Новая модель оценки высоты лесного полога [ссылка]
Предлагается модель оценки высоты лесного полога в глобальном масштабе, основанная на спутниковых данных. По словам авторов, “модель использует передовые методы предварительной обработки данных, прибегает к новой функции потерь, разработанной для борьбы с неточностями геолокации, присущими наземным измерениям высоты, и использует данные миссии Shuttle Radar Topography Mission для эффективной фильтрации ошибочных меток в горных районах, повышая надежность наших прогнозов в этих районах”. Сравнение результатов с наземными данными даёт MAE = 2,43 м и RMSE = 4,73 м в целом, а также MAE = 4,45 и RMSE = 6,72 метров для деревьев высотой более пяти метров, что лучше существующих глобальных карт — этой и этой. Полученная карта высот, а также лежащий в её основе подход, должны облегчить и улучшить экологический анализ в глобальном масштабе, в том числе крупномасштабный мониторинг лесов и биомассы.
В списке авторов есть Sassan Saatchi — известный специалист в данной области.
🛢 Код и документация
1️⃣ Схема расчёта глобальных карт высоты лесного полога.
2️⃣ Визуальное сравнение фрагментов различных глобальных карт высот лесного полога (предлагаемая — Ours).
#лес #AGB #данные
Предлагается модель оценки высоты лесного полога в глобальном масштабе, основанная на спутниковых данных. По словам авторов, “модель использует передовые методы предварительной обработки данных, прибегает к новой функции потерь, разработанной для борьбы с неточностями геолокации, присущими наземным измерениям высоты, и использует данные миссии Shuttle Radar Topography Mission для эффективной фильтрации ошибочных меток в горных районах, повышая надежность наших прогнозов в этих районах”. Сравнение результатов с наземными данными даёт MAE = 2,43 м и RMSE = 4,73 м в целом, а также MAE = 4,45 и RMSE = 6,72 метров для деревьев высотой более пяти метров, что лучше существующих глобальных карт — этой и этой. Полученная карта высот, а также лежащий в её основе подход, должны облегчить и улучшить экологический анализ в глобальном масштабе, в том числе крупномасштабный мониторинг лесов и биомассы.
В списке авторов есть Sassan Saatchi — известный специалист в данной области.
🛢 Код и документация
1️⃣ Схема расчёта глобальных карт высоты лесного полога.
2️⃣ Визуальное сравнение фрагментов различных глобальных карт высот лесного полога (предлагаемая — Ours).
#лес #AGB #данные
Глобальные карты потоков углерода лесов (2001–2023)
Недавнее обновление данных Global Forest Carbon Fluxes (GFCF) позволяет изучать глобальные потоки углерода лесов в период с 2001 по 2023 год. Данные разделены на чистый поток (баланс между выбросами и поглощением), поглощение (количество углерода, поглощенного лесами) и выбросы (количество углерода, высвобожденные в результате нарушений лесного покрова).
GFCF соответствуют рекомендациям МГЭИК и дают представление о том, сколько углерода хранят или высвобождают леса с течением времени.
Данные можно также найти на сайте Global Forest Watch. Информация об обновлениях доступна в блоге.
🌍 Код примера в GEE
#лес #данные #GEE #GHG
Недавнее обновление данных Global Forest Carbon Fluxes (GFCF) позволяет изучать глобальные потоки углерода лесов в период с 2001 по 2023 год. Данные разделены на чистый поток (баланс между выбросами и поглощением), поглощение (количество углерода, поглощенного лесами) и выбросы (количество углерода, высвобожденные в результате нарушений лесного покрова).
GFCF соответствуют рекомендациям МГЭИК и дают представление о том, сколько углерода хранят или высвобождают леса с течением времени.
Данные можно также найти на сайте Global Forest Watch. Информация об обновлениях доступна в блоге.
🌍 Код примера в GEE
#лес #данные #GEE #GHG
Отчет о проверке данных Planet Forest Carbon Diligence
Недавно компания Planet выпустила отчет о проверке своих данных о биомассе лесов, Diligence Validation and Intercomparison Report, в котором приведены сравнения Diligence с восемью независимыми наборами данных о биомассе лесов.
