Mappare la biomassa forestale nello Stato di New York
Uno studio sui cambiamenti della biomassa forestale dal 1990 al 2019 a New York.
― 7 leggere min
Comprendere la quantità di carbonio stoccato nelle foreste è importante per riconoscere il loro ruolo nella riduzione degli impatti del cambiamento climatico. Studiando i cambiamenti storici nella biomassa forestale, possiamo valutare come questi cambiamenti influenzano i benefici climatici adesso e in futuro. Questo articolo si concentra sulla Mappatura della biomassa forestale storica nello Stato di New York dal 1990 al 2019.
Cos'è la Biomassa Forestale?
La biomassa forestale si riferisce alla massa degli alberi viventi e di altre piante all'interno di una foresta. Questa biomassa è significativa perché immagazzina carbonio. Valutare i cambiamenti nella biomassa forestale ci aiuta a capire come le foreste contribuiscano o mitigano il cambiamento climatico.
Perché Mappare la Biomassa Forestale?
Mappare la biomassa forestale ci permette di monitorare quanto carbonio è stoccato nelle foreste nel tempo. Queste informazioni sono cruciali per i politici e i gestori del territorio che cercano di prendere decisioni informate sulla conservazione, gestione e ripristino delle foreste.
Fonti di Dati Usate per la Mappatura
Per creare mappe accurate della biomassa forestale, sono state utilizzate varie fonti di dati:
- Immagini Landsat: I satelliti Landsat raccolgono immagini della superficie terrestre da oltre quattro decenni, permettendoci di monitorare i cambiamenti nelle foreste nel tempo.
- Dati dell'Inventario Forestale e Analisi (FIA): Questo programma raccoglie dati sulle condizioni delle foreste negli Stati Uniti e fornisce stime della biomassa e delle riserve di carbonio.
- Dati LiDAR: LiDAR (Light Detection and Ranging) utilizza la tecnologia laser per misurare le distanze dalla superficie terrestre, consentendo la creazione di mappe dettagliate della struttura forestale.
L'approccio alla Mappatura della Biomassa Forestale
La nostra metodologia ha coinvolto tre principali approcci di modellazione:
- Approccio Diretto: Questo metodo ha usato le stime di biomassa dai plot FIA come base per la mappatura.
- Approccio Indiretto: Questo metodo si è basato sui dati LiDAR per creare stime di biomassa ed è stato utilizzato per informare il processo di mappatura.
- Approccio Ensemble: Questa tecnica ha combinato le previsioni dei metodi diretto e indiretto per migliorare l'accuratezza.
Mappatura Annuale per 30 Anni
Utilizzando i tre approcci, abbiamo prodotto mappe annuali della biomassa forestale a una risoluzione di 30 metri per l'intero Stato di New York. Più di 5.000 plot FIA sono stati analizzati nel corso degli anni, permettendoci di collegare le misurazioni a terra alle immagini satellitari in modo efficace.
Risultati della Mappatura
I nostri risultati hanno mostrato:
- Un aumento costante della biomassa totale nel corso degli anni, evidenziando il recupero delle foreste.
- Notevoli variazioni nelle densità di biomassa tra diverse regioni, riflettendo usi del suolo e pratiche di gestione.
Lezioni Apprese
Una delle cose più importanti emerse da questo esercizio di mappatura è l'importanza di utilizzare più fonti di dati. Ogni fonte ha i suoi punti di forza e di debolezza. Ad esempio, mentre Landsat fornisce una copertura ampia, potrebbe mancare dei dettagli offerti dal LiDAR. La combinazione di entrambi ha permesso valutazioni più accurate.
Importanza di una Mappatura Accurata
Una mappatura accurata della biomassa forestale è essenziale per:
- Comprendere come le foreste rispondano a attività umane come lo sviluppo del territorio o pratiche di conservazione.
- Valutare come le pratiche forestali locali e statali contribuiscano allo stoccaggio di carbonio.
- Fornire dati che possano informare strategie per la mitigazione del cambiamento climatico.
Applicazioni delle Mappe
Le mappe generate da questo studio hanno diverse applicazioni pratiche:
- Valutazioni del Cambiamento delle Riserve: Confrontando la biomassa nel tempo, possiamo identificare aree che stanno guadagnando o perdendo carbonio.
- Monitoraggio e Reporting: I dati possono supportare sforzi continui per monitorare efficacemente le condizioni forestali e le riserve di carbonio.
