澳大利亚市政局利用ENVI深度学习进行树木调查

澳大利亚的一个市政局最近开始了一项雄心勃勃的植树计划，以使城市变得更绿。该计划的目的是改善自然环境和公民健康。但是一个重要的问题迫在眉睫: 应该把树木种植在哪里才能达到最好效果?

要解决这个问题，需要使用机载激光雷达对城市树木进行调查，清点现有树木数量，获得树木的相关信息。尽管该城市拥有GIS专家，但他们却无力分析庞大的3D点云。

该市购买了带有深度学习模块的ENVI图像分析软件包，以通过自动化的方式运行此次植树项目中信息获取的关键步骤。具体来说，他们试图利用该软件对现有树木进行计数，按高度区分它们并计算树冠覆盖率。这些任务将非常耗时，而且通过人工的方式获取可能不准确。由于他们没有任何深度学习方面的专业知识，因此最初对承担该项目感到担忧。但是，当他们看到ENVI深度学习模块可以提供的信息时，就明白ENVI深度学习将为他们提供所需的信息。

该市拥有超过20万居民，市政府设有一个部门负责公园，道路，桥梁，人行道，游乐场和其他基础设施的统筹管理。该部门还负责维护已经在该市种植的大约4万棵树木。

树木对封存二氧化碳的价值已有充分的文献记录，但对人体健康的好处却没有得到人们的充分认识。在地球上的某些地方，夏季温度很容易飙升至40摄氏度以上。研究发现，树冠覆盖率与因热相关疾病而需要救护车的人数之间存在直接联系。

与树冠密集的社区相比遮荫较少的社区更容易受到高温的影响。同时，增加总生物量以帮助应对气候变化的愿望，是决定种植更多树木的主要驱动力。

在启动此次植树计划之前，该市有一份关于市政土地上树木位置的精确清单。然而，还有数千棵未在地图上标明的树木生长在私人土地和其他政府实体拥有的自然保护区内。市政府从未对这些树木进行过追踪，因为它们的管理是土地所有者个人或者地方机构的责任。但是为了此次植树计划的成功，需要弄清这些信息。

该计划的另一个重要组成部分是鼓励市民在他们的院子里种植新的树木。当地市政在树冠被认为稀疏的社区免费向市民提供树苗。但是，只有在知道已经种植了什么以及种植在哪里的情况下，该计划才会有效。

通过深度学习获取树木信息

深度学习是一种人工智能技术，算法通过空间、光谱和纹理特征来识别数字图像中的某些特征或条件。对于激光雷达点云，算法通过三维测量来学习检测和区分物体（例如树木）。

ENVI深度学习模块通过标注已知的树状特征和非树状特征来识别激光雷达点云中的树。算法处理了整个城市的点云，并在几分钟之内挑选出数千棵单独的树木。

接下来，将树木按发现位置的土地类型进行细分，即私有财产，城市土地和其他政府保护区。土地利用信息来自城市地理信息系统中的地籍层。这为研究小组提供了有关城市郊区所有树木的重要信息。此外，自动过滤应用于3D点云，以测量冠层覆盖和精确定位高度在6米以上的树木。

这些树冠信息使研究小组能够计算出整个树冠覆盖占城市土地面积的百分比。该市目前正利用这些信息来决定在城市的哪些地方种植新树，以及邀请哪些社区参与树苗分发计划。政府鼓励市民根据自己的土地大小种植一定数量的新树。

树高数据也很有价值。高于6米的树木因其显著的树冠覆盖率和树荫而被赋予特殊编号。有人提议，这些树木应受到新的城市指导方针的保护，这意味着在没有市政许可的情况下，即使这些树木是私人财产它们也不能被移走。

ENVI深度学习的更多应用

基于ENVI深度学习在树木清查项目中的成功经验，当地市政府计划将其应用于野火预防。这个城市的周边有许多相对较大的空地。如果不及时清除杂草和枯枝，在炎热的夏季可能会引发火灾。

借助ENVI深度学习的力量，政府部门可以通过航拍照片对空置土地进行深度学习模型训练，然后通知土地所有者哪些区域需要及时去除杂草。