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
🌲 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
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
Natural Lands Map
Лаборатория Land & Carbon Lab в сотрудничестве с Всемирным фондом дикой природы и компанией Systemiq разработала Natural Lands Map (NLM) — карту естественного земного покрова на 2020 год с пространственным разрешением 30 метров.
NLM разграничивает естественные и искусственные почвенно-растительные покровы. Для измерения преобразования естественного покрова использованы определения естественных экосистем и естественных лесов, принятые в рамках инициативы Accountability Framework Initiative (AFi).
Карта объединила глобальные и локальные данные. В первую очередь, это глобальные данные о растительном покрове 2020 года лаборатории GLAD Университета Мэриленда и данные ESA WorldCover 2020 года. Локальные данные добавлялись в уже полученную глобальную карту, где получали приоритет над глобальными данными.
Средняя общая точность карты составляет 91,2%. Районы с локальными данными в целом лучше отражают местные ландшафты. Проблемы с точностью по некоторым территориям и земным покровам связаны с недостатком соответствующих данных. Так, на момент публикации карты не существовало глобальных данных, разграничивающих естественные луга и пастбища, в результате чего классы естественной и искусственной короткой растительности (short vegetation) оказались неточными. Аналогичным образом, во многих странах Европейского союза и в России есть лесопосадки, но нет общедоступных данных о лесопосадках, которые помогли бы лучше различать естественные и посаженные леса.
Подробности о принятых определениях и технической стороне реализации NLM приведены в:
📖 SBTN Natural Lands Map – Technical Documentation
Компании могут использовать данные NLM, чтобы оценить, не привела ли их деятельность к обезлесению (деградации леса) после 2020 года. Для этого используется класс естественных лесов (natural forests) в NLM. Однако нужно учитывать различия в определении обезлесения, между NLM и другими документами, например, European Union Deforestation Regulation (EUDR). Подробная информация об этих различиях содержится в технической документации к NLM ⬆️, а также в AFi Operational Guidance on Applying the Definitions Related to Deforestation and Conversion.
Текущая версия карты находится в открытом доступе, имеет открытый исходный код, а также доступна на Google Earth Engine:
🛢 GitHub репозиторий
🌍 GEE: SBTN Natural Lands Map v1
#лес #данные #LULC
Лаборатория Land & Carbon Lab в сотрудничестве с Всемирным фондом дикой природы и компанией Systemiq разработала Natural Lands Map (NLM) — карту естественного земного покрова на 2020 год с пространственным разрешением 30 метров.
NLM разграничивает естественные и искусственные почвенно-растительные покровы. Для измерения преобразования естественного покрова использованы определения естественных экосистем и естественных лесов, принятые в рамках инициативы Accountability Framework Initiative (AFi).
Карта объединила глобальные и локальные данные. В первую очередь, это глобальные данные о растительном покрове 2020 года лаборатории GLAD Университета Мэриленда и данные ESA WorldCover 2020 года. Локальные данные добавлялись в уже полученную глобальную карту, где получали приоритет над глобальными данными.
Средняя общая точность карты составляет 91,2%. Районы с локальными данными в целом лучше отражают местные ландшафты. Проблемы с точностью по некоторым территориям и земным покровам связаны с недостатком соответствующих данных. Так, на момент публикации карты не существовало глобальных данных, разграничивающих естественные луга и пастбища, в результате чего классы естественной и искусственной короткой растительности (short vegetation) оказались неточными. Аналогичным образом, во многих странах Европейского союза и в России есть лесопосадки, но нет общедоступных данных о лесопосадках, которые помогли бы лучше различать естественные и посаженные леса.
Подробности о принятых определениях и технической стороне реализации NLM приведены в:
📖 SBTN Natural Lands Map – Technical Documentation
Компании могут использовать данные NLM, чтобы оценить, не привела ли их деятельность к обезлесению (деградации леса) после 2020 года. Для этого используется класс естественных лесов (natural forests) в NLM. Однако нужно учитывать различия в определении обезлесения, между NLM и другими документами, например, European Union Deforestation Regulation (EUDR). Подробная информация об этих различиях содержится в технической документации к NLM ⬆️, а также в AFi Operational Guidance on Applying the Definitions Related to Deforestation and Conversion.
