Картирование глобального потенциала проектов по естественной рекультивации лесов

Mapping the global potential of projects for natural forest reclamation

использование наблюдений на местности, дистанционного зондирования и машинного обучения

Авторы: Стивен Клостерман и команда Earthshot Science. Содержание изначально было представлено на ежегодной осенней встрече American Geophysical Union в декабре 2022 года.

Введение

Экологические проекты по восстановлению часто требуют инвестиций для запуска деятельности. Для создания возможностей финансирования увеличения количества углерода или сохранения лесных проектов необходимо уметь предсказывать накопление углерода в древесной биомассе или его избежание в случае предотвращения вырубки леса. Кроме того, необходимо попытаться понять вероятные изменения в широком спектре других свойств экосистемы, например, состав растений и животных и качество воды. Для создания прогнозов накопления углерода часто используется подход, при котором отдельное внимание и исследовательские усилия уделяются проектам в конкретных местах, которые могут быть разбросаны по всему миру. Поэтому было бы удобно иметь локально точную и глобальную карту темпов роста или других значений параметров, интересующих для быстрой “проспекции” и определения возможностей восстановления экосистемы. Здесь мы описываем методы создания такой карты на основе модели машинного обучения, обученной на данных из ранее опубликованного литературного обзора. Затем мы демонстрируем применение карты для Африки в приложении Google Earth Engine.

Данные и методы

Мы использовали недавно опубликованный набор данных измерений биомассы лесных насаждений, их возраста и географического расположения (Кук-Паттон и др., 2020) для обучения модели машинного обучения для предсказания параметра широко используемой функции роста Чапмана-Ричардса (CR).

После очистки данных от выбросов и нереалистичных наблюдений, аналогично тому, что было сделано в оригинальной публикации, у нас осталось около 2000 наблюдений, показанных здесь на глобальной карте с размером символа, пропорциональным количеству наблюдений на месте:

Глобальное распределение данных на основе мест; размер символа пропорционален количеству измерений на месте. Изображение автора.

Наблюдения были распределены по 390 местам. Большинство мест (64%) имеют только одно измерение, в то время как одно место имеет 274 измерения.