科技解读 | “2020-2030年NSF地球科学发展愿景：变化中的地球（2020-2030）”

数字绿土 昨天

以下文章来源于数字生态GuoLab ，作者激光雷达技术与应用数字生态

数字生态GuoLab
数字生态GuoLab

提供激光雷达技术前沿和应用讯息

数字绿土

| 锐意进取 不忘初心 有态度有激情的科技公司 |

近日，美国国家学院（The National Academies of Sciences, Engineering, and Medicine）发布了地球科学十年战略规划，即《A Vision for NSF Earth Sciences 2020-2030: Earth in Time（2020-2030）》。该报告提出了美国国家科学基金委员会（National Science Foundation, NSF）地球科学处未来十年应重点关注的12个优先科学问题，并提出了在配套研究基础设施和设备、信息化建设和人力资源基础架构等方面的建议。下面小编将带领大家详细解读这一战略规划报告的主要内容，深入解读遥感、机器学习和人工智能等方向在地球科学未来发展中的作用。

01


关键科学问题


过去十年，NSF固体地球科学处(Division of Earth Sciences, EAR)主要支持对地球的结构、组成和演化、地球所支持的生命以及控制地球物质形成和行为过程的相关研究。EAR的学科交叉特性明显，涵盖了地球物理、地貌学、水文学、地质学、地理学、地球化学和生态学等众多学科方向。近十年来，EAR的经费支持力度相对平稳，保持在每年1.8亿美元左右，其中三分之二用于支持科学研究，三分之一用于基础设施建设（图1）。


图1 2010-2018年美国NSF地球科学部（Directorate for Geosciences, GEO）下属四个学处的经费支持变化

为了加快地球科学的发展并促进新的科学发现，美国国家学院的地球科学及资源委员会应邀对未来十年地球科学的发展进行调研，《A Vision for NSF Earth Sciences 2020-2030: Earth in Time（2020-2030）》这一报告也应运而生。该报告通过文献查阅、在线调研和研讨会等多种形式总结了地球科学未来十年的12个重要科学问题（图2）

图2 未来十年地球科学关键科学问题示意图

02


基础设施建设


地球科学的发展依赖于多维度、准确的地球观测数据。新的传感器设备的发展和基础设施的建设被认为是维持地球科学发展活力和创新性的重要保障。因此，EAR在过去十年间每年将三分之一以上的科研经费用于支持基础设施的建设，并和美国地质勘探局（United States Geological Survey, USGS）、美国宇航局（National Aeronautics and Space Administration, NASA）、美国能源部（Department of Energy, DOE）等机构联合建设了三十余个基础设施中心（图3）。这些基础设施中除了包括用于获取各个研究领域核心观测数据的设施外，还包括了用于数据存储、处理和分享的计算机中心。报告指出，未来十年，NSF除了继续支持以观测为目的的基础设施建设外，还应进一步加强对计算机中心建设的支持。目前，随着观测数据的积累及机器学习和人工智能技术的发展，科学发现对计算能力、数据分享能力的要求越来越高，现有的计算机中心在这些方面正面临着严峻的挑战。
图3 现有基础设施建设与关键科学问题间的关系
注：表中彩色方框表示需要解决的重点科学问题所需的具有基本科研功能的设施和实验室，彩色圆圈表示与重点科研问题相关的设施和实验室。

03


激光雷达在地球科学发展中的作用


在众多地球观测手段中，遥感被该报告认为是促进地球科学变革的重要手段之一（图4）。它提供的时间序列、多尺度和多维度的地表观测数据（如Landsat等卫星影像数据、SMAP土壤湿度数据、GRACE重力卫星数据、气象卫星数据等）为研究地球过程带来了全新的视角。而激光雷达，这一主动遥感技术，更是被报告认为是未来十年地形、地质灾害、地球关键带、水循环和气象等领域研究的关键手段。

图4 科学发展中的前沿科技
报告指出，激光雷达是一项突破性的技术。其中，机载激光雷达可以在一次飞行活动中以数十厘米的分辨率对数千平方公里的土地进行测量。与摄影测量相比，机载激光雷达可以穿透茂密的森林，记录地表地形和植被冠层结构。越来越多的研究人员将现有激光雷达数据与调查数据进行比较以监测研究对象的变化。虽然目前基于激光雷达的卫星数据存在光斑较大、覆盖范围有限等问题，但其具有亚米级精度的重复观测的能力，因此被认为是科研调查工作中的（如冰盖的变化）一种有利工具。在小尺度上，基于无人机的激光雷达调查正在被越来越广泛地用于实地研究中。

在地形和地质灾害研究中，激光雷达能提供精细的厘米级别的数字地表模型。经过地形滤波后的无人机和机载激光雷达数据可以提供密集的地面点信息（Zhao et al., 2016），利用这些地面点和空间插值算法可以实现厘米级精度的高空间分辨率地形产品的制作（Guo et al., 2010）。通过结合激光雷达、摄影测量和InSAR等技术，进一步实现了全球尺度高精度地形产品的制作（图5）（Su et al., 2014; Su et al., 2015; Zhao etal., 2018），并为研究人员量化现代地形变化的能力带来了革命性的变化（图6）。通过重复的地表高程监测并结合气象卫星数据，研究人员正在通过改善模型和预警系统来提高对滑坡等地质灾害事件的预测和防御能力。报告指出，接下来的十年应进一步对重点区域的地表地形和植被覆盖进行高分辨率的重复监测，并实现将全球大部分地区的地形分辨率提高至亚米级。

