森林对地球生命至关重要——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观察它们。今天，我们与世界资源研究所合作，宣布
CHMv2 的核心是 DINOv3，这是 Meta 的自监督视觉模型，为全球森林测绘带来了前所未有的清晰度和细节。但可见性还不够——拥有准确、高分辨率的森林结构数据对于将洞察转化为行动至关重要。树冠高度测量对于监测森林健康、跟踪恢复工作、检测退化和估算碳储量非常重要。
在 2024 年发布的我们最初的高分辨率树冠高度图的基础上，CHMv2 在准确性、细节和全球一致性方面实现了大幅改进。这源于将 DINOv2 主干替换为我们更强大的 DINOv3 主干，后者在 SAT-493M 上进行了预训练，这是一个大型且多样化的卫星图像数据集。
“DINOv3 增强了我们在不同景观中测量森林结构的能力，使高分辨率恢复监测更加一致且更具可扩展性，”世界资源研究所数据科学负责人 John Brandt 表示。
DINOv3 从大量未标记图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 捕捉到指示树木高度的细微视觉线索，如阴影、纹理和树冠形状——无需数百万手动标记的示例。这使 CHMv2 在准确性和细节方面比前版本有重大提升。
此外，该模型的 R²——一种衡量预测值与实际测量值匹配程度的方法——已从 0.53 跃升至 0.86。该模型现在提供更清晰的树冠图，并最小化对高大树木的偏差，使其预测在科学和操作使用中更值得信赖。
CHMv2 的训练数据集也通过添加更多地理多样化的高质量激光雷达示例而得到扩展和改进。为了更好地将卫星图像与现实世界的激光雷达测量对齐，我们构建了自动匹配工具，并开发了专门的损失函数来应对树冠高度估计的独特挑战。这些进步共同使 CHMv2 为全球森林测绘设定了新标准。
与欧洲、美国及其他地区公共部门的合作
我们之前的 AI 模型及相关地图 CHMv1 已经在支持气候迁移、恢复和生物多样性工作。在英国，Forest Research——林业委员会的研究机构——正在使用这些来转变他们监测和管理大不列颠森林的方式。他们的工作展示了这些工具如何支持国家尺度的森林清查，并帮助跟踪气候承诺的进展。阅读更多关于此合作的信息。
在英国以外，冠层高度地图正在帮助欧洲各地的国家和地方政府推进其环境目标。欧盟委员会联合研究中心在其 2020 年全球森林覆盖地图研究中使用了第一版冠层高度地图（ESSD 论文，EU Forest Observatory），并希望在未来版本的地图及其他树木监测工作中使用 CHMv2，包括
在美国，这些地图也被用于城市规划工具，以支持“智慧表面城市”（Cities for Smart Surfaces）的实施。该倡议由智慧表面联盟（Smart Surfaces Coalition）牵头，并已获得 10 个城市市长的签署支持，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。“智慧表面城市”是一个由 Waverley Street Foundation 和 MacArthur Foundation 资助的多年期项目，旨在通过反射（降温）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及大都市地区降温。此外，WRI 罗斯可持续城市中心正在“Cool Cities Lab”中使用这些地图。这是一个即将推出的具有全球相关性的情景规划工具——最初面向 11 个国家的城市提供——可帮助城市评估城市降温干预措施的温度效应。
CHMv2 代表着向前迈出的重要一步，但挑战依然存在。我们正在继续改进数据稀疏地区的预测，处理观测几何效应，并扩展时间覆盖范围，以更好地支持随时间推移的变化检测。
通过向研究界提供这些进展，我们希望加速全球森林监测的进展。更好的地图带来更好的决策——用于保护、气候行动，以及无数依赖健康森林的社区。