ReforesTree: A Dataset for Estimating Tropical Forest Carbon Stock with Deep Learning and Aerial Imagery

要約

森林バイオマスは将来の気候に重要な影響を与えるため、世界は森林を保護し回復するために、カーボン・オフセット認証などの拡張性の高い資金調達スキームを緊急に必要としています。
単一の木を手作業で測定する現在の手作業による森林炭素ストック目録方法は、時間、労力、コストがかかり、主観的であることがわかっています。
これらは炭素貯蔵量の大幅な過大評価につながり、最終的には森林融資への不信感につながる可能性があります。
機械学習とリモートセンシング技術の進歩を活用することで、その影響と規模が大きくなる可能性は期待できますが、現在の森林ストックプロトコルを認証に置き換えるためには、高品質である必要があります。
この論文では、エクアドルの 6 つのアグロフォレストリー カーボン オフセット サイトにおける森林炭素ストックのベンチマーク データセットである ReforesTree を紹介します。
さらに、低コストの RGB のみのドローン画像から個々の樹木を検出するディープラーニング ベースのエンドツーエンド モデルが、公式のカーボン オフセット認証基準内で森林炭素蓄積量を正確に推定していることを示します。
さらに、当社のベースライン CNN モデルは、この種の小規模な熱帯農林林地における最先端の衛星ベースの森林バイオマスと炭素貯蔵量の推定値を上回っています。
このデータセットは、カーボン オフセット プロジェクトにおけるモニタリング、検証、報告 (MVR) の説明責任と透明性を高めるとともに、正確なリモート センシングを通じて世界規模の再植林資金を拡大するために、この分野での機械学習研究を奨励するために紹介します。

要約(オリジナル)

Forest biomass is a key influence for future climate, and the world urgently needs highly scalable financing schemes, such as carbon offsetting certifications, to protect and restore forests. Current manual forest carbon stock inventory methods of measuring single trees by hand are time, labour, and cost-intensive and have been shown to be subjective. They can lead to substantial overestimation of the carbon stock and ultimately distrust in forest financing. The potential for impact and scale of leveraging advancements in machine learning and remote sensing technologies is promising but needs to be of high quality in order to replace the current forest stock protocols for certifications. In this paper, we present ReforesTree, a benchmark dataset of forest carbon stock in six agro-forestry carbon offsetting sites in Ecuador. Furthermore, we show that a deep learning-based end-to-end model using individual tree detection from low cost RGB-only drone imagery is accurately estimating forest carbon stock within official carbon offsetting certification standards. Additionally, our baseline CNN model outperforms state-of-the-art satellite-based forest biomass and carbon stock estimates for this type of small-scale, tropical agro-forestry sites. We present this dataset to encourage machine learning research in this area to increase accountability and transparency of monitoring, verification and reporting (MVR) in carbon offsetting projects, as well as scaling global reforestation financing through accurate remote sensing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google