Μοντελοποίηση αποθέματος βιομάζας πάνω από τη Νορβηγία με τη χρήση εθνικών δεδομένων απογραφής δασών με δεδομένα ArcticDEM και Sentinel-2

Από RemoteSensing Wiki

Εικόνα 1. Κατανομή του μέσου ύψους ArcticCHM για το μειωμένο σύνολο παραστάσεων NFI (n = 8431). Οι κόκκινες διακεκομμένες γραμμές αντιπροσωπεύουν τα κατώτατα όρια -10 και 30 m που χρησιμοποιήθηκαν για να προσδιορίσουν την αξιοπιστία των δεδομένων ArcticCHM. (Για την ερμηνεία των αναφορών σε χρώματα σε αυτό το μύθο, ο αναγνώστης αναφέρεται στην έκδοση Web αυτού του άρθρου.

Εικόνα 2. Επισκόπηση: α) της θέσης της περιοχής μελέτης με κάλυψη των δεδομένων λωρίδας ArcticDEM (με κόκκινο), β) της διανομής των εθνικών οικότοπων απογραφής που είναι διαθέσιμα για τη μελέτη αυτή, γ) της κάλυψης των δεδομένων ArcticCHM στην δασική περιοχή , και δ) λεπτομέρειες σε μικρότερη περιοχή (συμπεριλαμβανομένων κενών δεδομένων). (Για την ερμηνεία των αναφορών στο χρώμα σε αυτό το μύθο, ο αναγνώστης παραπέμπεται στην έκδοση Web αυτού του άρθρου.)

Εικόνα 3. Πίνακας συσχετισμού για την μελετώμενη απόκριση (AGB, m3 ha-1) και μεταβλητές πρόβλεψης. Η κατεύθυνση στον κύριο άξονα υποδεικνύει εάν υπάρχει θετική ή αρνητική συσχέτιση, ενώ τα χρώματα αντιπροσωπεύουν την ισχύ του συντελεστή συσχέτισης Pearson μεταξύ κάθε ζεύγους μεταβλητών. Οι ζώνες Sentinel-2 χαρακτηρίζονται ως Β2, Β3, ..., Β12. (Για την ερμηνεία των αναφορών σε χρώματα σε αυτό το μύθο, ο αναγνώστης αναφέρεται στην έκδοση Web αυτού του άρθρου.)

Εικόνα 4.Μεταβλητή σημασία σύμφωνα με τις εκτιμήσεις καθαρότητας κόμβου χρησιμοποιώντας τον τυχαίο δασικό αλγόριθμο για τα μοντέλα που περιλαμβάνουν το ArcticCHM (αριστερό τμήμα), το Sentinel-2 (κεντρικό τμήμα) και ένα συνδυασμό των δύο (δεξί παράθυρο).

Εικόνα 5. Σκορπιστικά των παρατηρηθεισών τιμών έναντι των προβλεπόμενων τιμών (α), με λεπτομέρεια στην περιοχή μεταξύ 0 και 100 t ha-1 (b), και υπολειμματικοί χάρτες πάνω από τη Νορβηγία που συγκεντρώνονται σε εικονοστοιχεία διαστάσεων 50 km × 50 km (γ) για τα τρία μοντέλα.

Εικόνα 6. Πλαίσια πυγμαχίας των υπολειμμάτων AGB του ArcticCHM + S2 που ταξινομούνται σύμφωνα με τους συντελεστές δασικής (πρώτης σειράς) και συγκεκριμένου εδάφους (κάτω σειράς) οι οποίοι ήταν αποτέλεσμα των υπολειμμάτων.

Εικόνα 8. Τιμές ArcticCHM σε ορεινές περιοχές χωρίς κάλυμμα δέντρου και με διαφορετική ποιότητα DTM ανάλογα με την κάλυψη ALS.

