Modelli di Altezza della Canopia: Mappatura delle Altezze della Vegetazione
Scopri come gli scienziati misurano l'altezza delle piante usando tecnologie avanzate.
Brady W Allred, Sarah E. McCord, Scott L. Morford
― 6 leggere min
Indice
I modelli di altezza della chioma (CHM) sono strumenti utilizzati per mostrare quanto sono alti piante e alberi in una certa area. Immagina di volare in alto sopra una foresta e guardare in giù; vedresti un miscuglio di verde, marrone e magari un po' di grigio. I CHM ci aiutano a dare un senso a quel miscuglio fornendoci una visione chiara delle altezze delle diverse parti dell'ambiente. Sono essenziali per capire quanto carbonio possono immagazzinare gli alberi, come cambiano gli habitat e come gestire il territorio per il futuro.
Cosa sono i modelli di altezza della chioma?
I modelli di altezza della chioma misurano l'altezza della Vegetazione sopra il suolo. Aiutano scienziati e gestori del territorio a vedere quanto sono alti alberi o piante in un'area. Questi modelli vengono creati principalmente utilizzando una tecnologia chiamata LiDAR, che sta per Light Detection and Ranging. Immagina il lidar come una torcia supereroistica, che illumina in basso per misurare quanto sono alti gli oggetti in base a quanto tempo impiega la luce a tornare indietro.
Ma c'è un problema: molte misurazioni lidar provengono da aerei che possono coprire solo piccole aree alla volta. È come un selfie molto concentrato che non mostra tutta la festa. Per avere una visione migliore, gli scienziati utilizzano satelliti che possono vedere aree più grandi ma sacrificano un po' di dettaglio. Quindi, mentre un metodo fornisce un'immagine chiara, l'altro offre una visione più ampia.
Unire le forze per risultati migliori
Per ottenere il meglio di entrambi i mondi, gli scienziati hanno unito diverse tecnologie. Mischiano i Dati lidar dei satelliti con immagini scattate da altre macchine fotografiche o addirittura radar. Questa combinazione consente di avere una visione più completa dell'ambiente. Immagina di dover risolvere un puzzle: a volte hai bisogno di avere il quadro generale per vedere dove si incastrano i pezzi.
Utilizzando questi dati combinati, i ricercatori sono stati in grado di creare modelli di altezza della chioma dettagliati per grandi aree in tutto il mondo.
L'importanza dei pascoli
Sebbene sia stato fatto molto lavoro per comprendere le foreste, i pascoli e altri spazi aperti conosciuti come rangelands non hanno ricevuto la stessa attenzione. Anche se i rangelands coprono una grande parte della superficie terrestre, la misurazione della loro vegetazione è spesso trascurata. Questa svista non è ideale perché sapere quanto sono alti gli esseri vegetali in queste aree è fondamentale per gestirli correttamente. Dopotutto, senza sapere con cosa hai a che fare, come puoi prendertene cura?
I rangelands possono essere un po' caotici con varie piante che si contendono l'attenzione. Per ottenere buone misurazioni, gli scienziati hanno bisogno di modelli di altezza della chioma dettagliati che riflettano questa miscela di vegetazione.
Raccolta dei dati
Per creare un insieme completo di modelli, gli scienziati hanno utilizzato i dati del US Geological Survey raccolti tra il 2014 e il 2023. Hanno raccolto dati da tutto il territorio degli Stati Uniti, concentrandosi su aree dove i rangelands sono comuni ma includendo anche altri tipi di terreno. Si sono assicurati di ottenere un buon campione di posizioni per garantire che ogni tipo principale di copertura del suolo avesse la sua parte.
L'intero processo non è stato privo di sfide. A volte, i dati non erano disponibili, o l'area era semplicemente troppo densa di piante, il che rendeva difficile ottenere una lettura chiara. Dovevano assicurarsi che le posizioni scelte fossero abbastanza distanziate da non interferire l'una con l'altra—almeno 240 metri di distanza!
