從底層到應用 · 理解這個世界怎麼用數位孿生
跨產業數位孿生
森林是這個知識庫的旗艦領域，我們也把半導體、AI 晶片、製造、都市等其他產業的數位孿生文獻一起拉進來，從底層致能技術到產業應用完整理解。
森林數位孿生 65 篇旗艦領域
- 以 OB-NeRF 重建複雜植株的三維重建平台提出 Object-Based NeRF，以相機影像軌跡作先驗自動校正位姿，無需去背即可在 30 秒內完成複雜植株高保真三維重建，為農業數位孿生提供前端資料
- 以機器學習整合地面雷射掃描與 ALOS PALSAR 資料估算森林地上生物量整合 TLS 與 ALOS PALSAR L 波段資料並以隨機森林建模，在高生物量密林中克服 SAR 飽和問題，AGB 估算 R2 達 0.94
- 以機載 L 波段重複軌道雙基線 Pol-InSAR 資料改良模型型森林高度反演以 RMoG 為基礎，加入衰減與隨機運動剖面並用逐像元最佳化，改良 L 波段雙基線 PolInSAR 森林高度反演，並以 LVIS LiDAR 驗證
- 運用 Sentinel-1、Sentinel-2、ALOS PALSAR-2 與 GEDI 資料估算不同森林類型之地上生物量低生物量森林中 S1+S2 光學組合最佳，GEDI L4A 作為地面真值替代品表現較差且受森林類型影響
- 於結構與地形複雜之密生針葉林利用 Sentinel-1 與 -2 資料估算總莖材生物量在結構與地形複雜的密生針葉林，僅用 Sentinel-1 SAR 的 RF 模型最準，S1+S2 融合僅些微落後
- 運用光學衛星影像與太空光達融合進行碳儲量估算之森林減排評估GEDI 與 Sentinel-2 融合估算 10 公尺解析度冠層高與碳儲量，可規模化評估森林減排
- 農業與林業中的數位孿生回顧回顧 34 篇農林數位孿生研究，其中林業 9 篇，提出 DM/DS/DT 整合分級與成熟度框架，並指出僅 1 篇達部署等級
- PolInSAR 森林高度反演之回顧——理論、進展與展望系統回顧 PolInSAR 森林高度反演的資料型與模型型演算法，並以 AfriSAR P-band 個案比較其適用情境
- 基於不同前處理之 Sentinel-1 與 Sentinel-2 協同運用於森林地上生物量預測前處理與 S1/S2 融合對低 AGB 森林貢獻有限，僅含 S2 光譜波段的組合表現最佳
- 在亞熱帶常綠闊葉林中以遙測影像萃取之物候資訊製圖森林地上生物量以 Sentinel-2 時序萃取物候特徵，可緩解常綠闊葉林光譜飽和問題並提升地上生物量估算精度
- 穩定碳同位素分析揭示台灣森林土壤有機碳週轉受溫度主導台灣 54 處森林土壤剖面以碳同位素揭示溫度主導 SOC 週轉，高海拔冷區為穩定碳庫但對暖化敏感
- 以機器學習在 Landsat 7 資料上建構森林數位孿生以 LSTM 加 CGAN 的數位孿生方法處理 20 年 Landsat 7 影像，預測森林未來遙感影像，LSTM-CGAN 的 NRMSE 與正確率最佳
- 面向真實場景的三維高斯潑濺方法以室內與植被遮擋兩種真實場景比較四種 3DGS 方法、MVS 與 NeRF，原始 3DGS 精度第二僅次 MVS、3DGS-MCMC 完整度最高，並證實 3DGS 能重建植被遮擋後的幾何，指向森林冠層與生物量應用潛力
- 藉由發展複層林實施碳中和計畫以台北翠山次生林為場域，用 VCS VM0005 與 MRV 評估造林結合改善式經營，25 年四情境固碳 3816 至 4523 噸，可在 8 至 9 年抵銷台北雙年展 390 噸排放
- 面向數位孿生的虛擬人工林建模與資料分析框架以三倍體毛白楊人工林為例，建立含實體世界、數位世界與研究者三主體的虛擬人工林數位孿生框架，整合LiDAR建模與生長方程式預測
- 運用機器學習集成估算森林地上生物量－模型遷移與外業取樣縮減的主動學習策略用主動學習加機器學習集成把外業取樣降到每平方公里約6個樣本，仍維持與文獻相當的AGB估算精度