Εικόνα 9. Ιστόγραμμα των τιμών ArcticCHM σε περιοχές χωρίς δομή με βάση το δείγμα σημείων που επιλέχθηκαν σε ολόκληρη την περιοχή μελέτης. Η περιοχή στον άξονα x μειώθηκε στις τιμές ArcticCHM <-20 m και> 20 m για σκοπούς απεικόνισης

Μοντελοποίηση αποθέματος βιομάζας πάνω από τη Νορβηγία με τη χρήση εθνικών δεδομένων απογραφής δασών με δεδομένα ArcticDEM και Sentinel-2

S. Pulitia,∗, M. Hauglina, J. Breidenbacha, P. Montesanob,c, C.S.R. Neighc, J. Rahlfa, S. Solberga,T.F. Klingenbergd, R. Astrupa

α Νορβηγικό Ινστιτούτο Βιοϊατρικής Έρευνας (NIBIO), Τμήμα Δασικών και Δασικών Πόρων, Εθνική Δασική Απογραφή, Høgskoleveien 8, 1433 Ås, Νορβηγία

b Επιστημονικά Συστήματα και Εφαρμογές, Inc., 10210 Greenbelt Road, Lanham, MD, 20706, ΗΠΑ

c Εργαστήριο Βιοσφαιρικών Επιστημών, Κωδικός 618 NASA Goddard Space Flight Center, Greenbelt, MD, 20771, ΗΠΑ

d Νορβηγική Αρχή Χαρτογραφίας (Kartverket), Τμήμα Χαρτογράφησης, P.O. Box 600, Sentrum, 3507, Hønefoss, Νορβηγία

[1]

Περίληψη

Τα βόρεια δάση αποτελούν ένα μεγάλο μέρος της παγκόσμιας δασικής έκτασης. Το ArcticDEM είναι μια συλλογή στερεογραμμαμετρικών ψηφιακών επιφανειακών μοντέλων (DSM) υψηλής ανάλυσης (2 m) που καλύπτουν ολόκληρη την περιοχή της γης βόρεια των 60 ° γεωγραφικού πλάτους. Η ελεύθερη διαθεσιμότητα των δεδομένων ArcticDEM παρέχει νέες δυνατότητες για την χαρτογράφηση της υπερθέρμανσης της βιομάζας (AGB) στα βόρεια δάση και επομένως είναι απαραίτητο να αξιολογηθεί η δυνατότητα αυτών των δεδομένων να χαρτογραφήσουν την AGB έναντι εναλλακτικών πηγών ανοιχτών δεδομένων (δηλ. Sentinel-2). Η μελέτη αυτή διεξήχθη σε ολόκληρη την περιοχή της Νορβηγίας βορείως των 60 ° γεωγραφικού πλάτους και η Νορβηγική εθνική απογραφή δασών (NFI) χρησιμοποιήθηκε ως πηγή δεδομένων πεδίου. Επιπλέον, αξιολογήσαμε την επίδραση των ειδικών παραγόντων δασικής έκτασης στο πρότυπο ακρίβειας των μοντέλων , το αποτέλεσμα υπογραμμίζει τη συνέργια μεταξύ τρισδιάστατων και πολυφασματικών δεδομένων σε μοντέλα AGB. Επιπλέον, αυτή η μελέτη έδειξε ότι παρά τη σημασία των μεταβλητών ArcticCHM, το μοντέλο S2 ήταν ελαφρώς καλύτερο από το μοντέλο ArcticCHM. Το γεγονός αυτό υπογραμμίζει μερικούς από τους περιορισμούς του ArcticDEM, το οποίο, παρά την άνευ προηγουμένου χωρική επίλυση, είναι εξαιρετικά ετερογενές λόγω της ανάμειξης πολλαπλών εξαγορών σε διάφορα έτη και εποχές. Διαπιστώθηκε ότι τόσο τα χαρακτηριστικά των δασών όσο και των χαρακτηριστικών εδάφους έδειξαν την αβεβαιότητα του μοντέλου ArcticCHM + S2 και κατέληξαν στο συμπέρασμα ότι η συνδυασμένη χρήση των ArcticCHM και Sentinel-2 αντιπροσωπεύει μια βιώσιμη λύση για χαρτογράφηση AGB σε ολόκληρα δάση. Η συνέργια μεταξύ των δύο πηγών δεδομένων επέτρεψε τη μείωση των επιδράσεων κορεσμού που είναι χαρακτηριστικές των πολυφασματικών δεδομένων ενώ παράλληλα εξασφάλιζε τη χωρική συνοχή στις προβλέψεις εξόδου λόγω της απομάκρυνσης των αντικειμένων και των κενών δεδομένων που υπάρχουν στα δεδομένα του ArcticCHM. Τέλος κύρια συμβολή αυτής της μελέτης είναι να παράσχει τα πρώτα στοιχεία του βέλτιστου σεναρίου, να προσφέρει δεδομένα ArcticDEM μεγάλης κλίμακας AGB, να παραμένει κρίσιμη για άλλες μελέτες ώστε να διερευνήσει πώς το ArcticDEM μπορεί να χρησιμοποιηθεί σε περιοχές όπου δεν υπάρχουν DTM, όπως συμβαίνει με τα μεγάλα τμήματα της βόρειας ζώνης.

