本文比较了热带植树造林项目中航空影像、卫星影像和地面实测数据对林区碳储量的估算。研究发现，卫星影像可能高估地上生物量，而航空影像的机器学习算法在碳储量估算中具有潜力。此外，研究推出了多个数据集，推动了森林监测和树种识别的深度学习研究，展示了其在全球碳核算和环境监测中的应用前景。

本文研究了利用谷歌地图的航空影像和深度学习模型（如VGG和ResNet）进行城市树木分类的方法。研究显示，最佳模型在六种树种上的平均准确率超过60%。通过卷积神经网络，成功检测超过70%的树木，80%的树种分类准确。此外，采用弱监督方法和高分辨率LiDAR数据量化城市森林的时空分布，验证了研究结果的可靠性。