- 森林地上生物量估算中的機器學習與多源遙感之回顧系統性回顧 25 篇研究，隨機森林出現率最高（88%），XGBoost 在比較中表現最佳（75%），Sentinel-1 為最常用感測器且多感測器融合最有效
- 以深度學習基礎模型結合 LiDAR 估算城市森林生物量提出 3D-CiLBE 流程，串接 SAM 分割、CLIP 物種辨識與 Informer 時序預測，從城市 LiDAR 估算植被生物量，分割 mIoU 達 0.94、物種辨識 92.72%，較 2D 方法誤差降低 8.2%
- 數位應用程式釋放遙感 AI 基礎模型於可擴展環境監測的潛力遙感 AI 基礎模型搭配易用數位應用程式，讓非機器學習專家也能做少樣本環境監測
- 結合機器學習模型與地統計方法的太空光達森林地上生物量估算GEDI 光斑以每 100 shots 抽稀並用 IDW 內插，再以隨機森林反演雲杉冷杉 AGB，R2 達 0.87
- 結合 GEDI 與 ICESat-2 及 PALSAR 與 Sentinel 於加拿大進行森林冠層高度的空間連續製圖結合 GEDI 或 ICESat-2 與 PALSAR-2 及 Sentinel 加隨機森林，產出加拿大 250 m 連續冠層高度圖，GEDI RMSE 4.2 m 優於 ICESat-2 的 5.2 m
- 結合遷移學習的深度神經網路於北方林以 Sentinel-2 影像估算森林變數Sentinel-2 加影像取樣窗與地形特徵的 DNN 可估算北方林材積，遷移學習在野外樣區少於 250 個時最有幫助
- 運用 ICESat-2 估算與製圖森林地上生物量之首例首次以實際 ICESat-2 光子資料估算森林 AGB，強光束 R2 達 0.61，再以 Landsat 升尺度成 30 公尺生物量圖
- 以近距離遙測為基礎的整合分析評估森林地上生物量與碳儲量估算之精度整合分析 187 篇研究指出地面光達在單木與樣區尺度精度最高，UAV 光達適合林分尺度，多源融合可緩解誤差累積
- 以 ICESat-2／ATLAS 資料結合協同克利金法估算山地森林地上生物量以 ICESat-2／ATLAS 光子點雲結合優化隨機森林與協同克利金，於高海拔山區估算森林地上生物量
- 運用 Sentinel 2A 與 Landsat 8 影像評估森林碳儲量變化以 Sentinel 2A 高解析估算當參照值校 Landsat 8，重建鄂爾多斯 2013 至 2023 碳儲量並監測長期變化
- 以樣區層級而非個體層級的預測表現來選擇估算森林生物量的異速生長方程式以剛果盆地844棵樹資料與蒙地卡羅模擬證明異速方程式的樣區層級預測表現會隨樣區大小改變，MSS可拆成偏差加樹級殘差加係數不確定三項，小樣區由樹級殘差主導故與樹級選模一致，大樣區樹級殘差消失故應改以樣區層級表現選模
- 森林地上生物量估算的發展、問題與未來解方之回顧回顧六類AGB估算方法的演進，點出兩個常被忽略的關鍵問題：人工測樹高的可靠度與樣區和遙測像元之間重疊度的影響，並提出以三維樹木模擬加UAV光達的三步驟解方
- 森林生物量估算從單木到地景尺度的變異與不確定性，異速生長方程式所扮演的角色異速生長方程式的選擇主導森林生物量估算誤差，不傳遞異速不確定性會嚴重低估總誤差
- 森林計測中的行動裝置 單株樹木量測技術與方法之回顧回顧 34 篇研究後指出行動裝置量 DBH 平均 RMSE 約 7.1%，但材積與生物量誤差約 30%，需標準化協定
- 運用國家森林資源調查資料估算小區域森林碳密度現況與趨勢用貝氏時空小區域估計模型直接吃 NFI 樣區資料與遙測樹冠覆蓋，跳過直接估計值，讓 16.6% 原本會被丟掉的樣區也能用，估算精度優於傳統設計型估計
- 以地面光達評估北加州多樣化森林之非破壞性地上生物量異速生長方程式以地面光達對北加州5樹種282棵樹做非破壞性AGB估算，TLS體積比FIA異速方程式約高30%，並建立DBH加樹高的新異速方程式優於僅用DBH者
- 森林碳儲量估算的全球格局，技術演進、精度提升與尺度擴展挑戰的書目計量分析WOS 與 CNKI 2008-2025 共 2,427 筆，模型平均 R2 由 0.7 升至 0.77，大尺度研究仍稀少
