Coltivare foreste sostenibili con l'analisi delle immagini satellitari

Per più di 100 anni, il servizio forestale del dipartimento dell'agricoltura degli Stati Uniti (USDA) ha lavorato per sostenere la salute, la diversità e la produttività delle foreste e delle praterie della nazione per le generazioni attuali e future. Il programma di inventario e analisi delle foreste (FIA) dell'USDA è stato creato per migliorare l'uso e l'integrazione delle tecnologie di telerilevamento per contribuire a questa missione.

In questo video, i funzionari del servizio forestale dell'USDA discutono del programma FIA e dimostrano la scienza alla base del loro progetto di mappatura. Per affrontare i problemi dell'analisi di raster complessi e multidimensionali, il servizio forestale dell'USDA sfrutta la versatilità di ArcGIS e Python per creare algoritmi di apprendimento automatico personalizzati che modellano la relazione tra le immagini satellitari e le caratteristiche della foresta che esse misurano. Tracciando i cambiamenti nel tempo per ogni pixel in un'immagine satellitare, sono in grado di monitorare la stagionalità e la vegetazione, prevedere siccità e impatti ambientali e comprendere meglio le specie forestali. I dati in fase di sviluppo vengono quindi utilizzati per informare le decisioni politiche e gestionali riguardanti le foreste nazionali; i dati sono anche a disposizione del pubblico per facilitare la collaborazione nella creazione di un futuro sostenibile.

Riproduci il video per vedere le dimostrazioni degli strumenti utilizzati per il programma FIA o continua a leggere per sapere i punti salienti.
 

Questo contenuto è disponibile pubblicamente, pubblicato nell'organizzazione ArcGIS Online, ArcGIS Living Atlas of the World e portali Open Data del servizio forestale degli Stati Uniti. Mappe come queste danno la possibilità di popolare strumenti spazialmente espliciti che possono essere integrati nella pianificazione della conservazione per supportare la gestione delle emissioni di carbonio, la gestione della fauna selvatica, il ripristino dei bacini idrografici e altri servizi ambientali.

Ecco due esempi di come è possibile utilizzare questi servizi nelle analisi utilizzando strumenti di geoprocessing, funzioni raster e altro.

1. Siccità: le siccità hanno enormi impatti su foreste e boschi e gli scienziati dell'agenzia stanno già utilizzando i risultati di BIGMAP per rendere ampiamente disponibili le proiezioni dei modelli di siccità. Sono state mostrate alcune condizioni di siccità significative da un esame dell'esposizione degli ultimi anni intorno alla Central Valley in California. Proiettando fino al 2040, l'esposizione a queste condizioni si sposta dalla California centrale alle Montagne Rocciose meridionali.
   
   

2. Sequestro di carbonio: l'aggiunta di dati a un modello di idoneità aiuta a identificare le aree nel nord-ovest del Pacifico in cui esistono opportunità di piantagione senza minacce significative. Potrebbero essere aree importanti per realizzare una gestione condivisa per attuare piani di mitigazione o ripristino del clima.

Ulteriori esempi di applicazioni di mappatura includono:

• Mappatura dei principali bacini di carbonio delle foreste
• Monitoraggio della stagionalità della vegetazione e della struttura forestale complessiva
• Visualizzazione delle perdite di carbonio forestale dovute a eventi come incendi e tornado
• Modellazione dell'idoneità per opportunità di piantagione senza minacce significative

Ecco cinque tecniche di modellazione attualmente in uso:

Fenologia della vegetazione

Tracciando i cambiamenti nel tempo, è possibile monitorare la stagionalità, i cicli della vegetazione e la senescenza in vaste aree geografiche per identificare diversi tipi di foresta, la composizione delle specie arboree e la struttura complessiva della foresta.

Regressione armonica

Utilizzata per analizzare le serie temporali acquisite nella fenologia della vegetazione, questa tecnica ci consente di caratterizzare non solo la condizione media della vegetazione, ma anche il modo in cui le condizioni cambiano nel corso di un anno.

Ordinamento ecologico

Questi coefficienti che descrivono i cambiamenti stagionali nella vegetazione, insieme ad altri dati ausiliari come il clima e la topografia, possono essere combinati con i dati di risposta raccolti a terra sull'inventario forestale per ordinare le specie arboree secondo i gradienti ambientali.

Imputazione dei vicini più vicini a K

La posizione dei plot nello spazio delle feature dei gradienti ambientali può essere utilizzata con l'algoritmo Vicini più vicini a K (kNN), che funziona assegnando un "bucket di plot" a ciascun pixel in base alla loro vicinanza misurata nello spazio delle feature.

Predizione e mappatura

Ogni bucket rappresenta un gruppo di record, archiviati nel database della FIA, da cui è possibile effettuare previsioni a livello di pixel, quantificare l'incertezza e mappare una varietà di attributi forestali.