- Decisioni di Gestione: I proprietari terrieri e i politici possono utilizzare queste informazioni per dare priorità a aree da proteggere, ripristinare o migliorare nella gestione.
Direzioni Future
Andando avanti, il continuo affinamento di questi metodi migliorerà la nostra capacità di monitorare e riportare sulla biomassa forestale. Incorporare nuove tecnologie, come le missioni satellitari dedicate a misurare la struttura forestale, potrebbe ulteriormente migliorare le nostre valutazioni.
Conclusione
Mappare la biomassa forestale non è solo un esercizio di raccolta dati; fornisce informazioni cruciali sul ruolo delle foreste nel nostro ecosistema. Man mano che le sfide del cambiamento climatico si intensificano, capire come possiamo utilizzare le nostre foreste come pozzi di carbonio diventa sempre più rilevante. Le mappe e i metodi sviluppati da questo studio rappresentano strumenti preziosi per gestire e conservare le risorse forestali a New York e oltre.
Riconoscimenti
Apprezziamo la collaborazione e la condivisione dei dati da parte di diverse agenzie e organizzazioni che hanno reso possibile questo progetto. Lo sforzo collettivo sottolinea l'importanza di lavorare insieme per comprendere e gestire efficacemente le risorse forestali.
Comprendere le Dinamiche Forestali
Le foreste sono essenziali per la salute del nostro pianeta. Assorbono anidride carbonica, producono ossigeno e forniscono habitat per innumerevoli specie. Tuttavia, le foreste affrontano minacce dalle attività umane e dal cambiamento climatico. Comprendere le dinamiche forestali ci aiuta a vedere come queste pressioni cambiano la salute delle foreste nel tempo.
L'Impatto delle Attività Umane
Le azioni umane, come il disboscamento, lo sviluppo urbano e l'agricoltura, hanno cambiato significativamente le foreste. Queste trasformazioni possono alterare l'equilibrio del carbonio stoccato nelle foreste. Mappando i cambiamenti della biomassa, possiamo vedere come attività specifiche influenzano la salute delle foreste e lo stoccaggio di carbonio.
Il Ruolo degli Eventi Naturali
Accanto alle attività umane, eventi naturali come incendi boschivi, tempeste e infestazioni di insetti influenzano anch'essi la biomassa forestale. Le nostre mappe mirano a distinguere tra cambiamenti causati da azioni umane e quelli causati da eventi naturali.
Pratiche di Gestione Forestale
Pratiche di gestione forestale efficaci possono migliorare lo stoccaggio di carbonio. Implementando strategie come il disboscamento selettivo, le bruciature controllate o la riforestazione, i gestori del territorio possono influenzare positivamente le dinamiche forestali. Comprendere i dati storici sulla biomassa può guidare le decisioni di gestione future.
Cambiamento Climatico e Foreste
Il cambiamento climatico sta disturbando gli ecosistemi naturali, portando a cambiamenti nella composizione delle specie e nella salute delle foreste. Comprendendo i cambiamenti attuali e storici della biomassa, possiamo prevedere meglio come le foreste potrebbero rispondere ai cambiamenti climatici in corso.
L'Importanza del Coinvolgimento della Comunità
Coinvolgere le comunità locali e gli stakeholder nella gestione forestale è cruciale. Possono fornire approfondimenti e conoscenze locali che arricchiscono gli sforzi di mappatura. Assicurarsi che le voci della comunità siano ascoltate può aiutare a migliorare le strategie di gestione forestale.
Il Futuro della Mappatura Forestale
Con l'avanzare della tecnologia, i metodi utilizzati per mappare le foreste continueranno ad evolversi. Incorporare l'apprendimento automatico e dati satellitari più sofisticati consentirà valutazioni ancora migliori. Questi miglioramentienhanceranno la nostra comprensione della salute delle foreste e del loro ruolo nella mitigazione del cambiamento climatico.
Affrontare le Lacune nei Dati
Una sfida nella mappatura forestale sono le lacune nei dati, in particolare nelle aree remote. Gli sforzi per colmare queste lacune miglioreranno l'accuratezza complessiva della mappatura e permetteranno migliori valutazioni delle dinamiche forestali.
Educazione e Consapevolezza
Aumentare la consapevolezza sull'importanza delle foreste e il loro ruolo nello stoccaggio di carbonio è essenziale. Programmi educativi possono aiutare a informare il pubblico e i decisori sul valore delle foreste nella lotta contro il cambiamento climatico.
