Các nhà nghiên cứu tại ETH Zurich đã phát triển bản đồ chiều cao thảm thực vật toàn cầu có độ phân giải cao đầu tiên cho năm 2020 từ ảnh vệ tinh sử dụng mạng lưới thần kinh nhân tạo. Bản đồ này có thể rất quan trọng trong cuộc chiến chống biến đổi khí hậu và mất đi các loài cũng như trong việc thiết kế các kế hoạch phát triển bền vững lâu dài.
Các nhà nghiên cứu từ ETH Zurich đã phát triển một mạng lưới thần kinh mới
Sáng kiến Thập kỷ Phục hồi Hệ sinh thái của Liên hợp quốc bắt đầu từ năm ngoái nhằm mục đích ngăn chặn sự suy thoái hệ sinh thái vào năm 2030, ngăn chặn nó tiến triển hơn nữa và nếu khả thi sẽ khắc phục những thiệt hại đã gây ra. Nền móng chính xác là cần thiết cho những dự án như thế này, chẳng hạn như khảo sát và lập bản đồ địa hình về thảm thực vật hiện có.
Điều tra viên chính của Cuộc điều tra Động lực Hệ sinh thái Toàn cầu (GEDI) của NASA, Ralph Dubayah lập luận rằng:
“Đơn giản là chúng ta không biết cây cao bao nhiêu trên toàn cầu. […] Chúng ta cần những bản đồ toàn cầu tốt về vị trí của cây cối. Bởi vì bất cứ khi nào chúng ta chặt cây, chúng ta sẽ thải carbon vào khí quyển và chúng ta không biết mình đã thải ra bao nhiêu carbon.”
Mạng lưới thần kinh xác định chiều cao thảm thực vật từ ảnh vệ tinh quang học
Các Phòng thí nghiệm EcoVision thuộc Khoa Kỹ thuật Xây dựng, Môi trường và Địa chất của ETH Zurich chuyên phân tích và chuẩn bị chính xác loại dữ liệu môi trường này. Năm 2017, Konrad Schindler và Jan Dirk Wegner đã thành lập Phòng thí nghiệm EcoVision tại ETH Zurich, nơi các nhà nghiên cứu đang phát triển các thuật toán học máy cho phép phân tích tự động số lượng lớn dữ liệu môi trường.
Nico Lang là một trong số đó. Trong luận án tiến sĩ của mình, ông đã tạo ra một phương pháp dựa trên mạng lưới thần kinh để xác định chiều cao của thảm thực vật từ ảnh vệ tinh quang học. Ông đã có thể tạo ra bản đồ chiều cao thảm thực vật đầu tiên bao phủ toàn bộ Trái đất: Bản đồ chiều cao tán toàn cầusử dụng kỹ thuật này.
Đầu tiên là độ phân giải cao của bản đồ: người dùng có thể phóng to tới 10×10 mét của bất kỳ khu rừng nào trên Trái đất và kiểm tra chiều cao của cây nhờ nỗ lực của Lang. Đặc biệt, một cuộc khảo sát chiều cao cây như thế này có thể là công cụ giải quyết lượng khí thải carbon vì chiều cao của cây là một yếu tố dự báo về sinh khối và khả năng lưu trữ carbon.
Giáo sư về quang trắc và viễn thám, Konrad Schindler nhận xét rằng:
“Khoảng 95% sinh khối trong rừng được tạo thành từ gỗ chứ không phải lá cây. Do đó, sinh khối có mối tương quan chặt chẽ với chiều cao.”
Làm thế nào máy tính có thể xác định chiều cao của cây từ ảnh vệ tinh?
Lang nói: “Vì chúng tôi không biết máy tính cần tìm những mẫu nào để ước tính chiều cao, nên chúng tôi để nó tự tìm hiểu các bộ lọc hình ảnh tốt nhất”.
Thuật toán mạng lưới thần kinh của anh ấy học từ hình ảnh của cả hai Copernicus Sentinel-2 vệ tinh do Cơ quan Vũ trụ Châu Âu (ESA) vận hành. Những tàu vũ trụ này chụp ảnh mọi điểm trên Trái đất cứ 5 ngày một lần với độ phân giải 10×10 mét mỗi pixel. Cho đến ngày nay, chúng là những bức ảnh có chất lượng cao nhất mà công chúng có thể tiếp cận được.
Cuối cùng, thuật toán phải có được câu trả lời chính xác: chiều cao của cây được tính từ quá trình quét laser không gian được thực hiện bởi Sứ mệnh GEDI của NASA. Lang cho biết: “Sứ mệnh GEDI cung cấp dữ liệu thưa thớt, phân bổ trên toàn cầu về độ cao của thảm thực vật giữa vĩ độ 51 độ Bắc và Nam, vì vậy máy tính nhìn thấy nhiều loại thảm thực vật khác nhau trong quá trình huấn luyện”. Với dữ liệu này, thuật toán có thể tạo ra các bộ lọc kết cấu và quang phổ của riêng nó. Sau khi mạng lưới thần kinh đã được huấn luyện, nó có thể tự động tính toán chiều cao của thảm thực vật từ hơn 250.000 bức ảnh (khoảng 160 terabyte dữ liệu) cần thiết cho bản đồ toàn cầu.
