Canopy-Höhenmodelle: Vegetationshöhen kartieren
Lerne, wie Wissenschaftler Pflanzenhöhen mit fortschrittlicher Technologie messen.
Brady W Allred, Sarah E. McCord, Scott L. Morford
― 6 min Lesedauer
Inhaltsverzeichnis
Canopy-Höhenmodelle (CHMs) sind Werkzeuge, die zeigen, wie hoch Pflanzen und Bäume in einem bestimmten Gebiet sind. Stell dir vor, du fliegst hoch über einen Wald und schaust nach unten; da siehst du ein Durcheinander aus Grün, Braun und vielleicht ein bisschen Grau. CHMs helfen uns, dieses Durcheinander zu verstehen, indem sie uns einen klaren Blick auf die Höhen der verschiedenen Teile der Umgebung geben. Sie sind wichtig, um zu verstehen, wie viel Kohlenstoff Bäume speichern können, wie Lebensräume sich verändern und wie man Land für die Zukunft bewirtschaftet.
Was sind Canopy-Höhenmodelle?
Canopy-Höhenmodelle messen die Höhe der Vegetation über dem Boden. Sie helfen Wissenschaftlern und Landmanagern zu sehen, wie hoch Bäume oder Pflanzen in einem Gebiet sind. Diese Modelle entstehen hauptsächlich durch eine Technologie namens LiDAR, was für Light Detection and Ranging steht. Denk an Lidar wie an eine Superhelden-Taschenlampe, die Licht nach unten strahlt, um zu messen, wie hoch Dinge sind, basierend darauf, wie lange es dauert, bis das Licht zurückkommt.
Aber hier ist der Haken: Viele Lidar-Messungen kommen von Flugzeugen, die nur ein kleines Gebiet auf einmal abdecken können. Es ist wie ein sehr fokussiertes Selfie, das nicht die ganze Party zeigt. Um einen besseren Blick zu bekommen, nutzen Wissenschaftler Satelliten, die grössere Bereiche sehen können, aber dabei ein bisschen Detail opfern. Während die eine Methode ein klares Bild liefert, bietet die andere eine breitere Perspektive.
Kräfte bündeln für bessere Ergebnisse
Um das Beste aus beiden Welten zu holen, haben Wissenschaftler verschiedene Technologien kombiniert. Sie mixen Lidar-Daten von Satelliten mit Bildern, die von anderen Kameras oder sogar Radar aufgenommen werden. Diese Kombination ermöglicht einen umfassenderen Blick auf die Umwelt. Stell dir vor, du versuchst ein Puzzle zu lösen – manchmal brauchst du das grosse Ganze, um zu sehen, wo die Teile passen.
Dank dieser kombinierten Daten konnten Forscher detaillierte Canopy-Höhenmodelle für grosse Gebiete rund um den Globus erstellen.
Die Bedeutung von Weideflächen
Während viel Arbeit in das Verständnis von Wäldern gesteckt wurde, haben Grasländer und andere offene Flächen, die als Weideflächen bekannt sind, nicht so viel Aufmerksamkeit erhalten. Obwohl Weideflächen einen riesigen Teil der Erdoberfläche bedecken, wird die Messung ihrer Vegetation oft vernachlässigt. Diese Vernachlässigung ist nicht ideal, denn zu wissen, wie hoch Pflanzen in diesen Gebieten sind, ist entscheidend für ihre ordnungsgemässe Bewirtschaftung. Schliesslich, ohne zu wissen, womit man es zu tun hat, wie kann man sich darum kümmern?
Weideflächen können ein bisschen chaotisch sein, mit verschiedenen Pflanzen, die um Aufmerksamkeit kämpfen. Um gute Messungen zu bekommen, brauchen Wissenschaftler detaillierte Canopy-Höhenmodelle, die dieses gemischte Pflanzenangebot widerspiegeln.
Daten sammeln
Um ein umfassendes Set von Modellen zu erstellen, nutzten Wissenschaftler die Daten des US Geological Survey, die zwischen 2014 und 2023 gesammelt wurden. Sie sammelten Daten aus den gesamten USA, konzentrierten sich auf Gebiete, in denen Weideflächen häufig sind, schlossen aber auch andere Landtypen ein. Sie sorgten dafür, dass sie eine gute Stichprobe von Standorten erhielten, um sicherzustellen, dass jeder Haupttyp der Landnutzung berücksichtigt wurde.
Der ganze Prozess war nicht ohne Herausforderungen. Manchmal waren die Daten nicht verfügbar oder das Gebiet war einfach zu dicht mit Pflanzen bewachsen, was es schwer machte, eine klare Lesung zu bekommen. Sie mussten sicherstellen, dass die Standorte, die sie wählten, weit genug auseinander lagen, um nicht miteinander zu interferieren – mindestens 240 Meter!
Die Magie von Lidar
Die für diese Modelle verwendeten Lidar-Daten kommen in einem speziellen Format, das es einfach macht, sie abzurufen und zu verarbeiten. Mit diesen Daten untersuchten die Forscher spezifische Standorte und sammelten alle Punkte, die sie finden konnten. Sie mussten alle Lesungen, die zu laut waren oder keine wertvollen Informationen lieferten, aussortieren. Denk daran, das ist so, als würdest du versuchen, Musik in einem vollen Raum zu hören – du willst dich auf die richtigen Noten konzentrieren und den Lärm ausblenden.