Краткие итоги отчета подвел Крис Андерсон, “главный по лесам” в компании Planet. Крис занимается оценками биомассы леса уже давно. В частности, он является соавтором методики оценки биомассы леса при помощи воздушной лидарной съемки, которая применяется для оценки проектов углеродных компенсаций Verra.
Ключевые тезисы статьи Андерсона:
Основное внимание в отчете уделяется взаимному сопоставлению, а не валидации. Валидация предполагает наличие эталонных данных, как правило, наземных измерений. Вместо этого, почти все источники данных о биомассе леса представляют собой смоделированные оценки, которые содержат погрешности. Поскольку ни один из наборов данных не является эталонным, лучший способ оценить качество продукта с данными о биомассе — сравнить его с другими известными данными о биомассе, показав, где новый продукт работает хорошо, а где плохо.
Производительность модели географически неоднородна. Пользователям не рекомендуется интерпретировать показатели производительности модели как ожидаемую точность для каждого пикселя и предлагается трактовать показатели производительности как среднюю ожидаемую точность глобального набора данных.
Моделировалась высота и сомкнутость крон, используя собственный вариант модели U-Net, разработанный для объединения данных оптических мультиспектральных и радарных данных.
Надземная биомасса моделировалась как функция высоты кроны, сомкнутости, высоты над уровнем моря и географического положения. Для моделирования использовались Boosted regression trees. Такая модель, по мысли авторов, может научиться аппроксимировать аллометрические зависимости способом, чувствительным к нескольким компонентам структуры леса.
Традиционной проблемой является удаление облаков и дымки из мультиспектральных снимков. Был разработан агрессивный алгоритм маскировки облаков, который понижал рейтинг пикселей вблизи краев облаков. В результате пользователи могут видеть циклические буферы (circular buffers) в областях, где пиксели были заполнены наблюдениями более низкого качества. Чтобы смягчить этот эффект, разработчики предоставляют набор данных с оценкой качества пикселей, а также ресурс по дням года, который можно использовать для фильтрации и удаления наблюдений низкого качества или наблюдений из отдаленных периодов года.
“Будучи аспирантом-всезнайкой, я часто ворчал по поводу глобальных данных, которые выглядели точными везде и нигде”, пишет Андерсон. На практике очень сложно создать глобальный продукт с одинаковым качеством из-за сложного взаимодействия пространственных и временных отклонений, различий в измерениях и подходов к оптимизации параметров. Разработчики Diligence подошли к этой проблеме с практическими рекомендациями, предоставив подробный анализ погрешностей модели и указав районы, где точность прогноза самая низкая (например, в азиатских палеотропиках). Одним из способов, которым пользователи могут решить проблему точности, является обучение собственных локальных моделей биомассы, используя данные о высоте и сомкнутости крон, предоставляемые Diligence.
#лес #AGB
Недавно компания Planet выпустила отчет о проверке своих данных о биомассе лесов, Diligence Validation and Intercomparison Report, в котором приведены сравнения Diligence с восемью независимыми наборами данных о биомассе лесов.
Краткие итоги отчета подвел Крис Андерсон, “главный по лесам” в компании Planet. Крис занимается оценками биомассы леса уже давно. В частности, он является соавтором методики оценки биомассы леса при помощи воздушной лидарной съемки, которая применяется для оценки проектов углеродных компенсаций Verra.
Ключевые тезисы статьи Андерсона:
Основное внимание в отчете уделяется взаимному сопоставлению, а не валидации. Валидация предполагает наличие эталонных данных, как правило, наземных измерений. Вместо этого, почти все источники данных о биомассе леса представляют собой смоделированные оценки, которые содержат погрешности. Поскольку ни один из наборов данных не является эталонным, лучший способ оценить качество продукта с данными о биомассе — сравнить его с другими известными данными о биомассе, показав, где новый продукт работает хорошо, а где плохо.
Производительность модели географически неоднородна. Пользователям не рекомендуется интерпретировать показатели производительности модели как ожидаемую точность для каждого пикселя и предлагается трактовать показатели производительности как среднюю ожидаемую точность глобального набора данных.
