Культивирование устойчивых лесных сообществ с помощью анализа спутниковых снимков

На протяжении более 100 лет Лесная служба Министерства сельского хозяйства США (USDA) работала над поддержанием здоровья, разнообразия и продуктивности национальных лесов и пастбищ для нынешнего и будущих поколений. Программа Министерства сельского хозяйства США по инвентаризации и анализу лесов (FIA) была создана для улучшения использования и интеграции передовых технологий дистанционного зондирования, чтобы помочь в этой миссии.

В этом видео представители Лесной службы Министерства сельского хозяйства США обсуждают программу FIA и демонстрируют научные исследования, которые стоят за их картографическим проектом. Для решения сложных задач многомерного растрового анализа Лесная служба Министерства сельского хозяйства США использует универсальность ArcGIS и Python для создания собственных алгоритмов машинного обучения, которые моделируют взаимосвязь между спутниковыми снимками и характеристиками леса, которые они измеряют. Отслеживая изменения во времени для каждого пиксела на спутниковом изображении, они могут отслеживать сезонность и растительность, прогнозировать засухи и воздействие на окружающую среду, а также лучше понимать лесные виды. Разрабатываемые данные затем используются для обоснования политических и управленческих решений, касающихся лесов США; они также доступны для общественности, чтобы способствовать сотрудничеству в создании устойчивого будущего.

Воспроизведите видео, чтобы увидеть демонстрации инструментов, используемых в программе FIA, или продолжайте читать, чтобы узнать основные выводы.
 

Эти ресурсы доступны для всех и опубликованы в организации ArcGIS Online Лесной службы США, в ArcGIS Living Atlas of the World и на порталах открытых данных. Карты, подобные этим, дают возможность наполнять пространственные инструменты, которые могут быть интегрированы в планирование сохранения для поддержки управления выбросами углерода, охраны дикой природы, восстановления водосборных бассейнов и других экологических сервисов.

Вот два примера того, как вы можете использовать эти сервисы в своих собственных анализах, используя инструменты геообработки, растровые функции и многое другое.

1. Засухи - засухи оказывают огромное воздействие на леса и облесенные массивы, и научные агентства уже используют результаты BIGMAP, чтобы сделать прогнозы моделей засухи широко доступными. Значительные засухи были выявлены в результате изучения воздействия последних лет вокруг Центральной долины в Калифорнии. В перспективе до 2040 года воздействие засухи сместится из Центральной Калифорнии в Южные Скалистые горы.
   
   

2. Улавливание углерода - добавление данных в модель пригодности помогает определить районы на северо-западе Тихого океана, где существуют возможности для посадки растений без значительных угроз. Это могут быть важные области для реализации совместного управления для реализации планов по смягчению последствий изменения климата или восстановлению.

Дополнительные примеры картографических приложений включают следующее:

• Картографирование основных углеродных пулов леса
• Мониторинг сезонности растительности и общей структуры леса
• Демонстрация потерь лесного углерода из-за таких нарушений, как лесные пожары и торнадо
• Моделирование пригодности для посадки без существенных угроз

Вот пять используемых методов моделирования:

Фенология растительности

Отслеживая изменения во времени, мы можем отслеживать сезонность, циклы вегетации и старение на больших географических территориях, чтобы определять различные типы леса, состав пород деревьев и общую структуру леса.

Гармоническая регрессия

Этот метод, используемый для анализа временных рядов, полученных в фенологии растительности, позволяет нам охарактеризовать не только среднее состояние растительности, но и то, как условия меняются в течение года.

Экологическая ординация

Эти коэффициенты, описывающие сезонные изменения в растительности, наряду с другими вспомогательными данными, такими как климат и топография, могут быть объединены с данными о реакции, собранными на участках инвентаризации лесов, чтобы упорядочить виды деревьев по градиентам окружающей среды.

k-Вменение ближайших соседей

Расположение графиков в пространстве признаков градиентов окружающей среды можно использовать с алгоритмом k-ближайших соседей (kNN), который работает путем назначения «сегмента графиков» каждому пикселу на основе их близости, измеренной в пространстве объектов.

Прогнозирование и картографирование

Каждый бакет представляет собой группу записей, хранящихся в базе данных FIA, на основе которых можно делать прогнозы на уровне пикселов, количественно определять неопределенность и отображать различные атрибуты леса.