利用AI绘制、建模和理解自然

# 用AI绘制、建模和理解自然 来源：https://deepmind.google/blog/mapping-modeling-and-understanding-nature-with-ai/ 2025年11月5日 研究 AI模型可以帮助绘制物种地图、保护森林并倾听世界各地的鸟类 地球的生物圈是植物、动物、真菌及其他有机体的总和。我们每天都在依赖它生存——我们呼吸的空气、饮用的水和食用的食物，均由地球生态系统所产生。 随着对土地和资源日益增长的需求给这些生态系统及其物种带来压力，人工智能（AI）可以成为一种变革性工具（https://blog.google/outreach-initiatives/sustainability/how-were-using-ai-to-help-nature-and-people-flourish-together/），助力保护它们。它能让政府、公司和保护组织更轻松地收集实地数据，将这些数据整合为新的洞察，并将这些洞察转化为行动。同时，它还能为更完善的计划提供依据，并在计划实施后监测其成效。 今天，我们宣布了预测森林砍伐风险的新生物圈研究、一项绘制地球物种分布的新项目，以及我们的生物声学模型Perch的最新更新。 ## 预测森林砍伐 森林是生物圈最关键的支柱之一——它们储存碳、调节降雨、缓解洪水，并承载着地球上绝大多数的陆地生物多样性。然而，尽管它们如此重要，森林仍在以惊人的速度消失。 在过去的20多年里，通过卫星遥感从太空追踪森林砍伐已经成为可能。我们与世界资源研究所（https://www.wri.org/）合作，进一步深入了一层，开发了一个模型，以前所未有的1平方公里分辨率，对2000至2024年间森林损失的驱动因素（https://www.wri.org/insights/forest-loss-drivers-data-trends）——从农业和伐木到采矿和火灾——进行了建模。 今天，我们发布了一个用于预测森林砍伐风险（https://research.google/blog/forecasting-the-future-of-forests-with-ai-from-counting-losses-to-predicting-risk/）的基准数据集。该模型使用纯粹的卫星输入，避免了像道路这样的特定本地输入层需求，并采用了一种基于视觉Transformer的高效模型架构。这种方法能够在大范围内实现精确、高分辨率的森林砍伐风险预测，分辨率可达30米。 一幅显示东南亚某区域2023年森林砍伐风险的地图，绿色表示已砍伐区域，红色表示更高的森林砍伐风险。底图数据 ©2025 影像 ©2025 Airbus, CNES / Airbus, Landsat / Copernicus, Maxar Technologies ## 建模地球物种分布 要保护地球上濒危物种，我们必须知道它们在哪里。已知物种超过200万，还有数百万有待发现和命名，这是一项艰巨的任务。 为帮助解决这一问题，Google研究人员正在开发一种新的AI驱动方法（https://ar5iv.labs.arxiv.org/html/2503.11900），以前所未有的规模——涉及更多物种、覆盖全球更多区域、分辨率更高——生成物种分布地图。该图神经网络（GNN）模型结合了物种野外观察的开放数据库、来自AlphaEarth Foundations（https://deepmind.google/discover/blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail/）的卫星嵌入（https://developers.google.com/earth-engine/datasets/catalog/GOOGLE_SATELLITE_EMBEDDING_V1_ANNUAL）以及物种特征信息（如体重）。这种方法使我们能够同时推断出许多物种可能的地理分布，并且科学家可以利用额外的本地数据和专业知识来完善这些推断分布。 在与QCIF（https://www.qcif.edu.au/）和EcoCommons（https://www.ecocommons.org.au/）研究人员合作的一个试点项目中，我们使用模型绘制了澳大利亚哺乳动物（如大滑翔袋貂）的分布图：这是一种夜行性、尾巴蓬松的有袋动物，生活在古老的桉树林中。今天，我们还通过联合国生物多样性实验室（https://map.unbiodiversitylab.org/earth?basemap=grayscale&coordinates=-25.448847,132.236151,3&layers=UNBL.layer.australian-mammal-species-distributions_100）和Earth Engine（https://developers.google.com/earth-engine/datasets/catalog/projects_nature-trace_assets_species_distribution_models_australia_mammals_v0）发布了其中23个物种的地图。 