Riepilogo dei Punti Chiave
- Mappare la biomassa forestale è cruciale per comprendere lo stoccaggio di carbonio e gli effetti delle attività umane e degli eventi naturali sulla salute delle foreste.
- Più fonti di dati e approcci di modellazione migliorano l'accuratezza delle mappe di biomassa.
- Queste mappe hanno applicazioni pratiche per il monitoraggio, il reporting e la guida delle decisioni di gestione forestale.
- I futuri progressi tecnologici continueranno a migliorare la nostra comprensione delle dinamiche forestali.
Pensieri Finali
Mentre affrontiamo le sfide del cambiamento climatico, comprendere e gestire le nostre foreste diventa sempre più critico. Le informazioni ottenute dalla mappatura della biomassa forestale non solo informeranno le decisioni politiche e di gestione oggi, ma plasmeranno anche il nostro approccio alla conservazione e agli sforzi di ripristino in futuro.
Riconoscendo l'importanza delle foreste, facciamo un passo cruciale verso garantire un ambiente sostenibile per le generazioni a venire.
Titolo: Mapping historical forest biomass for stock-change assessments at parcel to landscape scales
Estratto: Understanding historical forest dynamics, specifically changes in forest biomass and carbon stocks, has become critical for assessing current forest climate benefits and projecting future benefits under various policy, regulatory, and stewardship scenarios. Carbon accounting frameworks based exclusively on national forest inventories are limited to broad-scale estimates, but model-based approaches that combine these inventories with remotely sensed data can yield contiguous fine-resolution maps of forest biomass and carbon stocks across landscapes over time. Here we describe a fundamental step in building a map-based stock-change framework: mapping historical forest biomass at fine temporal and spatial resolution (annual, 30m) across all of New York State (USA) from 1990 to 2019, using freely available data and open-source tools. Using Landsat imagery, US Forest Service Forest Inventory and Analysis (FIA) data, and off-the-shelf LiDAR collections we developed three modeling approaches for mapping historical forest aboveground biomass (AGB): training on FIA plot-level AGB estimates (direct), training on LiDAR-derived AGB maps (indirect), and an ensemble averaging predictions from the direct and indirect models. Model prediction surfaces (maps) were tested against FIA estimates at multiple scales. All three approaches produced viable outputs, yet tradeoffs were evident in terms of model complexity, map accuracy, saturation, and fine-scale pattern representation. The resulting map products can help identify where, when, and how forest carbon stocks are changing as a result of both anthropogenic and natural drivers alike. These products can thus serve as inputs to a wide range of applications including stock-change assessments, monitoring reporting and verification frameworks, and prioritizing parcels for protection or enrollment in improved management programs.
Autori: Lucas K. Johnson, Michael J. Mahoney, Madeleine L. Desrochers, Colin M. Beier
Ultimo aggiornamento: 2023-04-05 00:00:00
Lingua: English
URL di origine: https://arxiv.org/abs/2304.02632
Fonte PDF: https://arxiv.org/pdf/2304.02632
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 arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.
