加其他信息，例如树高和物候特征等。
项目尚处于早期阶段，已显现出重要影响。在这项西非研究中，我们发现的树木数量远超预期。其他数据来源实际上报告称，撒哈拉和北萨赫勒地带几乎没有树木，然而我们却发现了数亿棵树。与这些树木相关的碳储量比草本植被的碳储量更大，也更为稳定。此外，我们发现农田中的树木通常比原始稀树草原中的更大，而人口密集和管理良好地区的整体树木覆盖率较高。这说明，人口的高密度并不总是与树木覆盖的减少相关，因为半干旱萨赫勒地区的人们会在居民点和农田中保护并促进树木生长。
该数据库将用于何种用途？
该数据库预计将在多个不同方面发挥作用。尤其是，它将构成一个基准，便于未来在大尺度上（甚至可能在大陆或全球尺度上）研究木本植被的时间演变。
该数据库将可用于分析哪些因素控制旱地中树木的分布，例如人类压力，或降雨、土壤及地貌等环境因素。这些信息将用于生态系统及“完整地球系统”的建模，因为树木在大气与陆地表面的相互作用中具有重要意义，它们控制着碳交换、蒸散和空气动力学粗糙度。
最后，这些信息可用于为国家和国际层面的环境政策提供依据并予以支持。