- 持續穩定的全球森林碳匯全球森林碳匯三十年來穩定維持在約每年 3.6 Pg C，但生物群系間此消彼長，且三分之二的效益被熱帶毀林抵銷
- 評估 REDD+ 準備度——以 MRV 能力辨識高潛力國家用 MRV 能力評估工具評比 48 個 REDD+ 準備期國家，發現技術量測能力普遍優於行政報告能力
- 新視角合成與攝影測量於三維林分重建及單木參數萃取之比較分析以兩塊都市林分比較 NeRF、3DGS 與攝影測量，NVS 重建效率遠勝且 NeRF 在複雜林分品質最佳，但 DBH 仍以攝影測量較準
- 在混合溫帶森林以多模態遙感觀測與機器學習估算地上生物量在康乃狄克州以光達加影像多模態融合與隨機森林估算溫帶森林地上生物量，最佳模型 RMSE 27.19 Mg/ha、R2 0.41
- 結合 GEDI LiDAR、衛星資料與機器學習演算法於 Google Earth Engine 平台估算森林地上生物量的多源方法在 GEE 平台融合 GEDI、Sentinel-1/2 與地形與冠層高度，GTB 模型 AGB 估算達 R²=0.77
- 基於機器學習之新疆不同森林類型地上生物量遙感估算以 Boruta 篩選變數加 SVM/XGBoost/RF 比較，分森林類型建模使新疆省級 AGB 估算 RF 表現最佳
- 以 CNN 遷移學習從 ALS 點雲斷層影像預測森林地上生物量以 ImageNet 預訓練的 3D VGG16 CNN 從 ALS 點雲斷層影像預測 AGB，最大樣本下表現與隨機森林相近，合成資料前訓練僅在樣本極少時有幫助
- STFNet—運用多源衛星影像進行森林變化偵測的時空融合網路STFNet 以雙孿生 CNN 融合高解析與時序影像，森林變化偵測 F1 達 87.65%，較最佳對照模型高 2.02%
- 結合 Sentinel-2 與多元環境資料大幅改善中國北方森林地上生物量估算Sentinel-2 加環境資料以 GBR 達 R²=0.75、RMSE=23.60 Mg/ha，再加 SAR 反而變差
- 統一深度學習模型從高解析度多感測器衛星影像全球預測地上生物量、樹冠高度與覆蓋度單一深度學習模型以 Sentinel-1/2 與 GEDI 訓練，同時全球預測地上生物量、樹冠高度與覆蓋度及其不確定性
- 木材密度的全球分布與驅動因子及其對森林碳儲量的影響整合110萬個森林樣區與10,703樹種木材密度，建立全球木材密度分布圖，顯示忽略空間變異會使生物群系碳儲量估算最多差21%
- 以階層式方法結合機器學習與衛星影像推進森林碳儲量製圖以 Sentinel-2 加 XGBoost 建立全自動碳儲量製圖流程，階層式法的碳儲量估算略優於直接法
- 改良異速生長模型以估算熱帶樹木地上生物量以 58 樣區 4004 株實測建立泛熱帶 AGB 通用方程式，整合徑級樹高與木材比重
- 面向碳中和的多源遙測與地理資訊系統森林碳監測光學單源 R2 約 0.56，光學加 SAR 加 LiDAR 多源融合可拉到 R2 約 0.83、RMSE 低於 25 Mg ha-1
- 以光達資料融合改善森林屬性估算之回顧結構化回顧 151 篇光達融合研究，釐清資料融合定義並指出多數準確度提升仍屬邊際
- 使用機載光達估算森林地上生物量之系統性回顧與統合分析PRISMA 系統性回顧 52 篇＋統合分析：機載光達單獨用 RSE 33.86%、結合多源資料降至 20.46%；熱帶林誤差最高、深度學習方法誤差最低
- 野地火災管理數位孿生系統之回顧與展望野地火災數位孿生回顧，指出單一資料源不足、資料融合為必須，並提出以數位陰影為可行下一步的四階段智慧消防路線圖
- 從3D樹庫重建森林數位孿生—量化輻射傳輸建模的取捨以 DART 輻射傳輸模型量化 3D 森林子採樣重建的取捨，子區塊法採樣 20% 面積即可有效重建溫帶落葉林場景
- 邁向城市森林數位孿生，以近距離雷射掃描對大規模都市樹木進行三維建模與參數化以消費級 MLS+ULS 點雲、改良空間殖民演算法與 L-system 壓縮，直接重建大規模都市樹木並走向城市森林數位孿生