Моделировалась высота и сомкнутость крон, используя собственный вариант модели U-Net, разработанный для объединения данных оптических мультиспектральных и радарных данных.
Надземная биомасса моделировалась как функция высоты кроны, сомкнутости, высоты над уровнем моря и географического положения. Для моделирования использовались Boosted regression trees. Такая модель, по мысли авторов, может научиться аппроксимировать аллометрические зависимости способом, чувствительным к нескольким компонентам структуры леса.
Традиционной проблемой является удаление облаков и дымки из мультиспектральных снимков. Был разработан агрессивный алгоритм маскировки облаков, который понижал рейтинг пикселей вблизи краев облаков. В результате пользователи могут видеть циклические буферы (circular buffers) в областях, где пиксели были заполнены наблюдениями более низкого качества. Чтобы смягчить этот эффект, разработчики предоставляют набор данных с оценкой качества пикселей, а также ресурс по дням года, который можно использовать для фильтрации и удаления наблюдений низкого качества или наблюдений из отдаленных периодов года.
“Будучи аспирантом-всезнайкой, я часто ворчал по поводу глобальных данных, которые выглядели точными везде и нигде”, пишет Андерсон. На практике очень сложно создать глобальный продукт с одинаковым качеством из-за сложного взаимодействия пространственных и временных отклонений, различий в измерениях и подходов к оптимизации параметров. Разработчики Diligence подошли к этой проблеме с практическими рекомендациями, предоставив подробный анализ погрешностей модели и указав районы, где точность прогноза самая низкая (например, в азиатских палеотропиках). Одним из способов, которым пользователи могут решить проблему точности, является обучение собственных локальных моделей биомассы, используя данные о высоте и сомкнутости крон, предоставляемые Diligence.
#лес #AGB
planet.widen.net
Planet-UserDocumentation-ForestCarbonValidation.pdf
Деревья на возвышенностях являются поглотителями атмосферного метана
Известно, что деревья вносят важный вклад в круговорот углерода на планете, поглощая углекислый газ и преобразуя его в биомассу. Недавняя 📖 работа показала, что деревья на возвышенностях поглощают не только углерод, но и метан.
Метан поглощается не самими деревьями, а колониями метанотрофных бактерий, которые обитают на поверхности коры, извлекают метан из воздуха, окисляют его и превращают в биомассу и углекислый газ. Последний воздействует на климат примерно в 30 раз слабее, чем исходный метан. Особенно быстро метан поглощался корой тропических деревьев, что связано с ускорением метаболизма микробов в теплом и влажном климате.
По оценкам исследователей, кора всех деревьев Земли ежегодно поглощает от 25 до 50 млн тонн метана, что примерно на 10% повышает полезный вклад растительности в борьбу с глобальным потеплением.
#CH4 #климат #лес
Известно, что деревья вносят важный вклад в круговорот углерода на планете, поглощая углекислый газ и преобразуя его в биомассу. Недавняя 📖 работа показала, что деревья на возвышенностях поглощают не только углерод, но и метан.
Метан поглощается не самими деревьями, а колониями метанотрофных бактерий, которые обитают на поверхности коры, извлекают метан из воздуха, окисляют его и превращают в биомассу и углекислый газ. Последний воздействует на климат примерно в 30 раз слабее, чем исходный метан. Особенно быстро метан поглощался корой тропических деревьев, что связано с ускорением метаболизма микробов в теплом и влажном климате.
По оценкам исследователей, кора всех деревьев Земли ежегодно поглощает от 25 до 50 млн тонн метана, что примерно на 10% повышает полезный вклад растительности в борьбу с глобальным потеплением.