Текущая версия карты находится в открытом доступе, имеет открытый исходный код, а также доступна на Google Earth Engine:
🛢 GitHub репозиторий
🌍 GEE: SBTN Natural Lands Map v1
#лес #данные #LULC
Метод прогнозирования нашествия лесных насекомых-вредителей по данным спутниковых наблюдений [ссылка]
Учёные Красноярского научного центра СО РАН вместе с коллегами из Москвы и Новосибирска разработали метод прогнозирования вспышек лесных насекомых-вредителей. Он позволяют предсказать массовое размножение насекомых за два года до появления видимых повреждений деревьев.
Массовое размножение насекомых-вредителей является одной из главных причин ослабления и гибели лесов. Основным способом оценки состояния леса на больших территориях является дистанционное зондирование Земли (ДЗЗ) со спутников. Однако различные вегетационные индексы, построенные по данным ДЗЗ, диагностируют признаки ослабления деревьев лишь на поздних стадиях, когда исправить положение уже почти невозможно. Поэтому прогнозирование массового размножения насекомых и повышение устойчивости лесов должны быть основными задачами в борьбе с вредителями.
Исследования российских учёных показали, что за два года до видимых повреждений деревьев насекомыми, реакция деревьев на изменения окружающей среды, в частности на изменение температуры почвы, замедляется. В итоге, для выявления зон будущих вспышек использовались не данные мультиспектрального анализа, а реакция спектральных характеристик в ответ на изменение температуры. В роли индикатора состояния растений и их реакции на климатические условия используется чувствительности изменений вегетационного индекса NDVI к изменениям температуры поверхности земли.
Разработанная методика ⬇️ способна обнаруживать очень ранние стадии увеличения популяции насекомых, что позволит принимать своевременные меры по защите лесов.
📖 Kovalev, A., Tarasova, O., Soukhovolsky, V., & Ivanova, Y. (2024). Is It Possible to Predict a Forest Insect Outbreak? Backtesting Using Remote Sensing Data. Forests, 15(8), 1458. https://doi.org/10.3390/f15081458
#россия #лес
Учёные Красноярского научного центра СО РАН вместе с коллегами из Москвы и Новосибирска разработали метод прогнозирования вспышек лесных насекомых-вредителей. Он позволяют предсказать массовое размножение насекомых за два года до появления видимых повреждений деревьев.
Массовое размножение насекомых-вредителей является одной из главных причин ослабления и гибели лесов. Основным способом оценки состояния леса на больших территориях является дистанционное зондирование Земли (ДЗЗ) со спутников. Однако различные вегетационные индексы, построенные по данным ДЗЗ, диагностируют признаки ослабления деревьев лишь на поздних стадиях, когда исправить положение уже почти невозможно. Поэтому прогнозирование массового размножения насекомых и повышение устойчивости лесов должны быть основными задачами в борьбе с вредителями.
Исследования российских учёных показали, что за два года до видимых повреждений деревьев насекомыми, реакция деревьев на изменения окружающей среды, в частности на изменение температуры почвы, замедляется. В итоге, для выявления зон будущих вспышек использовались не данные мультиспектрального анализа, а реакция спектральных характеристик в ответ на изменение температуры. В роли индикатора состояния растений и их реакции на климатические условия используется чувствительности изменений вегетационного индекса NDVI к изменениям температуры поверхности земли.
Разработанная методика ⬇️ способна обнаруживать очень ранние стадии увеличения популяции насекомых, что позволит принимать своевременные меры по защите лесов.
📖 Kovalev, A., Tarasova, O., Soukhovolsky, V., & Ivanova, Y. (2024). Is It Possible to Predict a Forest Insect Outbreak? Backtesting Using Remote Sensing Data. Forests, 15(8), 1458. https://doi.org/10.3390/f15081458
#россия #лес
Компания Planet представила продукт для глобального мониторинга лесов [ссылка]
Продукт Forest Carbon Monitoring (FCM) компании Planet предлагает ежеквартальные оценки количества углерода, запасенного в ветвях, листьях и других надземных частях растений с разрешением 3 метра на пиксель. Кроме того, он показывает высоту полога и проективное покрытие (canopy cover) — информацию, которая необходима для добровольных углеродных рынков и для соблюдения нормативных требований по борьбе с обезлесением.
Ежеквартальные данные FCM начинаются с 2021 года.
FCM создан с помощью методов машинного обучения и основывается на снимках группировки Planet, состоящей из примерно 130 спутников, а также данных авиационных и космических лидаров, спутников Sentinel-2, Landsat и ALOS-PALSAR-2.
Planet ожидает, что данные FCM будут использоваться для получения углеродных кредитов и компенсаций, а также при проверке соблюдения требований EUDR — регламент Европейского союза о продукции, не подверженной обезлесению, который вступит в силу 30 декабря 2024 года.