- 可規模化的年度地上生物量產品用於監測生態系復育專案的碳影響用自監督 Barlow Twins 把年度多光譜時序壓成 32 維表徵，結合 GEDI 相對高度差，產出 10 m 年度 AGB 圖，RMSE 約 24.6 Mg/ha
- 整合 AI、IoT 與區塊鏈的森林復育數位孿生架構森林復育數位孿生四層架構，植樹成本 USD 2.00-3.75 降到約 0.11 美元一棵
- 森林數位孿生—基於時空資料、3D 模擬引擎與智慧互動環境的森林經營新工具完整 FDT 實作案例：2,160 棵毛白楊、10 類數據、Unreal Engine 3D，記憶體效率↓67%
- 森林數位孿生框架及其展望之提案FDT框架：樹木作為核心單元，整合樹級/森林級資料、模型、風險與碳權交易
- 森林地上部生物量動態遙測研究：一篇回顧166篇 AGB dynamics 研究；僅 11.9% 採獨立驗證，8.8% 無驗證
- 整合 Sentinel-1、Sentinel-2 與機載 LiDAR 的多決策向量融合模型於亞熱帶森林地上生物量製圖之強化MDVF 三階段融合 Sentinel-1/2 與機載 LiDAR，在亞熱帶森林 AGB 估算達 R²=0.715
- 運用多源遙感數據與深度學習演算法估算森林地上生物量－以中國杭州地區為例CNN-LSTM 混合架構結合多源遙感融合，R²=0.74 優於傳統機器學習，並可低成本微調遷移到新區域
- 被動光學、微波與光達資料於森林地上生物量估算之遙感方法回顧50 年遙感 AGB 方法演進全景綜述，整合光學、微波、LiDAR 三大技術與多源融合，並系統剖析四大不確定性來源
- 從太空光達到在地校準：GEDI 在森林生物量估算中的角色GEDI + MGWR 在地校準，RMSE 40.756 → 14.059 Mg/ha（原文確認）
- 運用 Sentinel-2 與 Landsat 進行年際與年內森林變化偵測及地上生物量動態監測TIIC 演算法融合 Sentinel-2 與 Landsat，實現加拿大全國尺度年內 AGB 動態監測，精度達 99%
- 遙感與機器學習演算法整合於落葉松屬地上生物量估算XGBoost 搭配 Sentinel-2 在華北落葉松林達 R²=0.82，植生指數為最重要預測因子
- 天然林樹木地上生物量估算的異速生長方程式 通用或物種特異以武夷山 9,105 株實測建立 AGB 系統性誤差階層，個體發育大於分類學大於系統發育
- 使用遙測技術估算森林碳儲量的進展與限制：一篇綜合回顧WOS 1999-2024 共 2,191 筆；2022 起每年超過 400 篇
半導體數位孿生 1 篇
- 數位孿生技術回顧及其應用於微電子預知與健康管理之模型微電子數位孿生用雙分支架構結合 physics-based 與 data-driven 做元件預知與健康管理
製造數位孿生 2 篇
- 製造業 AI 驅動數位孿生跨製造系統層級之回顧製造業 AI 驅動數位孿生依 machine、cell、shop floor、enterprise 四個整合層級回顧，串接即時監控、預測分析與自主決策
- AI 驅動數位孿生在製造業應用的全面回顧，跨操作員產品與製程三維度整合製造業 AI 數位孿生可依操作員製程與產品三大維度組織，支撐符合 Industry 5.0 的永續以人為本製造
醫療數位孿生 1 篇
- 數位孿生於全人口推動精準健康之有效性系統性回顧系統性回顧 12 篇研究，數位孿生在精準健康群體層級整體有效比例約八成
公衛數位孿生 1 篇
- 社會數位孿生用於公衛準備的綜述、分類學與新興典範社會數位孿生把傳染病管理拆成感染啟動、擴散、控制、對抗、復原五階段，並提出 SDTaaSS 與 HMaaSS 新興服務模式
通用數位孿生 2 篇
- TwinEco 生態學動態資料驅動數位孿生統一框架TwinEco 以 DDDAS 範式提出生態數位孿生統一框架，定義七個層與十一個組件，避免生態 DT 概念碎片化
- 數位孿生的定義與分類學，以機器學習與科學應用案例研究建立一致的數位孿生定義與機器學習強化的分類學，並以科學應用案例研究佐證