从像素到规划：地球AI助力自然恢复

谷歌研究院开发了一种高分辨率深度学习框架，用于绘制树篱、防风林和小片林地等精细尺度木本植被特征，这些特征通常无法通过标准卫星探测发现。这些特征可以增强碳储存和生物多样性，同时不占用耕地。研究团队发布了英国区域的矢量化数据集，将基于像素的地图转化为可操作的树篱、石墙和小片林地清单。为解决数据稀缺问题，他们使用了远程感知基础视觉变换器骨干网络（Remote Sensing Foundations Vision-Transformer backbone），该网络基于3亿张全球卫星图像预训练，并根据英国景观进行了微调。采用亚米级图像和激光雷达数据的双层标注系统处理重叠特征，同时利用波尔斯比-波珀（Polsby–Popper）紧密度评分按生态功能对形状进行分类。谷歌地球引擎（Google Earth Engine）支持对英格兰数百万个特征进行并行处理。该数据集旨在帮助农民、科学家和政策制定者保护小尺度特征，以实现气候和生物多样性目标。