Εισαγωγή

Το πρόσφατα απελευθερωμένο και ελεύθερα διαθέσιμο σύνολο δεδομένων του ψηφιακού επιφανειακού μοντέλου ArcticDEM (arcticdem. Org) είναι μια συλλογή από στατιστικά δεδομένα HRSI που καλύπτουν ολόκληρη την ημιβιορική ζώνη (λίγο πάνω από το 10% του πλανήτη) (Porter et al., 2018 ). Το ArcticDEM παρέχει άνευ προηγουμένου ευκαιρίες για χαρτογράφηση και εκτίμηση των ιδιοτήτων των δασών στην περιφερική περιοχή. Ωστόσο, οι δυνατότητες χρήσης του ArcticDEM για χαρτογράφηση σε μεγάλη κλίμακα των αποθεμάτων AGB σε βόρεια δάση, δεν έχei διερευνηθεί σε εθνικό ή περιφερειακό επίπεδο. Η μελέτη αντιπροσωπεύει την πρώτη προσπάθεια να χρησιμοποιηθούν τα δεδομένα ArcticDEM σε εθνική κλίμακα για το μοντέλο AGB στα νορβηγικά βόρεια δάση χρησιμοποιώντας δεδομένα αναφοράς εδάφους από το Νορβηγικό Εθνικό Δασικό Αποθεματικό (NFI). Σκοπός της μελέτης είναι το μοντέλο AGB για όλη τη Νορβηγία σε γεωγραφικά πλάτη βορείως των 60 ° χρησιμοποιώντας νορβηγικά δεδομένα NFI, δεδομένα ArcticDEM και δεδομένα Sentinel-2. Αυτή η μελέτη αποτελεί τη πρώτη χρήση στερεομετρικών δεδομένων μεγάλης κλίμακας HRSI σε συνδυασμό με ένα εξωπραγματικό δίκτυο παρατηρήσεων αναφοράς εδάφους.

Μεθοδολογία

Περιοχή Μελέτης

Η περιοχή μελέτης ήταν η χερσαία περιοχή της Νορβηγίας σε γεωγραφικά πλάτη βορείως των 60 ° (260 000 km2). Περίπου το 34% αυτής της περιοχής μελέτης εκτιμήθηκε ότι είναι δάσος, το σύνολο των οποίων ταξινομήθηκε ως βόρειο κωνοφόρο δάσος.

