Page 58 - FDMChina 2024.7-8
P. 58
材料 Materials
Flickr
将树种识别推断到未采集样本的地区。 本所在地区不安全等问题，而结合了人工智能的方
为此，来自哥德堡大学的专家 Jakub Truszkowski 法，便能够通过采用精确的全球定位系统数据作为
通过机器学习（人工智能的一种应用，也是人工智 参考位置来捕捉空间变异性，从而创建出一个可以
能核心），利用 PbN（基于性能的导航）收集的样 反映实际地貌的 " 原点模型 "，使其能够有效地推断
本设计了一个特殊模型。在应用这一人工智能技术 未取样区域的化学特征。它超越了传统的统计模式
的过程中使用了从 929 个地理定位样本中提取的 22 和任意的政治边界，可免费获取丰富的环境和气候
个地面实况（地面真值）化学值，而这些样本是从 数据集，以更低的成本大幅度增加参考数据的范围
其物种商业分布区的立木中提取的。结果表明，强 和种类。
大的计算机集群能够帮助研究者推断出东欧大片森 《欧盟零毁林法案》（EUDR） 也即将全面执行，
林的化学特征，而这些森林在之前从未被采集过样 对木质类产品的原产地、木材的可追溯性提出了更
本。这种以科学为基础的方法对木材来源地进行分 高的要求。相信在未来还会有更多先进技术让全球
析更加具有实用性和经济性。因为如果在条件允许 供应链中森林产品的溯源难题得到解决，而非法的
的理想状况下， 是可以顺利采集木材来源地的坐标， 森林采伐和木材贸易也会因为有更加完善的技术系
但也可能会面临采集地区正处于政治冲突地区或样 统的出现被有效遏制。
56 亚洲木工业 二零二四年七月至八月份