#CH4 #климат #лес
Журнал “Наука и технологии Сибири”. Выпуск 13, 2024
🌳 Лесные ресурсы. Риски и решения [скачать]
🔹Экспертные статьи
- Парадигма устойчивого управления лесами: Баланс ресурсных и экосистемных функций
- Климатические рубежи меняют гидрологический статус лесов
🔹Охрана лесов от пожаров
- Усовершенствованная технология мониторинга интенсивности пожаров растительности и оценки пожарных эмиссий дистанционными средствами
- Технология составления карт растительных горючих материалов (карт РГМ)
- Краткий справочник эколого-географических и лесопирологических особенностей лесных районов
- Технология снижения пожароопасности вырубок путем контролируемых выжиганий
- База данных по мировой пилотируемой пожарной авиации
🔹Защита леса
- Технология проведения профилактических мероприятий по защите лесов от сибирского шелкопряда
- Методы и инструменты государственного лесопатологического мониторинга
- Лесопатологический мониторинг в Байкальском регионе: проблемы и пути решения
- Основы технологии защиты сосновых культур от восточного майского хруща
🔹Лесные культуры и селекция
- Уточнение лесосеменного районирования сосны обыкновенной на территории Средней и частично Восточной Сибири
- Применение методов дистанционного зондирования земли для мониторинга лесных селекционно-семеноводческих объектов
- Ускорение лесной селекции как метод интенсификации лесного хозяйства России
- Посадочный материал хвойных пород
- Коллекция эмбриогенных культур лиственницы: состояние и применение для плантационного лесовыращивания
🔹Мониторинг состояния и функционирования лесных экосистем
- Эколого-климатические станции мониторинга потоков климатически активных веществ в рамках реализации государственных
- Мониторинг техногенно-нарушенных земель на основе анализа
- Мобильная обсерватория для маршрутного мониторинга баланса диоксида углерода в наземных экосистемах Приенисейской Сибири
🔹Экосистемные услуги лесов
- Разработка лесохозяйственных и экосистемных мероприятий по повышению средозащитных функций водоохранных лесов Иркутской области на основе комплексной лесоводственно-экологической оценки
🔗 Страница журнала “Наука и технологии Сибири”
#лес #пожары #журнал
🌳 Лесные ресурсы. Риски и решения [скачать]
🔹Экспертные статьи
- Парадигма устойчивого управления лесами: Баланс ресурсных и экосистемных функций
- Климатические рубежи меняют гидрологический статус лесов
🔹Охрана лесов от пожаров
- Усовершенствованная технология мониторинга интенсивности пожаров растительности и оценки пожарных эмиссий дистанционными средствами
- Технология составления карт растительных горючих материалов (карт РГМ)
- Краткий справочник эколого-географических и лесопирологических особенностей лесных районов
- Технология снижения пожароопасности вырубок путем контролируемых выжиганий
- База данных по мировой пилотируемой пожарной авиации
🔹Защита леса
- Технология проведения профилактических мероприятий по защите лесов от сибирского шелкопряда
- Методы и инструменты государственного лесопатологического мониторинга
- Лесопатологический мониторинг в Байкальском регионе: проблемы и пути решения
- Основы технологии защиты сосновых культур от восточного майского хруща
🔹Лесные культуры и селекция
- Уточнение лесосеменного районирования сосны обыкновенной на территории Средней и частично Восточной Сибири
- Применение методов дистанционного зондирования земли для мониторинга лесных селекционно-семеноводческих объектов
- Ускорение лесной селекции как метод интенсификации лесного хозяйства России
- Посадочный материал хвойных пород
- Коллекция эмбриогенных культур лиственницы: состояние и применение для плантационного лесовыращивания
🔹Мониторинг состояния и функционирования лесных экосистем
- Эколого-климатические станции мониторинга потоков климатически активных веществ в рамках реализации государственных
- Мониторинг техногенно-нарушенных земель на основе анализа
- Мобильная обсерватория для маршрутного мониторинга баланса диоксида углерода в наземных экосистемах Приенисейской Сибири
🔹Экосистемные услуги лесов
- Разработка лесохозяйственных и экосистемных мероприятий по повышению средозащитных функций водоохранных лесов Иркутской области на основе комплексной лесоводственно-экологической оценки
🔗 Страница журнала “Наука и технологии Сибири”
#лес #пожары #журнал
Журнал “Наука и технологии Сибири”. Выпуск 14, 2024
🌲 Ресурсы леса. Технологии и материалы [скачать]
🔹Экспертная статья
- Перспективные методы получения востребованных химических веществ и материалов из отходов переработки древесины
🔹Лесохимические продукты для медицины, сельского хозяйства
- Технология переработки отходов лесопиления в комплексное удобрение
- Новые методы получения биологически активных веществ из древесины и коры
🔹Новые вещества и материалы из растительного сырья
- Пиролиз хвои сосны Pinus sylvestris L.: физико-химические показатели торрефикатов и биоугля
- Перспективные пористые материалы из древесной коры
- Многофункциональная целлюлоза из альтернативного ежегодно возобновляемого сырья — мискантуса
- Биодеградируемые и биосовместимые полимеры и сополимеры α-ангеликалактона
- Ученые Института химии твердого тела и механохимии СО РАН предложили состав древесно-стружечных плит с повышенными характеристиками прочности, водо- и огнестойкости.