Link di riferimento
- https://doi.org/10.3390/rs12244141
- https://doi.org/10.1109/jproc.2009.2034765
- https://doi.org/10.1088/1748-9326/3/4/045011
- https://doi.org/10.1080/07038992.2014.987376
- https://doi.org/10.2737/SRS-GTR-80
- https://doi.org/10.1080/02626667909491834
- https://web2.qatar.cmu.edu/~gdicaro/10315-Fall19/additional/SVM-solvers.pdf
- https://doi.org/10.1023/A:1010933404324
- https://doi.org/10.1016/j.rse.2019.111356
- https://doi.org/10.1007/s11842-010-9135-x
- https://doi.org/10.1080/07038992.1996.10855178
- https://doi.org/10.1071/WF04010
- https://doi.org/10.1016/j.foreco.2015.10.042
- https://doi.org/10.1007/bf00994018
- https://CRAN.R-project.org/package=exactextractr
- https://doi.org/10.1093/jofore/fvab075
- https://doi.org/10.1002/ecm.1309
- https://doi.org/10.5589/m10-037
- https://doi.org/10.1641/0006-3568
- https://doi.org/10.5066/F7QN651G
- https://doi.org/10.1126/sciadv.aat1869
- https://doi.org/10.1016/S0167-9473
- https://fwsprimary.wim.usgs.gov/wetlands/apps/wetlands-mapper/
- https://doi.org/10.1038/climate.2007.58
- https://doi.org/10.1016/j.rse.2017.06.031
- https://doi.org/10.7809/b-e.00079
- https://doi.org/10.1016/j.rse.2011.08.024
- https://CRAN.R-project.org/package=terra
- https://www.nrs.fs.fed.us/pubs/7040
- https://doi.org/10.1111/j.1365-2486.2005.00955.x
- https://doi.org/10.1029/2009jg000935
- https://doi.org/10.5194/bg-9-5125-2012
- https://doi.org/10.1088/1748-9326/ab2917
- https://doi.org/10.1088/1748-9326/ab93f9
- https://doi.org/10.1016/j.jag.2022.103059
- https://doi.org/10.2307/1936256
- https://doi.org/10.1002/2688-8319.12090
- https://doi.org/10.18637/jss.v011.i09
- https://proceedings.neurips.cc/paper/2017/file/6449f44a102fde848669bdd9eb6b76fa-Paper.pdf
- https://doi.org/10.5849/forsci.13-120
- https://doi.org/10.1088/1748-9326/aa9d9e
- https://doi.org/10.1016/j.rse.2010.07.008
- https://doi.org/10.3390/rs10050691
- https://doi.org/10.1016/j.forpol.2014.09.005
- https://doi.org/10.1016/j.foreco.2018.07.047
- https://www.jstor.org/stable/3784167
- https://doi.org/10.1080/01431160500142145
- https://doi.org/10.1016/j.gloenvcha.2021.102310
- https://doi.org/10.21105/joss.04060
- https://doi.org/10.1080/01431161.2022.2155086
- https://doi.org/10.1093/jof/106.3.115
- https://doi.org/10.1016/j.rse.2018.07.024
- https://doi.org/10.1016/j.rse.2010.10.013
- https://doi.org/10.1111/j.1523-1739.2004.00401.x
- https://doi.org/10.1111/2041-210x.13650
- https://doi.org/10.5194/isprs-archives-XLVIII-4-W1-2022-301-2022
- https://doi.org/10.1007/s00267-014-0364-1
- https://doi.org/10.1016/j.foreco.2022.120539
- https://doi.org/10.32614/RJ-2018-009
- https://doi.org/10.5066/P9ZWOXJ7
- https://prism.oregonstate.edu
- https://doi.org/10.1016/j.rse.2019.03.032
- https://www.R-project.org/
- https://doi.org/10.1016/j.rse.2010.05.010
- https://doi.org/10.1109/tgrs.2007.901027
- https://doi.org/10.1016/j.rse.2015.12.024
- https://doi.org/10.1007/s13595-016-0590-1
- https://github.com/Microsoft/LightGBM
- https://doi.org/10.1029/2011JG001708
- https://www.fs.usda.gov/treesearch/pubs/42792
- https://doi.org/10.1016/j.rse.2019.05.018
- https://doi.org/10.14358/pers.80.2.143-150
- https://doi.org/10.3133/cir1399
- https://doi.org/10.3133/ofr20161196
- https://doi.org/10.1016/j.rse.2011.05.028
- https://doi.org/10.1186/s13021-018-0093-5
- https://www.usgs.gov/the-national-map-data-delivery
- https://www.census.gov/geographies/mapping-files/time-series/geo/tiger-line-file.html
- https://www.fs.usda.gov/foresthealth/publications/ConditionsReport_2006.pdf
- https://doi.org/10.2737/fs-ru-250
- https://doi.org/10.3133/fs20183049
- https://CRAN.R-project.org/package=tigris
- https://doi.org/10.1016/j.rse.2017.03.035
- https://doi.org/10.2737/fs-ru-96
- https://doi.org/10.2737/nrs-rb-65
- https://doi.org/10.1007/978-94-011-0427-2_13
- https://doi.org/10.1111/j.1523-1739.2003.00614.x
- https://doi.org/10.1016/S0893-6080
- https://doi.org/10.2737/nrs-gtr-154
- https://doi.org/10.2737/nrs-gtr-88
- https://doi.org/10.18637/jss.v077.i01
- https://doi.org/10.1016/j.rse.2022.113195
- https://doi.org/10.1016/j.rse.2012.02.001
- https://doi.org/10.1016/j.rse.2014.01.011