澳大利亞的一個市政局最近開始了一項雄心勃勃的植樹計劃，以使城市變得更綠。該計劃的目的是改善自然環境和公民健康。但是一個重要的問題迫在眉睫: 應該把樹木種植在哪裡才能達到最好效果?

要解決這個問題，需要使用機載鐳射雷達對城市樹木進行調查，清點現有樹木數量，獲得樹木的相關資訊。儘管該城市擁有GIS專家，但他們卻無力分析龐大的3D點雲。

該市購買了帶有深度學習模組的ENVI影象分析軟體包，以通過自動化的方式執行此次植樹專案中資訊獲取的關鍵步驟。具體來說，他們試圖利用該軟體對現有樹木進行計數，按高度區分它們並計算樹冠覆蓋率。這些任務將非常耗時，而且通過人工的方式獲取可能不準確。由於他們沒有任何深度學習方面的專業知識，因此最初對承擔該專案感到擔憂。但是，當他們看到ENVI深度學習模組可以提供的資訊時，就明白ENVI深度學習將為他們提供所需的資訊。

該市擁有超過20萬居民，市政府設有一個部門負責公園，道路，橋樑，人行道，遊樂場和其他基礎設施的統籌管理。該部門還負責維護已經在該市種植的大約4萬棵樹木。

樹木對封存二氧化碳的價值已有充分的文獻記錄，但對人體健康的好處卻沒有得到人們的充分認識。在地球上的某些地方，夏季溫度很容易飆升至40攝氏度以上。研究發現，樹冠覆蓋率與因熱相關疾病而需要救護車的人數之間存在直接聯絡。

與樹冠密集的社群相比遮蔭較少的社群更容易受到高溫的影響。同時，增加總生物量以幫助應對氣候變化的願望，是決定種植更多樹木的主要驅動力。

在啟動此次植樹計劃之前，該市有一份關於市政土地上樹木位置的精確清單。然而，還有數千棵未在地圖上標明的樹木生長在私人土地和其他政府實體擁有的自然保護區內。市政府從未對這些樹木進行過追蹤，因為它們的管理是土地所有者個人或者地方機構的責任。但是為了此次植樹計劃的成功，需要弄清這些資訊。

該計劃的另一個重要組成部分是鼓勵市民在他們的院子裡種植新的樹木。當地市政在樹冠被認為稀疏的社群免費向市民提供樹苗。但是，只有在知道已經種植了什麼以及種植在哪裡的情況下，該計劃才會有效。

通過深度學習獲取樹木資訊

深度學習是一種人工智慧技術，演算法通過空間、光譜和紋理特徵來識別數字影象中的某些特徵或條件。對於鐳射雷達點雲，演算法通過三維測量來學習檢測和區分物體（例如樹木）。

ENVI深度學習模組通過標註已知的樹狀特徵和非樹狀特徵來識別鐳射雷達點雲中的樹。演算法處理了整個城市的點雲，並在幾分鐘之內挑選出數千棵單獨的樹木。

接下來，將樹木按發現位置的土地型別進行細分，即私有財產，城市土地和其他政府保護區。土地利用資訊來自城市地理資訊系統中的地籍層。這為研究小組提供了有關城市郊區所有樹木的重要資訊。此外，自動過濾應用於3D點雲，以測量冠層覆蓋和精確定位高度在6米以上的樹木。

這些樹冠資訊使研究小組能夠計算出整個樹冠覆蓋占城市土地面積的百分比。該市目前正利用這些資訊來決定在城市的哪些地方種植新樹，以及邀請哪些社群參與樹苗分發計劃。政府鼓勵市民根據自己的土地大小種植一定數量的新樹。

樹高資料也很有價值。高於6米的樹木因其顯著的樹冠覆蓋率和樹蔭而被賦予特殊編號。有人提議，這些樹木應受到新的城市指導方針的保護，這意味著在沒有市政許可的情況下，即使這些樹木是私人財產它們也不能被移走。

ENVI深度學習的更多應用

基於ENVI深度學習在樹木清查專案中的成功經驗，當地市政府計劃將其應用於野火預防。這個城市的周邊有許多相對較大的空地。如果不及時清除雜草和枯枝，在炎熱的夏季可能會引發火災。

藉助ENVI深度學習的力量，政府部門可以通過航拍照片對空置土地進行深度學習模型訓練，然後通知土地所有者哪些區域需要及時去除雜草。