🔹Методы таксации и стоимостной оценки лесов
- Методика определения восстановительной стоимости зеленых насаждений
- Инновационные методы таксации и мониторинга лесов с использованием лазерного сканирования, аэрокосмической съемки и спутникового геопозиционирования
- Использование материалов наземных GNSS измерений при таксации лесов
🔹Биотехнологии в лесном комплексе
- Инновационные микробиологические технологии для развития лесного комплекса России
- Микроорганизмы как индикаторы состояния лесных почв после рубок и пожаров
🔗 Страница журнала “Наука и технологии Сибири”
#лес #пожары #журнал
🌲 Ресурсы леса. Технологии и материалы [скачать]
🔹Экспертная статья
- Перспективные методы получения востребованных химических веществ и материалов из отходов переработки древесины
🔹Лесохимические продукты для медицины, сельского хозяйства
- Технология переработки отходов лесопиления в комплексное удобрение
- Новые методы получения биологически активных веществ из древесины и коры
🔹Новые вещества и материалы из растительного сырья
- Пиролиз хвои сосны Pinus sylvestris L.: физико-химические показатели торрефикатов и биоугля
- Перспективные пористые материалы из древесной коры
- Многофункциональная целлюлоза из альтернативного ежегодно возобновляемого сырья — мискантуса
- Биодеградируемые и биосовместимые полимеры и сополимеры α-ангеликалактона
- Ученые Института химии твердого тела и механохимии СО РАН предложили состав древесно-стружечных плит с повышенными характеристиками прочности, водо- и огнестойкости.
🔹Методы таксации и стоимостной оценки лесов
- Методика определения восстановительной стоимости зеленых насаждений
- Инновационные методы таксации и мониторинга лесов с использованием лазерного сканирования, аэрокосмической съемки и спутникового геопозиционирования
- Использование материалов наземных GNSS измерений при таксации лесов
🔹Биотехнологии в лесном комплексе
- Инновационные микробиологические технологии для развития лесного комплекса России
- Микроорганизмы как индикаторы состояния лесных почв после рубок и пожаров
🔗 Страница журнала “Наука и технологии Сибири”
#лес #пожары #журнал
Новые аллометрические модели FIA
В конце прошлого года Программа инвентаризации и анализа лесов Министерства сельского хозяйства США (Forest Inventory and Analysis Program, FIA) объявила о том, что меняет способ расчета структурных параметров растительности — в частности, объема, биомассы и содержания углерода в деревьях по всей территории США — и начинает использовать совершенно новый набор аллометрических моделей ⬇️.
📖 Westfall, J. A., Coulston, J. W., Gray, A. N., Shaw, J. D., Radtke, P. J., Walker, D. M., Weiskittel, A. R., MacFarlane, D. W., Affleck, D. L. R., Zhao, D., Temesgen, H., Poudel, K. P., Frank, J. M., Prisley, S. P., Wang, Y., Sánchez Meador, A. J., Auty, D., & Domke, G. M. (2024). A national-scale tree volume, biomass, and carbon modeling system for the United States. U.S. Department of Agriculture, Forest Service. https://doi.org/10.2737/wo-gtr-104
Эти модели лучше учитывают нетоварные части дерева и обеспечивают единый метод расчета этих показателей, заменяя старую систему, которая имела резкие различия по региональным (не экологическим) границам. Вместе с тем это означает, что изменятся и оценки запасов углерода. В препринте, приведены первые результаты сравнений карт запасов углерода, полученных по старым и по новым моделям.
