森林对地球上的生命至关重要：它们储存碳、庇护野生动物，并塑造我们的气候。要保护和恢复森林，我们必须以前所未有的方式去观察它们。今天，我们与World Resources Institute合作，发布 Canopy Height Maps v2（CHMv2）：一个开源模型，以及用它生成的全球尺度地图。它们将共同帮助研究人员和政府测量并理解每一棵树、每一处林隙和每一段树冠边缘，从而为生物多样性保护和土地管理决策提供更明智的支持。
CHMv2 的核心是 DINOv3，即 Meta 的自监督视觉模型，它为全球森林制图带来了前所未有的清晰度和细节。但能看见还不够，要把洞察转化为行动，必须有准确、高分辨率的森林结构数据。树冠高度测量对于监测森林健康、跟踪恢复工作、检测森林退化以及估算碳储量都十分重要。
CHMv2 建立在我们 2024 年发布的首批高分辨率树冠高度图之上，在准确性、细节和全球一致性方面都有大幅提升。这得益于我们把 DINOv2 骨干网络替换成了能力更强的 DINOv3 骨干网络，后者在 SAT-493M 上完成预训练，这是一个庞大且多样化的卫星影像数据集。
World Resources Institute 数据科学负责人 John Brandt 表示：“DINOv3 增强了我们在各种地貌中测量森林结构的能力，使高分辨率的恢复监测更加一致，也更易于规模化。”
DINOv3 从大量无标注影像中学习稳健的视觉特征。通过在多样化的卫星数据上训练，DINOv3 能捕捉到指示树高的细微视觉线索，如阴影、纹理和树冠形状，而无需数百万个人工标注的样本。这使 CHMv2 在准确性和细节上相比上一版有了大幅提升。
此外，该模型的 R²（衡量预测与现实测量值吻合程度的指标）已从 0.53 飙升至 0.86。该模型现在能生成更清晰的树冠图，并将高大树木的偏差降到最低，使其预测在科研和实际应用中更值得信赖。
CHMv2 的训练数据集也得到了扩充和改进，加入了更多地理上多样化的高质量激光雷达（lidar）样本。为了让卫星影像与现实世界的激光雷达测量更好地对齐，我们构建了自动匹配工具，并开发了专门的损失函数，以应对树冠高度估计中的独特挑战。这些进展共同使 CHMv2 为全球森林制图树立了新标杆。
与欧洲、美国及其他地区公共部门的合作
我们此前的 AI 模型及相关地图 CHMv1，已经在支持气候迁移、恢复和生物多样性方面的工作。在英国，Forestry Commission 的研究机构 Forest Research 正在用这些成果改变他们监测和管理英国森林的方式。他们的工作展示了这些工具如何支持国家级的森林清查，并帮助跟踪气候承诺的进展。阅读更多关于这一合作的内容。
在英国之外，树冠高度图正在帮助欧洲各国和地方政府推进环境目标。欧盟委员会联合研究中心（Joint Research Centre）在其 2020 年全球森林覆盖图研究（ESSD 论文、EU Forest Observatory）中使用了第一版树冠高度图，并希望在未来的地图版本及其他树木监测工作中使用 CHMv2，其中包括 30 亿棵树倡议，即承诺到 2030 年在欧盟范围内至少种植 30 亿棵具有生物多样性的树木。
在美国，这些地图还被用于城市规划工具，服务于 Cities for Smart Surfaces 的实施。这是由 Smart Surfaces Coalition 牵头的倡议，已有包括亚特兰大、巴尔的摩、波士顿、哥伦比亚（南卡罗来纳州）、达拉斯和新奥尔良在内的 10 个城市的市长签署。Cities for Smart Surfaces 是一个由 Waverley Street Foundation 和 MacArthur Foundation 资助的多年期项目，旨在通过反光（冷）屋顶和路面、绿色屋顶、太阳能、透水路面、雨水花园和树木，为城市和都市区降温。此外，WRI Ross Center for Sustainable Cities 正在 Cool Cities Lab 中使用这些地图。这是一款即将推出、具有全球适用性的情景规划工具，最初面向 11 个国家的城市提供，帮助城市评估城市降温措施对温度的影响。
展望未来
CHMv2 代表着重要的一步，但挑战依然存在。我们将继续改进数据稀疏地区的预测，处理观测几何带来的影响，并扩展时间覆盖范围，以更好地支持对变化的长期检测。
我们把这些进展提供给研究社区，希望加速全球森林监测的进展。更好的地图能带来更好的决策，无论是对保护工作、气候行动，还是对无数依赖健康森林的社区而言。
阅读研究论文
在 Google Earth Engine 上查看树冠高度图
下载 DINOv3/CHMv2 模型
下载数据集