В прошлом году Planet выпустила продукт Forest Carbon Diligence с пространственным разрешением 30 метров, который имеет сходный состав, но не использует данных спутников Planet.
🗺 Пример слоя данных Forest Carbon Monitoring для региона Путамайо в Амазонии (источник).
#planet #лес #AGB
Продукт Forest Carbon Monitoring (FCM) компании Planet предлагает ежеквартальные оценки количества углерода, запасенного в ветвях, листьях и других надземных частях растений с разрешением 3 метра на пиксель. Кроме того, он показывает высоту полога и проективное покрытие (canopy cover) — информацию, которая необходима для добровольных углеродных рынков и для соблюдения нормативных требований по борьбе с обезлесением.
Ежеквартальные данные FCM начинаются с 2021 года.
FCM создан с помощью методов машинного обучения и основывается на снимках группировки Planet, состоящей из примерно 130 спутников, а также данных авиационных и космических лидаров, спутников Sentinel-2, Landsat и ALOS-PALSAR-2.
Planet ожидает, что данные FCM будут использоваться для получения углеродных кредитов и компенсаций, а также при проверке соблюдения требований EUDR — регламент Европейского союза о продукции, не подверженной обезлесению, который вступит в силу 30 декабря 2024 года.
В прошлом году Planet выпустила продукт Forest Carbon Diligence с пространственным разрешением 30 метров, который имеет сходный состав, но не использует данных спутников Planet.
🗺 Пример слоя данных Forest Carbon Monitoring для региона Путамайо в Амазонии (источник).
#planet #лес #AGB
Унифицированная модель глубокого обучения для глобального прогнозирования надземной биомассы, высоты и покрытия полога по мультисенсорным спутниковым данным
В 📖 препринте, подготовленном сотрудниками американской компании Descartes Labs, представлена методика, использующая мультисенсорные мультиспектральные снимки с разрешением 10 метров и модель на основе глубокого обучения, которая позволяет прогнозировать плотность надземной биомассы (AGBD), высоту полога (CH), проективное покрытие (canopy cover, CC), а также оценивать неопределенность каждой из трёх величин.
В качестве входных данных модели используются отражательная способность Sentinel-2, коэффициент обратного рассеяния Sentinel-1 и ЦМР SRTM. Модель обучена на миллионах глобальных измерений GEDI-L2/L4.
Авторы проверили возможности модели, развернув её на всей территории земного шара в 2023 году, а также ежегодно с 2016 по 2023 год на отдельных территориях. Модель достигла средней абсолютной ошибки (MAE) для AGBD (CH, CC) в 26,1 млн/га (3,7 м, 9,9%) и среднеквадратичной ошибки в 50,6 млн/га (5,4 м, 15,8%) на глобальном тестовом наборе данных, демонстрируя значительное улучшение по сравнению с ранее опубликованными результатами.
🗺 Карта плотности надземной биомассы (AGBD) на 2023 год (источник).
#AGB #лес
В 📖 препринте, подготовленном сотрудниками американской компании Descartes Labs, представлена методика, использующая мультисенсорные мультиспектральные снимки с разрешением 10 метров и модель на основе глубокого обучения, которая позволяет прогнозировать плотность надземной биомассы (AGBD), высоту полога (CH), проективное покрытие (canopy cover, CC), а также оценивать неопределенность каждой из трёх величин.
В качестве входных данных модели используются отражательная способность Sentinel-2, коэффициент обратного рассеяния Sentinel-1 и ЦМР SRTM. Модель обучена на миллионах глобальных измерений GEDI-L2/L4.
Авторы проверили возможности модели, развернув её на всей территории земного шара в 2023 году, а также ежегодно с 2016 по 2023 год на отдельных территориях. Модель достигла средней абсолютной ошибки (MAE) для AGBD (CH, CC) в 26,1 млн/га (3,7 м, 9,9%) и среднеквадратичной ошибки в 50,6 млн/га (5,4 м, 15,8%) на глобальном тестовом наборе данных, демонстрируя значительное улучшение по сравнению с ранее опубликованными результатами.
🗺 Карта плотности надземной биомассы (AGBD) на 2023 год (источник).
#AGB #лес
Семинар “Продуктивность экосистем в условиях меняющегося климата. Роль и возможности лесных экосистем”
Кафедра международных комплексных проблем природопользования и экологии МГИМО и научный консорциум “РИТМ углерода” запустили серию Исследовательских семинаров “Продуктивность экосистем в условиях меняющегося климата”. В сентябре прошёл первый семинар на тему: “Роль и возможности лесных экосистем”.
