利用树木库存深度学习
澳大利亚的一个市议会已经使用ENVI深度学习模块来分析由叶片-机载激光雷达调查产生的3D点云，为植树计划做准备。
澳大利亚的一个市议会最近开始了一项雄心勃勃的植树计划，以使其边境绿化。其目标是改善自然环境和公民的健康。但一个重要的问题迫在眉睫:应该在哪里种植树木，以实现最大的影响?
这个问题的答案需要一个最新的城市现有树木的清单，使用最近的叶片-机载激光雷达调查，包含他们所需要的信息。虽然这个城市有GIS专家，但他们没有能力分析大量的3D点云。
市政府购买了带有深度学习模块的ENVI图像分析包L3Harris地理空间使植树项目中的关键步骤自动化。具体来说，他们试图利用软件来计数现有的树木，根据高度区分它们，并计算树冠覆盖。如果使用手工技术，这些任务将非常耗时，而且可能不准确。由于没有任何深度学习方面的内部专业知识，最初人们对接手这个项目感到担忧。然而，一旦他们看到了这些信息深度学习的环境模块可以提供，他们知道它会给他们所需的信息。
这座城市拥有20多万居民，市政府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战略管理。该部门还负责维护该市现有的约4万棵树木。
地图上未标明的树
树木在吸收二氧化碳方面的价值已经有了详细的记录，但很少有人认识到树木对人类健康的好处。在地球上的这个地方，夏季气温很容易飙升到40摄氏度以上。研究发现，树冠覆盖面积和救护车呼叫热相关疾病之间存在直接联系。
树木遮荫较少的社区比头顶有浓密树冠的社区更容易受到高温的影响。这些信息，加上增加总生物量以帮助对抗气候变化的愿望，是决定种植更多树木的主要驱动因素。
在此之前，该市有一份精确的清单，记录了树木在市政物业中的位置。然而，成千上万的未被绘制地图的树木生长在私人财产和其他政府实体拥有的自然保护区。这座城市从来没有跟踪过这些树木，因为它们的管理是土地所有者的责任，无论是私人公民还是政府机构。而且，它需要这些信息来保证新项目的成功。
该倡议的另一个重要组成部分是鼓励市民在自己的院子里种植新树木。市政府向那些树冠覆盖稀疏的社区的土地所有者免费提供树苗。然而，只有在城市知道种植了什么和在哪里的情况下，该计划才会有效。
教计算机识别树木
深度学习是一种人工智能技术，通过“教”算法通过数字图像的空间、光谱和纹理特征来识别特定的特征或条件。对于激光雷达点云，该算法学习通过三维测量来检测和区分物体，如树木。
ENVI深度学习模块通过注释已知的特征示例来识别激光雷达点云中的树木。从那里，算法处理整个城市的点云，在几分钟内挑选出数千棵单独的树。
接下来，根据发现树木的土地类型，即私有财产、城市土地、其他政府保护区，对树木进行分割。土地利用信息来源于城市地理信息系统中的地籍层。这为研究小组提供了非城市拥有树木的重要细节。此外，在3D点云上应用了自动过滤器，以测量树冠覆盖度和6米以上高度的精确树木。
冠层信息使研究小组能够计算出整个城市的树木冠层覆盖面积占土地面积的百分比。该市目前正在利用这些信息来决定在城市财产的哪里种植新的树木，以及哪些社区应该被邀请参加秧苗赠送计划。市民被鼓励根据他们的财产大小种植特定数量的新树。
树高数据也很有价值。6米以上的树木被赋予特殊的名称，因为它们具有显著的树冠覆盖和遮荫。有人提议，这些树木应该受到新的城市指导方针的保护，这意味着没有市政府的许可，它们不能被移除，即使是在私人财产上。
深度学习的更多应用
根据ENVI深度学习在树木清查项目中的成功经验，该市计划将其应用于野火预防。这座城市的周边有许多相对较大的空地。如果没有清理干净的草和枯枝，这些植物可能会在炎热的夏天燃起大火。
有了ENVI深度学习的力量，官员们可以根据航拍照片对模型进行训练，然后帮助通知土地所有者哪里发现了杂草。