La magia del Lidar
I dati lidar utilizzati per questi modelli arrivano in un formato speciale che facilita il recupero e l'elaborazione. Utilizzando questi dati, i ricercatori hanno esaminato posizioni specifiche, raccogliendo tutti i punti che potevano trovare. Dovevano scartare letture che erano troppo rumorose o che non fornivano informazioni utili. Pensa a questo come cercare di ascoltare musica in una stanza affollata: vuoi concentrarti sulle note giuste e ignorare il rumore.
Utilizzando software progettato per analizzare i dati lidar, hanno trasformato queste informazioni grezze in modelli di altezza della chioma utilizzabili. A volte, i tentativi di creare questi modelli fallivano, e dovevano provare tecniche diverse per rimettere le cose in carreggiata.
Abbinamento con le immagini NAIP
Mentre i modelli di altezza della chioma forniscono informazioni preziose sulla vegetazione, avevano bisogno di qualcosa che li completasse. Ed ecco che entrano in gioco le immagini del National Agriculture Imagery Program (NAIP). Queste immagini vengono scattate ogni pochi anni e aiutano a fornire un contesto visivo per i CHM.
Gli scienziati sono andati a caccia di tesori, cercando immagini NAIP che corrispondessero al momento dei dati lidar. Volevano assicurarsi che le foto scattate si abbinassero bene, proprio come confrontare i selfie dello stesso evento.
Mettere tutto insieme
Dopo tanto lavoro, i ricercatori sono riusciti a creare oltre 22 milioni di coppie di modelli di altezza della chioma e immagini NAIP. È come scattare un sacco di foto e assicurarsi che tutte si adattino bene in un album. Questa collezione dipinge un quadro ampio e dettagliato della vegetazione in tutto il territorio degli Stati Uniti.
Il risultato finale
Il risultato di questo lavoro è un dataset enorme che può aiutare in molti ambiti diversi come la gestione del territorio, la conservazione e persino la gestione dei disastri. Comprendendo meglio quanto sono alte le piante e come cambiano nel tempo, i gestori del territorio e gli scienziati possono prendere decisioni più informate su come prendersi cura di questi ecosistemi vitali.
Controllo qualità
Come in qualsiasi buon progetto, i controlli di qualità erano essenziali. La distribuzione dei dati ha mostrato che il design del campionamento ha funzionato come sperato, e i rangelands sono stati ben rappresentati. Tuttavia, alcune immagini non sono riuscite a superare il processo, sia a causa di dati mancanti che di disallineamenti temporali.
Dopo aver confrontato il loro lavoro con modelli esistenti creati da altri ricercatori, hanno scoperto che i loro risultati si sono rivelati abbastanza validi. Gli errori nelle misurazioni delle altezze erano piccoli, dimostrando che i loro metodi funzionavano in modo efficace.
Conclusione
Alla fine, questi modelli di altezza della chioma servono come uno strumento potente per comprendere il nostro mondo naturale. Permettono ai ricercatori di raccogliere non solo dati ma anche intuizioni su come il nostro pianeta cambia e come possiamo prendercene cura meglio. Che si tratti di una foresta vasta, di un prato soleggiato o di un'area urbana affollata, conoscere i dettagli riguardo l'altezza delle piante può influenzare innumerevoli decisioni per il futuro.
Quindi, la prossima volta che esci e guardi gli alberi e le erbe intorno a te, ricorda che c'è un intero mondo di dati dietro le loro altezze. E mentre il tuo vicino potrebbe essere un po' più alto di te, almeno ora sai come prendere le misurazioni giuste!
Fonte originale
Titolo: Canopy height model and NAIP imagery pairs across CONUS
Estratto: 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.
Autori: Brady W Allred, Sarah E. McCord, Scott L. Morford
Ultimo aggiornamento: 2024-12-24 00:00:00
Lingua: English
URL di origine: https://www.biorxiv.org/content/10.1101/2024.12.24.630202
Fonte PDF: https://www.biorxiv.org/content/10.1101/2024.12.24.630202.full.pdf
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia biorxiv per l'utilizzo della sua interoperabilità ad accesso aperto.