📊 Оценки общей надземной биомассы на основе старых и новых моделей по региональным подразделениям ФИА. Синие столбики "CRM" относятся к старому методу расчёта биомассы, а оранжевые столбики "NSVB (new)" — к обновленному методу (источник).
#лес
В конце прошлого года Программа инвентаризации и анализа лесов Министерства сельского хозяйства США (Forest Inventory and Analysis Program, FIA) объявила о том, что меняет способ расчета структурных параметров растительности — в частности, объема, биомассы и содержания углерода в деревьях по всей территории США — и начинает использовать совершенно новый набор аллометрических моделей ⬇️.
📖 Westfall, J. A., Coulston, J. W., Gray, A. N., Shaw, J. D., Radtke, P. J., Walker, D. M., Weiskittel, A. R., MacFarlane, D. W., Affleck, D. L. R., Zhao, D., Temesgen, H., Poudel, K. P., Frank, J. M., Prisley, S. P., Wang, Y., Sánchez Meador, A. J., Auty, D., & Domke, G. M. (2024). A national-scale tree volume, biomass, and carbon modeling system for the United States. U.S. Department of Agriculture, Forest Service. https://doi.org/10.2737/wo-gtr-104
Эти модели лучше учитывают нетоварные части дерева и обеспечивают единый метод расчета этих показателей, заменяя старую систему, которая имела резкие различия по региональным (не экологическим) границам. Вместе с тем это означает, что изменятся и оценки запасов углерода. В препринте, приведены первые результаты сравнений карт запасов углерода, полученных по старым и по новым моделям.
📊 Оценки общей надземной биомассы на основе старых и новых моделей по региональным подразделениям ФИА. Синие столбики "CRM" относятся к старому методу расчёта биомассы, а оранжевые столбики "NSVB (new)" — к обновленному методу (источник).
#лес
Компания Space Intelligence получила инвестиции для создания глобального каталога карт природы [ссылка]
Компания Space Intelligence, поставщик высокоточных карт лесов, полученных на основе спутниковых данных, объявила о привлечении финансирования в рамках серии А. Финансовые средства будут направлены на расширение каталога картографических данных Space Intelligence для поддержки разработки и финансирования лесных углеродных проектов, а также мониторинга воздействия на природу в рамках контроля корпоративных цепочек поставок (в частности, для соблюдения требований Постановления ЕС по борьбе с обезлесением).
Соучредители компании Space Intelligence доктор Мюррей Коллинз (Murray Collins) и профессор Эд Митчард (Ed Mitchard) на двоих имеют почти 40 лет опыт научной и практической работы в области дистанционного зондирования с использованием спутниковых данных. Space Intelligence основана в 2017 году и сейчас в её штате более 50 сотрудников, включая 20 учёных — картографов и экологов.
В настоящее время каталог природных данных Space Intelligence охватывает 640 миллионов гектаров в семи странах, предоставляя информацию о растительном покрове, обезлесении и восстановлении леса. К концу второго квартала 2025 года каталог данных компании расширится и будет охватывать дополнительно более 35 стран, став крупнейшим в мире набором данных для картографирования природы.
В четвертом квартале нынешнего года компания планирует выпустить новые информационные продукты для мониторинга вырубки и деградации лесов в режиме, близком к реальному времени, что позволит повысить эффективность мониторинга и управления рисками.
#лес
Компания Space Intelligence, поставщик высокоточных карт лесов, полученных на основе спутниковых данных, объявила о привлечении финансирования в рамках серии А. Финансовые средства будут направлены на расширение каталога картографических данных Space Intelligence для поддержки разработки и финансирования лесных углеродных проектов, а также мониторинга воздействия на природу в рамках контроля корпоративных цепочек поставок (в частности, для соблюдения требований Постановления ЕС по борьбе с обезлесением).