Εθνικό Δασικό Σύστημα Δεδομένων

Το NFI αποτελείται από μόνιμα δειγματοληπτικά τεμάχια που βρίσκονται σε ολόκληρη τη χώρα σύμφωνα με ένα συστηματικό σχεδιασμό. Κάθε οικόπεδο μετριέται κάθε πέντε χρόνια και ως εκ τούτου, το 20% του συνολικού αριθμού οικοπέδων μετράτε κάθε χρόνο ως μέρος ενός διαπερατού πάνελ. Το AGB των αγροτεμαχίων ήταν το άθροισμα των AGB των δένδρων σε κλίμακα ανά εκτάριο. Τα είδη διατέθηκαν σε τρεις κατηγορίες (ερυθρελάτης, πεύκο ή φυλλοβόλα είδη) σύμφωνα με το είδος με το μεγαλύτερο ποσοστό AGB στο οικόπεδο. Οι συντεταγμένες των κέντρων διαγράμματος μετρήθηκαν χρησιμοποιώντας μία από τις δύο μεθόδους: 1) χρησιμοποιώντας έναν rover Topcon GR-3 RTK και σταθμό βάσης Topcon GB-3 RTK ή 2) με κατά μέσο όρο πολλαπλές μετρήσεις από ένα χειριστή δέκτη GNSS. Οι δύο μέθοδοι χρησιμοποιήθηκαν σε 57% και 43% των οικογενειών στην τρέχουσα μελέτη, αντίστοιχα. Ένας πλήρης πενταετής κύκλος των στοιχείων NFI (2013-2017) χρησιμοποιήθηκε.

DTM Για την ομαλοποίηση του ArcticDEM στο ύψος από το έδαφος (ArcticCHM) χρησιμοποιήθηκε ελεύθερα διαθέσιμο DTM εθνικού επιπέδου 10m (DTM10). Το προϊόν DTM10 από την Αρχή χαρτογράφησης της Νορβηγίας (Kartverket, 2019) δημιουργήθηκε χρησιμοποιώντας ένα συνδυασμό αερομεταφερόμενων φωτογραμμετρικών δεδομένων και δεδομένων ALS. Περίπου το 70% του DTM στην περιοχή μελέτης δημιουργήθηκε χρησιμοποιώντας δεδομένα ALS. Τα ύψη DTM10 μετατράπηκαν από το ορθομετρικό εθνικό κατακόρυφο σημείο NN2000 στο ελλειψοειδές κατακόρυφο στοιχείο WGS84,προκειμένου να καταγραφεί το κατακόρυφο σημείο αναφοράς του ArcticDEM.

ArcticDEM και ArcticCHM

Στην έρευνα χρησιμοποιήθηκαν 231 πλακάκια ArcticDEM 50 × 50 χιλιομέτρων από την έκδοση no.7 με συνολικό μέγεθος 398 GB. Παρά το γεγονός ότι το μωσαϊκό ArcticDEM δεν είχε καθυστερήσει στις ημερομηνίες απόκτησης, είναι σημαντικό να αναφερθεί ότι οι περισσότερες από τις εξαγορές του HRSI που διατίθενται στη Νορβηγία πραγματοποιήθηκαν κατά την περίοδο 2013-2015 και κατά το 2017. Η πλειοψηφία των σκηνών για τον τομέα μελέτης αποκτήθηκε μεταξύ Μαρτίου και τον Αύγουστο. Στη συνέχεια τα δεδομένα ύψους κανονικοποιήθηκαν. Το αποτέλεσμα της ομαλοποίησης αναφέρεται συχνά ως CHM και στο πλαίσιο αυτής της μελέτης θα αναφέρεται ως ArcticCHM.

Sentinel-2 Ένα ψηφιδωτό μωσαϊκό χωρίς σύννεφο Sentinel-2 επιπέδου-2A δημιουργήθηκε για ολόκληρη τη Νορβηγία.

Στατιστικές Μέθοδοι

Η στατιστική μοντελοποίηση μπορεί να συνοψιστεί σε τρία στάδια: 1) δημιουργία ενός τυχαίου μοντέλου δασικών προβλέψεων της AGB, 2) επικύρωση του μοντέλου στο επίπεδο του σχεδίου μέσω μιας πολλαπλής επικύρωσης k-fold. και 3) εκτιμήσεις- (CV), όπου οι πτυχές καθορίστηκαν από τα γραφήματα που περιλαμβάνονταν σε κάθε πλακίδιο ψηφιδωτού ArcticDEM. Αυτά τα τρία βήματα πραγματοποιήθηκαν για τρία σύνολα επεξηγηματικών μεταβλητών, συγκεκριμένα: δεδομένα ArcticCHM, δεδομένα Sentinel-2 (S2) και συνδυασμός των δύο (ArcticCHM + S2). Επιπλέον, το εύρος και το γεωγραφικό μήκος χρησιμοποιήθηκαν επίσης ως επεξηγηματικές μεταβλητές για όλα τα μοντέλα.

