近日，信息学院（人工智能学院）青年教师牟超指导2名本科生在知名地球科学类期刊《Remote Sensing》（中国科学院二区，影响因子5.0）上发表题为“Estimating Urban Forests Biomass with LiDAR by Using Deep Learning Foundation Models”的研究论文。

城市作为人类经济活动的主要场所，是碳中和的“主战场”。估算城市植被生物量是实现城市碳中和的关键一环。受城市地区植被异质化多样性明显和复杂三维地形环境的影响，人工智能和遥感等低成本、大范围、便捷的新兴植被生物量估算技术往往存在较大误差，无法在城市场景中实际应用。为了应对这个挑战，本研究结合LiDAR和城市路网OSM等多源数据，引入了深度学习基础模型，提出了一种高效、准确的城市植被生物量估算方法3D-CiLBE。

在3D-CiLBE中，首先使用SAM模型从大量复杂的多源城市数据中分割出单木信息，随后改进CLIP模型以识别树木类别，利用Informer模型进行长期生物量预测。一方面，LiDAR的高分辨率特性为准确描述复杂的3D城市森林场景提供了机会；另一方面，深度学习基础模型具备处理大量复杂数据进行生物量精准估算的能力。通过在美国八个城市地区数据集的评估实验表明，3D-CiLBE方法能够准确估算城市植被生物量，具有实践潜力。基于此，本研究为AI赋能城市碳中和提供了新的思路和有力工具。

信息学院、人工智能学院大数据21级刘含章和计算机21级袁佳腾两位本科生分别为论文第一和第三作者。团队负责人陈志泊教授以及来自蚂蚁集团高级算法专家、北京市高层次特殊政策人才仲力恒博士等参与项目研究并联合进行指导，牟超老师为论文通讯作者和第二作者。该研究受到科技部雄安新区科技创新专项（2023XAGG0065），CCF—蚂蚁科研基金项目（CCF-AFSG RF20220214），国家林业和草原局应急揭榜挂帅项目（202303），中央高校优秀青年团队项目（QNTD202308），以及北京林业大学国家级大学生创新项目（202310022096）等项目的联合支持。

论文链接：https://doi.org/10.3390/rs16091643

项目链接：https://github.com/ForestryIIP/3DCiLBE