Mit Software, die zum Analysieren von Lidar-Daten entwickelt wurde, verwandelten sie diese Rohinformationen in nutzbare Canopy-Höhenmodelle. Manchmal schlugen Versuche, diese Modelle zu erstellen, fehl und sie mussten verschiedene Techniken ausprobieren, um die Sache wieder auf Kurs zu bringen.
Partnerschaft mit NAIP-Bildern
Während Canopy-Höhenmodelle wertvolle Informationen über die Vegetation liefern, brauchten sie etwas, um sie zu ergänzen. Da kommen die National Agriculture Imagery Program (NAIP)-Bilder ins Spiel. Diese Bilder werden alle paar Jahre aufgenommen und helfen, einen visuellen Kontext für die CHMs zu bieten.
Die Wissenschaftler gingen auf Schatzsuche und suchten nach NAIP-Bildern, die mit dem Zeitpunkt der Lidar-Daten übereinstimmten. Sie wollten sicherstellen, dass die aufgenommenen Bilder gut übereinstimmten, wie wenn du deine Selfies vom selben Event vergleichst.
Alles zusammenbringen
Nach viel Arbeit gelang es den Forschern, über 22 Millionen Paare von Canopy-Höhenmodellen und NAIP-Bildern zu erstellen. Das ist, als würde man eine Menge Fotos machen und sicherstellen, dass sie alle schön in ein Album passen. Diese Sammlung malt ein breites und detailliertes Bild der Vegetation in den USA.
Das Endergebnis
Das Ergebnis dieser Arbeit ist ein riesiger Datensatz, der in vielen verschiedenen Bereichen wie Landbewirtschaftung, Naturschutz und sogar Katastrophenmanagement helfen kann. Indem sie besser verstehen, wie hoch Pflanzen sind und wie sie sich im Laufe der Zeit verändern, können Landmanager und Wissenschaftler informiertere Entscheidungen darüber treffen, wie man sich um diese wichtigen Ökosysteme kümmert.
Qualitätskontrolle
Wie bei jedem guten Projekt waren Qualitätsprüfungen wichtig. Die Verteilung der Daten zeigte, dass das Stichprobendesign wie erhofft funktionierte und Weideflächen gut vertreten waren. Allerdings haben es einige Bilder nicht durch den Prozess geschafft, entweder aufgrund fehlender Daten oder zeitlicher Ungenauigkeiten.
Nachdem sie ihre Arbeit mit bestehenden Modellen verglichen hatten, die von anderen Forschern erstellt wurden, stellten sie fest, dass ihre Ergebnisse ziemlich gut durchgekommen sind. Die Fehler bei der Höhenmessung waren klein, was zeigt, dass ihre Methoden effektiv funktionierten.
Fazit
Am Ende dienen diese Canopy-Höhenmodelle als ein mächtiges Werkzeug, um unsere natürliche Welt zu verstehen. Sie ermöglichen es Forschern, nicht nur Daten, sondern auch Einblicke darüber zu sammeln, wie sich unser Planet verändert und wie wir besser dafür sorgen können. Egal, ob es sich um einen weitläufigen Wald, eine sonnige Graslandschaft oder ein geschäftiges Stadtgebiet handelt, die Details über die Pflanzenhöhen können unzählige Entscheidungen für die Zukunft beeinflussen.
Also, das nächste Mal, wenn du nach draussen gehst und dir die Bäume und Gräser um dich herum anschaust, denk daran, dass hinter ihren Höhen eine ganze Welt von Daten steckt. Und während dein Nachbar vielleicht ein bisschen grösser ist als du, weisst du jetzt zumindest, wie man die Messungen richtig macht!
Originalquelle
Titel: Canopy height model and NAIP imagery pairs across CONUS
Zusammenfassung: Canopy height models (CHM) provide detailed environmental vertical structure information and are an important indicator and input for ecological and geospatial applications. These models are often spatiotemporally inconsistent, necessitating additional modeling to scale them in space and time. Yet, such scaling is hindered by a lack of spatially diverse data. To address this, we use United States Geological Survey 3D Elevation Program lidar data to produce 22,796,764 one meter resolution CHM chips, stratified across the dominant land covers of the conterminous United States. For each CHM, we pair a matching time-aligned aerial image from the United States Department of Agriculture National Agriculture Imagery Program. This dataset can be used to train models for large scale CHM production.
Autoren: Brady W Allred, Sarah E. McCord, Scott L. Morford
Letzte Aktualisierung: 2024-12-24 00:00:00
Sprache: English
Quell-URL: https://www.biorxiv.org/content/10.1101/2024.12.24.630202
Quell-PDF: https://www.biorxiv.org/content/10.1101/2024.12.24.630202.full.pdf
Lizenz: https://creativecommons.org/licenses/by/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an biorxiv für die Nutzung seiner Open-Access-Interoperabilität.