Καταγραφή Μοντέλων

Τυχαία δάση χρησιμοποιήθηκαν για να διαμορφωθεί το AGB. Το τυχαίο δάσος είναι μια μέθοδος δέντρου παλινδρόμησης συναρτήσεων βασισμένη σε μη συσχετισμένα δέντρα απόφασης

Μοντέλο VALIDATION

Επικυρώσαμε τα μοντέλα σε επίπεδο γραφικής παράστασης χρησιμοποιώντας k-fold cross-validation.

Αξιολόγηση της επίδρασης των παραγόντων πυροπροστασίας και δασικών εκτάσεων

Η υπολειμματική ανάλυση έγινε για να κατανοηθεί ποιοι ειδικοί παράγοντες για το δάσος και το έδαφος ήταν περισσότερο επηρεαστικοί από την προληπτική ακρίβεια των μοντέλων AGB. Παράγοντες όπως τα είδη δένδρων, η πυκνότητα των δένδρων, η δασική παραγωγικότητα, η κλίση, η όψη και ο δείκτης τοπογραφικής θέσης είναι γνωστά σε σχέση με την ποιότητα των DEMs HRSI. Για καθέναν από αυτούς τους παράγοντες, αξιολογήθηκαν τα boxplots των υπολειμμάτων που ταξινομούνται είτε ανά κατηγορία (δηλ. Είδη δέντρων) είτε με διαστήματα 10 εκατοστημορίων (δηλ., 10ο, 20ο, 30ο, ..., 100ο εκατοστημόρια). Επιπλέον, αξιολογήθηκε αν τα υπολείμματα χαρακτηρίστηκαν από γεωγραφική συνιστώσα (δηλαδή, παρουσία περιφερειακών προκαταλήψεων) με οπτική εκτίμηση χαρτών των υπολειμμάτων που συγκεντρώθηκαν σε μέσες τιμές κυψελών δικτύου 50 km × 50 km. Για να αποκτηθούν περαιτέρω πληροφορίες σχετικά με την προγνωστική ικανότητα των μοντέλων ArcticCHM, S2 και ArcticCHM + S2, προβλέψαμε AGB για την περιοχή που αντιστοιχεί σε ένα ενιαίο πλακίδιο ArcticDEM και συγκρίθηκαν οι χάρτες πρόβλεψης οπτικά. Επιλέχθηκαν υποκειμενικά μια περιοχή που περιελάμβανε διαφορετικά σενάρια ποιότητας αρχείων ArcticCHM. Μια τέτοια ανάλυση μπορεί να παρέχει χρήσιμες πληροφορίες σχετικά με τις πηγές κίνησης της αβεβαιότητας στα δεδομένα ArcticCHM.