利用人工智能，Google正在揭示物种生存地的新信息，帮助科学家和决策者更好地保护地球的野生动物。 ## 通过生物声学聆听 所有理解和建模生态系统的努力最终都依赖于实地监测。AI在这方面也能发挥关键作用，它通过利用监测设备自动识别栖息地和物种，增强了传统生态实地监测——众所周知，传统监测既困难又昂贵。 生物声学就是一个引人注目的例子。鸟类、两栖动物、昆虫和其他物种用声音进行交流，这使得声音成为识别当地物种和了解生态系统健康状况的绝佳方式。可靠且价格合理的生物声学监测设备已经很容易获得。然而，这些设备会产生大量的音频数据集，其中充满了未知和重叠的声音，这些数据量太大而无法手动审查，同时自动分析也很困难。 为了帮助科学家和保护工作者解开这一复杂性，我们最近发布了Perch 2.0（https://www.kaggle.com/models/google/bird-vocalization-classifier/tensorFlow2/perch_v2）——这是我们动物声音分类器的更新版本。这个新模型不仅在鸟类识别方面达到了领先水平，还作为基础模型提供，使野外生态学家能够快速调整模型，以识别地球上任一新物种和栖息地。 我们特别自豪的是与夏威夷大学的合作，在那里，Perch正在指导对濒危管舌鸟的保护措施，并且还被用于识别幼鸟叫声以了解种群健康状况。 Google的Perch模型帮助科学家利用AI识别自然界中的声音——比如夏威夷濒危鸟类——从而能够及时采取保护行动。 ## AI应用于自然的未来 这项工作的目标是让各级决策者更容易采取行动保护地球。但只有当数据足够全面——真正捕捉到特定生态系统各个层面正在发生的事情时，更好的数据才能带来更好的决策。 这就是为什么我们正在努力将这些模型与其他模型集成，融合来自卫星数据、图像、生物声学、文档等多种模态的数据。同时，还要将所有这一切与人类活动模型（如土地利用变化和农业实践）以及农业产量、洪水预防等其他对人类有影响的后果模型结合起来。 通过让政策制定者全面了解生物圈面临的威胁，我们可以帮助他们采取行动，保护未来几代植物、动物和人类。如果我们能够对环境进行建模，或许就能帮助它繁荣发展。 请查看以下内容，了解更多关于我们AI和可持续发展工作的信息： ## 致谢 本研究由Google DeepMind和Google Research共同开发。 Google DeepMind: Andrea Burns, Anton Raichuk, Arianna Manzini, Bart van Merrienboer, Burcu Karagol Ayan, Dominic Masters, Drew Purves, Jenny Hamer, Julia Haas, Keith Anderson, Matt Overlan, Maxim Neumann, Melanie Rey, Mustafa Chasmai, Petar Veličković, Ravi Rajakumar, Tom Denton, Vincent Dumoulin Google Research and Google Partners: Ben Williams, Charlotte Stanton, Dan Morris, Elise Kleeman, Lauren Harrell, Michelangelo Conserva 我们还要感谢我们在UNEP-WCMC和QCIF的合作伙伴，以及另外的合作者Aditee Kumthekar, Aparna Warrier, Artlind Kortoci, Burooj Ghani, Christine Kaeser-Chen, Grace Young, Kira Prabhu, Jamie McPike, Jane Labanowski, Jerome Massot, Kuan Lu, Mélisande Teng, Michal Kazmierski, Millie Chapman, Rishabh Baghel, Scott Riddle, Shelagh McLellan, Simon Guiroy, Stefan Kahl, Tim Coleman 和 Youngin Shin，以及Peter Battaglia和Kat Chou的支持。 ### AlphaEarth Foundation以前所未有的细节绘制地球地图 ### AI如何帮助推进生物声学科学以拯救濒危物种