西非撒哈拉和萨赫勒地区的树木比大多数人预期的要多得多。结合了人工智能和详细的卫星图像，哥本哈根大学的一个团队与国际合作者共同计算了西非130万平方公里区域内的所有树木。

如果您认为撒哈拉沙漠只有金色的沙丘和焦烧的岩石所覆盖，那么你就是孤陋寡闻了。在由哥本哈根大学和美国宇航局研究人员领导的一个国际团队在西非的30倍于丹麦的地区，已经统计了超过18亿棵树木和灌木，涵盖了1300000平方公里的撒哈拉沙漠。

“我们很惊讶地看到撒哈拉沙漠中确实生长了许多树木，绝大多数人认为这里不存在绿色植物。如果没有这项技术，这项任务是不可能完成的。确实，我认为这标志着新科学时代的开始，”该研究科学文章的主要作者，哥本哈根大学地球科学与自然资源管理系的马丁·勃兰特教授说。

这项工作是通过结合NASA提供的详细卫星图像和深度学习（一种先进的人工智能方法）而实现的。普通的卫星图像无法识别单个树木，它们实际上是不可见的。此外，由于对计数森林地区以外树木的兴趣有限，导致普遍的看法是，在该特定区域几乎没有树木。这是首次在大型干旱地区记录树木。

马丁·勃兰特（Martin Brandt）指出，由于多种原因，像这样的干旱地区树木新知识很重要。例如，当涉及全球碳预算时，它们代表一个未知因素：

“森林模型以外的树木通常不包括在气候模型中，而且我们对其碳储量知之甚少。它们基本上是地图上的白点，是全球碳循环中未知的组成部分。”马丁·勃兰特（Martin Brandt）解释说。

此外，这项新研究可以有助于更好地了解树木对于生物多样性和生态系统以及这些地区人民的重要性。特别是，对树木的了解也对制定促进农林业的计划也很重要，该计划在干旱地区起着重要的环境和社会经济作用。

“因此，我们也对使用卫星确定树木种类感兴趣，因为树木的种类对于其将木材资源用作生计的当地居民的价值具有重要意义。树木及其果实供牲畜和人类食用，当保存在田间时，树木对作物的产量产生积极影响，因为它们改善了水和养分的平衡。”地球科学与自然资源系教授拉斯穆斯·芬索特（Rasmus Fensholt）解释说。管理。

这项研究是与哥本哈根大学计算机科学系合作进行的，研究人员在其中开发了深度学习算法，该算法使在如此大的面积上进行树木计数成为可能。

研究人员向深度学习模型展示了一棵树的样子：他们通过向它提供成千上万棵不同树的图像来做到这一点。基于对树木形状的识别，模型可以自动在大面积和数千张图像上识别和映射树木。该模型仅需要数小时，而这需要数以千计的人花费数年才能达到。

“在记录全球范围内的变化以及最终为实现全球气候目标做出贡献方面，这项技术具有巨大的潜力。我们有动力开发这种有益的人工智能。”计算机科学系教授兼合著者克里斯蒂安·伊格尔说。

下一步计划是将数量扩大到非洲更大的地区。从长远来看，目标是创建一个全球数据库，其中包含森林地区以外生长的所有树木。