Соучредители компании Space Intelligence доктор Мюррей Коллинз (Murray Collins) и профессор Эд Митчард (Ed Mitchard) на двоих имеют почти 40 лет опыт научной и практической работы в области дистанционного зондирования с использованием спутниковых данных. Space Intelligence основана в 2017 году и сейчас в её штате более 50 сотрудников, включая 20 учёных — картографов и экологов.
В настоящее время каталог природных данных Space Intelligence охватывает 640 миллионов гектаров в семи странах, предоставляя информацию о растительном покрове, обезлесении и восстановлении леса. К концу второго квартала 2025 года каталог данных компании расширится и будет охватывать дополнительно более 35 стран, став крупнейшим в мире набором данных для картографирования природы.
В четвертом квартале нынешнего года компания планирует выпустить новые информационные продукты для мониторинга вырубки и деградации лесов в режиме, близком к реальному времени, что позволит повысить эффективность мониторинга и управления рисками.
#лес
Новые данные лидара GEDI: L4C Footprint Level Waveform Structural Complexity Index [ссылка]
Центр распределенной обработки данных Национальной лаборатории Оук-Ридж NASA (ORNL DAAC) выпустил новый набор данных космического лидара GEDI (Global Ecosystem Dynamics Investigation), который с 2019 года работает на борту Международной космической станции (МКС). Данные GEDI помогают исследователям понять, как изменения в структуре лесов влияют на климат Земли и как леса могут замедлить глобальное потепление.
Новые данные, GEDI L4C Footprint Level Waveform Structural Complexity Index, Version 2 (WSCI), относятся к структурной сложности лесного полога. Структурная сложность полога (canopy structural complexity, CSC) — это мера того, как листья, ветви и стволы распределены по горизонтальному и вертикальному пространству лесного полога. CSC является хорошим показателем качества среды обитания, видового разнообразия и функционирования экосистемы. CSC можно достаточно точно оценить по данным воздушных или наземных лидаров. Теперь к ним добавились данные наблюдений из космоса.
Для создания глобального набора данных на уровне “следов” (footprint) были использованы эмпирические модели, разработанные на основе более чем 800 000 оценок CSC, полученных с помощью воздушного лазерного сканирования и совместных измерений относительной высоты волновых форм GEDI уровня 2A для различных функциональных типов растений по всему миру. Оценки неопределенности представлены в виде интервалов прогнозирования с доверительной вероятностью 95% для каждого “следа”.
Функциональные типы растений включают листопадные широколиственные деревья, вечнозеленые широколиственные деревья, вечнозеленые игольчатые деревья, а также сочетание лугов, кустарников и лесов. Вместе с оценочными данными WSCI, которые представлены в 74 860 файлах данных формата HDF5 (.h5) и охватывают период с 17 апреля 2019 года по 16 марта 2023 года, продукт уровня 4C включает соответствующие метрики неопределенности, флаги качества и другую информацию о волновой форме GEDI уровня 2A для выбранной группы настройки алгоритмов продукта.
В ближайшее время будет опубликована 1-километровая версия продукта WSCI и обновлены ранее выпущенные продукты. Это будет сделано после того, как появятся свежие данные прибора GEDI после годичного перерыва в работе миссии — с марта 2023 по апрель 2024 года. Сначала будут созданы наборы данных более низкого уровня обработки (то есть продукты уровней 1 и 2), позже появятся продукты уровней 3 и 4. Продукты GEDI версии 3 также находятся в разработке и будут содержать улучшенную геолокацию и другие алгоритмические усовершенствования.
Данные о структурной сложности дадут экологам лучшее понимание видового разнообразия лесов и экосистемных процессов, а также могут дать представление о здоровье и функционировании лесов.
📊 На графике представлены значения индекса структурной сложности волновой формы (WSCI), полученных с помощью данных GEDI Level 4C над Восточной Амазонией. Более яркие цвета указывают на большую структурную сложность, более темные цвета — на меньшую сложность.
Как и другие наборы данных GEDI на уровне “следов”, данные WSCI содержит пробелы в своем охвате. В первую очередь, такие пробелы вызваны размещением прибора GEDI на МКС, орбита которой ограничивает наблюдение областями, находящимися в полосе между 51,6° северной и южной широты. Кроме того, наблюдения прибора доступны только вдоль трассы орбиты, которые образуют поперечный рисунок на поверхности Земли. Между трассами также имеются пробелы в покрытии.