Về mặt kỹ thuật, mạng nơ-ron tích chập (CNN) được gọi là mạng nơ-ron của Lang. Thuật ngữ “tích chập” đề cập đến một phép toán trong đó thuật toán chiếu một 3×3 mặt nạ lọc pixel trên ảnh vệ tinh để hiển thị các mẫu độ sáng. “Bí quyết ở đây là chúng tôi xếp chồng các bộ lọc hình ảnh. Điều này cung cấp cho thuật toán thông tin theo ngữ cảnh, vì mỗi pixel, từ lớp chập trước đó, đã bao gồm thông tin về các lân cận của nó,” Schindler giải thích. Bằng cách này, Phòng thí nghiệm EcoVision là phòng thí nghiệm đầu tiên sử dụng thành công hình ảnh vệ tinh để ước tính chiều cao của cây lên tới 55 mét, một phần nhờ vào nghiên cứu về lập bản đồ độ cao.
Do có nhiều lớp trên mạng nơ-ron nên phương pháp này còn được gọi là “học sâu”. Khoảng mười năm trước, nó đã gây ra một sự thay đổi đáng kể trong việc xử lý hình ảnh. Tuy nhiên, việc xử lý lượng dữ liệu khổng lồ vẫn còn khó khăn: việc tạo ra bản đồ chiều cao thảm thực vật toàn cầu sẽ chỉ mất ba năm trên một máy tính mạnh. Lang cho biết thêm: “May mắn thay, chúng tôi có quyền truy cập vào cụm điện toán hiệu năng cao ETH Zurich, vì vậy chúng tôi không phải đợi ba năm để tính toán bản đồ”.
Lang không chỉ tạo một bộ dữ liệu cho việc này; ông ấy đã tạo ra rất nhiều. Điều này được gọi là một quần thể. Ông giải thích: “Một khía cạnh quan trọng đối với chúng tôi là cho người dùng biết mức độ không chắc chắn của ước tính”. Năm mạng lưới thần kinh, mỗi mạng có một tập hợp các đặc điểm khác nhau, được huấn luyện độc lập và mỗi mạng đưa ra ước tính chiều cao của cây khác biệt với các mạng khác. “Nếu tất cả các mô hình đều đồng ý thì câu trả lời sẽ rõ ràng dựa trên dữ liệu huấn luyện. Nếu các mô hình đưa ra các câu trả lời khác nhau, điều đó có nghĩa là ước tính có độ không chắc chắn cao hơn”, Lang cho biết thêm.
Công việc này sẽ truyền cảm hứng cho các nghiên cứu sinh thái trong tương lai
Độ phân giải cao của bản đồ toàn cầu của Lang cho phép phân tích chuyên sâu: “Chúng tôi đã phát hiện ra các mô hình thú vị. Ví dụ, ở dãy núi Rocky, rừng được quản lý theo các phần cố định và rừng nhiệt đới cũng tạo thành những cấu trúc thú vị không thể ngẫu nhiên được,” Schindler giải thích. Các nhà sinh thái học hiện có thể sử dụng thông tin này để phân tích các mô hình và dữ liệu trên toàn thế giới.
Mã nguồn và bản đồ sẽ được xuất bản để nghiên cứu này có thể tiếp tục. Bản đồ chiều cao tán toàn cầu đã được một số cá nhân liên hệ: Ví dụ: Walter Jetz của Đại học Yale muốn áp dụng bản đồ này cho mô hình đa dạng sinh học. Các chính phủ, cơ quan hành chính và tổ chức phi chính phủ cũng có thể thấy bản đồ này hữu ích. “Cảm ơn Sentinel-2chiều cao thảm thực vật có thể được tính toán lại sau mỗi 5 ngày, giúp theo dõi nạn phá rừng nhiệt đới,” Lang giải thích.
Hơn nữa, ông nói thêm rằng hiện nay việc xác nhận các phát hiện địa phương trên toàn cầu như cách tán lá nhiệt đới hoạt động như một vùng đệm khí hậu là khả thi. Bản đồ chiều cao thảm thực vật, theo tính toán của Lang, là nền tảng thiết yếu để bảo tồn và thúc đẩy hệ sinh thái khi kết hợp với Phương pháp tiếp cận trữ lượng carbon cao, phân loại rừng theo khả năng lưu trữ carbon và giá trị đa dạng sinh học. Chỉ một 5% diện tích đất có thảm thực vật cao hơn 30 mét, trong khi chỉ có 34% nằm trong các khu vực được bảo vệ theo ước tính của ông.
Với mục tiêu GEDI sẽ kết thúc vào năm 2023, phương pháp mạng lưới thần kinh mới của Lang cho phép tiếp tục lập bản đồ chiều cao thảm thực vật trong tương lai. Tuy nhiên, việc nhận được GEDI cuộc thám hiểm kéo dài là điều cần thiết để so sánh dữ liệu của nó với các sứ mệnh vệ tinh trong tương lai như sứ mệnh Sinh khối của ESA và điều chỉnh mô hình cho những thay đổi.
Nếu bạn muốn tìm hiểu thêm về mạng nơ-ron, bạn có thể đọc lịch sử của mạng nơ-ron tại đây.