图5 基于激光雷达与其他多源数据融合的改正后全球地形产品（Su et al., 2014; Su et al., 2015; Zhao et al., 2018）

图6 基于卫星的SAR数据和数字高程模型经处理得到的陆地表面轮廓
在地球关键带和水文等研究领域，激光雷达可以提供地表和植被结构的精确测量，并利用时间序列重复性观测雪深等水文参数继续精准估算，这为探讨地球关键带的结构和功能将如何影响植被、水资源和气候共同演变的过程，量化反馈效应有着至关重要的作用（图7）。数字生态研究组的郭庆华研究员曾作为地球关键带激光雷达数据获取及处理项目（NSFAward EAR-0922307）的负责人，建立了激光雷达在地球关键带中应用和验证标准。目前，美国地球关键带项目在每个研究区都已实现机载激光雷达数据的重复获取，这些数据在美国地球关键带生态生理过程和水文循环过程等研究中提供了重要支持（Harpold et al., 2014; Kirchner et al., 2014; Zheng et al., 2019）（图8）。

图7 激光雷达衍生的植被和地表地形及横断面

图8 美国地球关键带基于激光雷达的雪深及其影响因素研究示意图（Zheng et al., 2019）

随着激光雷达在地球科学研究中的重要性被广泛认可，NSF在激光雷达相关的基础设施建设方面的力度也在逐渐增强。目前，已有的三十个基础设施中有两个是与激光雷达直接相关的，分别为National Center for Airborne Laser Mapping（NCALM）和Open Topography High Resolution Data and Tools Facility（OpenTopo）。其中NCALM的主要功能是向科学界提供高质量的机载光探测和测距（激光雷达）观测；OpenTopo的主要功能是提供基于网络访问的激光雷达高分辨率地形数据集和分析工具，并支持地表过程研究和培训。


编者语

该报告虽然是为美国NSF做的调研，但是对我国地球科学领域的发展也有着很好的指示意义。虽然我国近些年在地球科学领域的发展极为迅速，但是在基础设施建设方面还亟需进一步加强。而在激光雷达领域，我们还缺少全国性的数据获取、分享和处理基础设施。在我国国家自然基金委、科技部等部门下一步的规划中，应进一步加强相关基础设施的建设。此外地球科学领域是一门交叉性极强的学科，近些年来机器学习、人工智能和众源技术等领域的发展，为地球科学的发展带来了新的机遇与挑战，在我国地球科学领域的发展中，应注重促进多学科的交叉合作，并进一步加强青年人才培养的投入和力度。



参考文献

[1]Harpold, A.A., Guo, Q., Molotch, N., Brooks, P.D., Bales, R., Fernandez‐Diaz, J.C., Musselman, K.N.,Swetnam, T.L., Kirchner, P., Meadows, M.W. and Flanagan, J., 2014. LiDAR‐derived snowpack data setsfrom mixed conifer forests across the Western United States. Water ResourcesResearch, 50(3), 2749-2755.

[2]Kirchner, P.B., Bales, R.C., Molotch, N.P., Flanagan, J. and Guo, Q.,2014. LiDAR measurement of seasonal snow accumulation along an elevationgradient in the southern Sierra Nevada, California. Hydrology & EarthSystem Sciences, 18(10), 4261-4275.

[3]Su, Y. and Guo, Q., 2014. A practical method for SRTM DEM correctionover vegetated mountain areas. ISPRS Journal of Photogrammetry and RemoteSensing, 87, 216-228.

[4]Su, Y., Guo, Q., Ma, Q. and Li, W., 2015. SRTM DEM correction invegetated mountain areas through the integration of spaceborne LiDAR, airborneLiDAR, and optical imagery. Remote Sensing, 7(9), 11202-11225.

[5]Zhao, X., Guo, Q., Su, Y. and Xue, B., 2016. Improved progressive TINdensification filtering algorithm for airborne LiDAR data in forested areas.ISPRS Journal of Photogrammetry and Remote Sensing, 117, 79-91.

[6]Zhao, X., Su, Y., Hu, T., Chen, L., Gao, S., Wang, R., Jin, S. and Guo,Q., 2018. A global corrected SRTM DEM product for vegetated areas. Remotesensing letters, 9(4), 393-402.

[7]Zheng, Z., Ma, Q., Jin, S., Su, Y., Guo, Q. andBales, R.C., 2019. Canopy and terrain interactions affecting snowpack spatialpatterns in the Sierra Nevada of California. Water Resources 


原文转自：数字生态GuoLab

作者：苏艳军

审核：郭庆华


关于数字绿土

数字绿土成立于2012年，专注于激光雷达与影像融合技术。公司总部位于中关村软件园，在美国、深圳、武汉、苏州设立分公司，是世界知名激光雷达厂商Riegl全球合作伙伴，产品及解决方案远销美、法、意、澳、巴西、日本、新加坡、哥伦比亚、波兰、加拿大等40多个国家和地区。

公司自主研发了机载、无人机、车载、背包等多平台激光雷达扫描系统，以及点云、影像和电力巡线后处理软件——LiDAR360、LiMapper和LiPowerline， 致力于为电力、农林、测绘以及高精度地图等行业用户提供软硬件一站式激光雷达解决方案。

电子邮箱：info@lidar360.com

官网：www.lidar360.com

联系方式：

张女士：400-808-5501（事务咨询）

牟女士：400-808-2201（产品咨询）

公司地址：北京市海淀区东北旺北京中关村软件园孵化器2号楼2A2308

更多产品详情请关注公司官网
“www.lidar360.com”或拨打“400-808-2201”

喜欢请右边点击“在看”给我一朵小花花