人工智能与生物多样性测量报告
高盛（Goldman Sachs）发布人工智能与生物多样性测量报告，旨在探索如何开发和应用人工智能技术来提高生物多样性测量能力。
高盛认为自然生态系统每年为全球贡献超过13万亿美元，占全球GDP的12%，然而自然解决方案每年投资总额约2200亿美元，生物多样性测量技术是关键制约因素。
相关阅读：香港金融管理局发布应用人工智能减轻气候漂绿风险报告
人工智能与生物多样性测量介绍
人工智能技术能够提高生物多样性测量的可靠性，扩大覆盖范围并具备更深入的分析能力。报告从三个角度介绍了人工智能对生物多样性测量的影响：
深度占有率模型：提升生物多样性测量的分辨率和可靠性
传统生物多样性测量依赖专家的实地观察，难以覆盖大范围地区。使用卫星图像测量生物多样性覆盖范围广，但精确度较低。使用人工智能相关的深度占有率模型，可以合并地面数据和卫星信息，估计物种的分布情况。这种方法将物种分布的估计可靠性提高了27%，并能够识别物种的栖息地特征。深度占有率建模可以应用于可持续发展挂钩债券，用于建立关键绩效指标，并为持续监测和验证提供高质量信息。
分布模型：填充数据稀疏区域的生物多样性信息
许多地区由于实地调查资源不足，缺少详细的生态数据。分布建模可以将人工智能技术与专家知识相结合，将生物多样性信息扩展到数据稀疏区域，解决传统调查成本较高的问题。分布建模可以帮助金融机构绘制其投资组合的自然相关风险敞口，解决交易对手方数据可用性不足的问题，也能够帮助监管机构关注企业经营和供应链的生物多样性影响。
遥感数据基础模型：监测泥炭地的存在和变化
泥炭地拥有全球三分之一的碳储量，但由于其定义特征（例如湿度、土壤成分和含碳量）大部分位于地下，因此难以监测。基于人工智能技术的遥感数据可以结合光学和卫星数据，以及地形和植被状态信息，用少量特定地点作为训练数据来识别泥炭地，其准确率达到95%。该模型可以帮助企业评估生物多样性和土地利用风险，并帮助设计泥炭地碳信用。
报告认为人工智能对生物多样性测量的作用取决于以下因素：
- 跨部门合作：科学研究、人工智能和金融行业需要合作将研究成果转化为自然解决方案；
- 生物多样性数据：可靠的生物多样性数据是扩大自然相关融资的基础；
- 价值驱动因素：生物多样性测量可以降低企业成本、改进运营管理并提升生产力；
参考链接：