Данные GEDI L4C Footprint Level Waveform Structural Complexity Index, Version 2 доступны в:
🌍 NASA Earthdata Search
🛢 ORNL DAAC
Вскоре данные должны появиться в ORNL DAAC Terrestrial Ecology Subsetting and Visualization Services (TESViS).
#лидар #лес #данные
Центр распределенной обработки данных Национальной лаборатории Оук-Ридж NASA (ORNL DAAC) выпустил новый набор данных космического лидара GEDI (Global Ecosystem Dynamics Investigation), который с 2019 года работает на борту Международной космической станции (МКС). Данные GEDI помогают исследователям понять, как изменения в структуре лесов влияют на климат Земли и как леса могут замедлить глобальное потепление.
Новые данные, GEDI L4C Footprint Level Waveform Structural Complexity Index, Version 2 (WSCI), относятся к структурной сложности лесного полога. Структурная сложность полога (canopy structural complexity, CSC) — это мера того, как листья, ветви и стволы распределены по горизонтальному и вертикальному пространству лесного полога. CSC является хорошим показателем качества среды обитания, видового разнообразия и функционирования экосистемы. CSC можно достаточно точно оценить по данным воздушных или наземных лидаров. Теперь к ним добавились данные наблюдений из космоса.
Для создания глобального набора данных на уровне “следов” (footprint) были использованы эмпирические модели, разработанные на основе более чем 800 000 оценок CSC, полученных с помощью воздушного лазерного сканирования и совместных измерений относительной высоты волновых форм GEDI уровня 2A для различных функциональных типов растений по всему миру. Оценки неопределенности представлены в виде интервалов прогнозирования с доверительной вероятностью 95% для каждого “следа”.
Функциональные типы растений включают листопадные широколиственные деревья, вечнозеленые широколиственные деревья, вечнозеленые игольчатые деревья, а также сочетание лугов, кустарников и лесов. Вместе с оценочными данными WSCI, которые представлены в 74 860 файлах данных формата HDF5 (.h5) и охватывают период с 17 апреля 2019 года по 16 марта 2023 года, продукт уровня 4C включает соответствующие метрики неопределенности, флаги качества и другую информацию о волновой форме GEDI уровня 2A для выбранной группы настройки алгоритмов продукта.
В ближайшее время будет опубликована 1-километровая версия продукта WSCI и обновлены ранее выпущенные продукты. Это будет сделано после того, как появятся свежие данные прибора GEDI после годичного перерыва в работе миссии — с марта 2023 по апрель 2024 года. Сначала будут созданы наборы данных более низкого уровня обработки (то есть продукты уровней 1 и 2), позже появятся продукты уровней 3 и 4. Продукты GEDI версии 3 также находятся в разработке и будут содержать улучшенную геолокацию и другие алгоритмические усовершенствования.
Данные о структурной сложности дадут экологам лучшее понимание видового разнообразия лесов и экосистемных процессов, а также могут дать представление о здоровье и функционировании лесов.
📊 На графике представлены значения индекса структурной сложности волновой формы (WSCI), полученных с помощью данных GEDI Level 4C над Восточной Амазонией. Более яркие цвета указывают на большую структурную сложность, более темные цвета — на меньшую сложность.
Как и другие наборы данных GEDI на уровне “следов”, данные WSCI содержит пробелы в своем охвате. В первую очередь, такие пробелы вызваны размещением прибора GEDI на МКС, орбита которой ограничивает наблюдение областями, находящимися в полосе между 51,6° северной и южной широты. Кроме того, наблюдения прибора доступны только вдоль трассы орбиты, которые образуют поперечный рисунок на поверхности Земли. Между трассами также имеются пробелы в покрытии.
Данные GEDI L4C Footprint Level Waveform Structural Complexity Index, Version 2 доступны в:
🌍 NASA Earthdata Search
🛢 ORNL DAAC
Вскоре данные должны появиться в ORNL DAAC Terrestrial Ecology Subsetting and Visualization Services (TESViS).
#лидар #лес #данные