С усилением глобального потепления и парникового эффекта для исследований изменения климата стала популярной тема углеродного цикла.
Леса обладают способностью поглощать и удерживать СО2 в атмосфере и являются крупнейшим резервуаром углерода в наземных экосистемах. Межправительственная группа экспертов Организации Объединенных Наций по изменению климата (МГЭИК) неоднократно указывала, что леса играют незаменимую роль в регулировании геохимического цикла углерода, смягчении последствий изменения климата и обладают потенциалом сокращения выбросов углерода и увеличения его поглотителей.
Теоретический материал: С помощью правильной оценки запасов углерода в лесах можно точно оценить потенциал удерживания углерода лесными экосистемами, что крайне важно для углубленного изучения региональной экологической среды и глобального изменения климата. Однако точная и быстрая оценка запасов углерода в деревьях остается сложной задачей. Традиционно методы отбора проб на небольших участках позволяют точно определить запасы углерода в лесах, но такой способ трудоемкий и дорогостоящий, что затрудняет его применение на больших площадях. Установленный на летательном аппарате лазерный локатор (LiDAR) может дать точную информацию о трехмерной структуре лесной среды, а гиперспектральная визуализация может предоставить подробную информацию об отражательной способности. Таким образом, объединение данных LiDAR с воздуха и гиперспектральных данных позволяет получить биофизические и биохимические характеристики леса для более точной оценки надземной биомассы леса или накопления углерода.
Решение: получить данные LiDAR и данные гиперспектрального изображения беспилотного летательного аппарата (БПЛА) в районе исследования.
Было проведено полевое исследование, в ходе которого измерены и рассчитаны в качестве контрольных данных высота дерева (H), его толщина (DBH), а также было отмечено местоположение каждого дерева на основе углеродного коэффициента (CC) и надземной биомассы (AGB), включая стволовую биомассу (stemAGB), биомассу ветвей (branchAGB) и биомассу листьев (leafAGB), а также накопление углерода деревьями (CS).
Отдельные деревья были описаны с помощью алгоритма сегментации водоразделов на основе модели высоты растительного покрова (CHM), затем структурные и спектральные характеристики были извлечены из данных LiDAR и гиперспектральных данных БПЛА соответственно, а взаимосвязь между ними была оценена с помощью корреляционного анализа Пирсона. На этом основании были выбраны характеристики для разработки модели. Наконец, была разработана модель оценки запасов углерода деревьев на основе уравнения Шумахера-Холла и пошаговой множественной регрессии с использованием коэффициента детерминации (r2), среднеквадратичной ошибки (RMSE), средней абсолютной ошибки (MAE), процента среднеквадратической ошибки (PRMSE) и среднеквадратической ошибки в процентах (RMSPE), оценена производительность прогностической модели.
Коэффициенты корреляции между характеристиками LiDAR, гиперспектральными характеристиками и контрольными данными
Ошибка прогнозирования и процент ошибок моделей оценки древесных запасов углерода
Заключение:
В данном исследовании изучается возможность объединения данных LiDAR с БПЛА и гиперспектральных данных для оценки запасов углерода деревьев в субтропических лесах. Структурные и спектральные характеристики деревьев были извлечены из данных LiDAR и гиперспектральных данных БПЛА, соответственно, была оценена возможность их использования как по отдельности, так и в сочетании для прогнозирования накопления углерода над уровнем земли для отдельных деревьев. Результаты показали, что использование отдельных характеристик дало релевантную информацию о запасах углерода (r2 = 0,74 и 0,75 соответственно). Как и ожидалось, объединение данных LiDAR и гиперспектральных данных может в некоторой степени повысить точность оценки запасов углерода деревьев (r2 = 0,89) и включить в комбинированную модель данных PH95 и GI. Это улучшение можно объяснить тем фактом, что накопление углерода связано не только со структурными особенностями деревьев, но и с коэффициентами преобразования биомассы, а также коэффициентами углерода, отраженными в гиперспектральной информации.
Компания INSCIENCE помогает своим заказчикам решать любые вопросы и потребности по поставке оборудования рентгенофлуоресцентного анализа на территории РФ