Участники обсудили современные вызовы, связанные с изменением климата, рассмотрели существующие решения в области устойчивого управления лесами для уменьшения негативного воздействия на окружающую среду.
▶️ Видеозапись семинара
С докладами выступили:
🟣 Лукина Наталья Васильевна, д.б.н., член-корр. РАН, директор ЦЭПЛ РАН, руководитель консорциума "РИТМ углерода". Тема: "Роль лесов в регулировании климата"
🟣 Горнов Алексей Владимирович, к.б.н., заместитель директора ЦЭПЛ РАН, заместитель руководителя консорциума "РИТМ углерода". Тема: "Старовозрастные леса и углерод"
🟣 Кузнецова Анастасия Игоревна, к.б.н., н.с. лаборатории климаторегулирующих функций лесов ЦЭПЛ РАН. Тема: "Влияние растительности на запасы углерода почв"
🟣 Каганов Владимир Владимирович, н.с. лаборатории структурно-функциональной организации и устойчивости лесных экосистем ЦЭПЛ РАН, участник рабочей группы "Степи и луга" консорциума "РИТМ углерода". Тема: "Лесоразведение в южных регионах России: история, перспективы и новые вызовы"
🟣 Графова Дарья, студентка 3 курса кафедры МКППиЭ МГИМО МИД России. Тема: "Роль лесоклиматических проектов в адаптации к изменению климата"
🟣 Куракова Анастасия, студентка 2 курса кафедры МКППиЭ МГИМО МИД России, активистка MGG. Тема: "Методика изучения роли микоризных систем в передаче фотоассимилятов деревьев саженцам подлеска для развития рациональных подходов к лесопользованию и лесовосстановлению России"
Модератор семинара: Рязанова Наталья Евгеньевна, к.г.н., доцент кафедры международных комплексных проблем природопользования и экологии МГИМО МИД России.
Источник
#россия #лес
Кафедра международных комплексных проблем природопользования и экологии МГИМО и научный консорциум “РИТМ углерода” запустили серию Исследовательских семинаров “Продуктивность экосистем в условиях меняющегося климата”. В сентябре прошёл первый семинар на тему: “Роль и возможности лесных экосистем”.
Участники обсудили современные вызовы, связанные с изменением климата, рассмотрели существующие решения в области устойчивого управления лесами для уменьшения негативного воздействия на окружающую среду.
▶️ Видеозапись семинара
С докладами выступили:
🟣 Лукина Наталья Васильевна, д.б.н., член-корр. РАН, директор ЦЭПЛ РАН, руководитель консорциума "РИТМ углерода". Тема: "Роль лесов в регулировании климата"
🟣 Горнов Алексей Владимирович, к.б.н., заместитель директора ЦЭПЛ РАН, заместитель руководителя консорциума "РИТМ углерода". Тема: "Старовозрастные леса и углерод"
🟣 Кузнецова Анастасия Игоревна, к.б.н., н.с. лаборатории климаторегулирующих функций лесов ЦЭПЛ РАН. Тема: "Влияние растительности на запасы углерода почв"
🟣 Каганов Владимир Владимирович, н.с. лаборатории структурно-функциональной организации и устойчивости лесных экосистем ЦЭПЛ РАН, участник рабочей группы "Степи и луга" консорциума "РИТМ углерода". Тема: "Лесоразведение в южных регионах России: история, перспективы и новые вызовы"
🟣 Графова Дарья, студентка 3 курса кафедры МКППиЭ МГИМО МИД России. Тема: "Роль лесоклиматических проектов в адаптации к изменению климата"
🟣 Куракова Анастасия, студентка 2 курса кафедры МКППиЭ МГИМО МИД России, активистка MGG. Тема: "Методика изучения роли микоризных систем в передаче фотоассимилятов деревьев саженцам подлеска для развития рациональных подходов к лесопользованию и лесовосстановлению России"
Модератор семинара: Рязанова Наталья Евгеньевна, к.г.н., доцент кафедры международных комплексных проблем природопользования и экологии МГИМО МИД России.
Источник
#россия #лес
VK Видео
Видеозапись семинара «Продуктивность экосистем в условиях меняющегося климата. Роль и возможности лесных экосистем»
Кафедра международных комплексных проблем природопользования и экологии МГИМО и научный консорциум «РИТМ углерода» запустили серию Исследовательских семинаров под общим названием «Продуктивность экосистем в условиях меняющегося климата». В сентябре прошёл…