Αποτελέσματα

Μοντελοποίηση

Δύο ομάδες μεταβλητών προέρχονται από το ArcticCHM ή το Sentinel-2. Ο πρώτος χαρακτηριζόταν από ένα συντελεστή συσχέτισης Pearson με AGB στην περιοχή 0,3-0,6 ενώ όλες οι ζώνες Sentinel-2 συσχετίζονταν αρνητικά με την AGB (-0,2 - -0,5 Pearson's correlation coefficient). Το γεωγραφικό πλάτος είχε ελαφρώς ισχυρότερη συσχέτιση (-0,3) με AGB από το γεωγραφικό μήκος (-0,2). Οι σημαντικότερες μεταβλητές, ανάλογα με τη σπουδαιότητα που εκτιμούν τα τυχαία δάση, ήταν εκείνες που σχετίζονταν με δεδομένα ArcticCHM παρά με S2. Οι προβλέψεις μοντέλων S2 ήταν ελαφρώς ακριβέστερες από το μοντέλο ArcticCHM. Οι χάρτες των υπολειμμάτων που συγκεντρώθηκαν για εικονοστοιχεία 50 km × 50 km έδειξαν ότι για το μεγαλύτερο μέρος της χώρας, τα υπολείμματα είχαν κατά μέσο όρο περίπου μηδέν. Συγκεκριμένα, παρατηρήθηκε υπερεκτίμηση της AGB σε ορεινές περιοχές, χαρακτηριζόμενη από μη παραγωγικά δάση και μικρότερη ένταση δειγματοληψίας. Αντίθετα, παρατηρήθηκε μια μικρή τάση υποεκτίμησης της AGB στα νοτιοανατολικά τμήματα της περιοχής μελέτης. Ο συνδυασμός των ArcticCHM και S2 οδήγησε σε ελαφρά μείωση της συστηματικής περιφερειακής μεροληψίας σε σύγκριση με ξεχωριστά μοντέλα μόνο για τα αρχεία ArcticCHM και S2. Επιπλέον, παρόλο που η αβεβαιότητα ήταν μεγαλύτερη για τα παραγωγικά δάση από ό, τι για τα μη παραγωγικά δάση, οι προβλέψεις μοντέλων για τα τελευταία ήταν συστηματικά μεγαλύτερες από τις μετρήσεις του πεδίου. Μεταξύ των ειδικών παραμέτρων του εδάφους, αξιολογήσαμε την κλίση, την όψη και το δείκτη τοπογραφικής θέσης. Η υπολειμματική διακύμανση αυξήθηκε με την κλίση και όταν μετακινείται από περιοχές ή σε περιοχές με σταθερή κλίση προς κορυφογραμμές ή κοιλάδες. Αντίθετα, η υπολειμματική διακύμανση ήταν μάλλον σταθερή σε διάφορες κατηγορίες πτυχών. Επιπλέον, η ανάλυση αποκάλυψε ότι για κλίσεις> 30%, η συστηματική τάση του μοντέλου οι προβλέψεις που ήταν μεγαλύτερες από τις μετρήσεις του πεδίου αυξήθηκαν σημαντικά. Η οπτική εκτίμηση της πρόβλεψης AGB για τα τρία μοντέλα πραγματοποιήθηκε για δύο υποπεριοχές του επιλεγμένου πλακιδίου ArcticDEM που χαρακτηρίζεται από ποικίλους βαθμούς αξιοπιστίας των δεδομένων ArcticCHM. Λόγω του μοντέλου εδάφους, εξετάστηκε η απόδοση των μοντέλων ArcticCHM και ArcticCHM + S2 κατά τη διαστρωμάτωση των μοντέλων σύμφωνα με τη διαθεσιμότητα των δεδομένων ALS.

Συζήτηση

Σκοπός αυτής της μελέτης ήταν να αξιολογηθεί το δυναμικό των δεδομένων ArcticDEM για τη μοντελοποίηση και χαρτογράφηση της AGB σε τεράστιες δασικές περιοχές. Η κύρια καινοτομία αυτής της μελέτης έγκειται στην ευρεία γεωγραφική κλίμακα στην οποία διεξήχθη αυτή η μελέτη (260.000 km2) σε σύγκριση με προηγούμενες μελέτες (9-700 km2) και στη διαθεσιμότητα ενός μεγάλου αριθμού παρατηρήσεων αναφοράς εδάφους (n = 7710) για τη βαθμονόμηση και την επικύρωση του μοντέλου. Η σύγκριση με εναλλακτικές πηγές δεδομένων τηλεπισκόπησης για χαρτογράφηση της AGB στα σκανδιναβικά δάση, απεκάλυψε ότι τα RMSE επιπέδου σχεδίασης που βρέθηκαν σε αυτή τη μελέτη ήταν μικρότερα από ό, τι προηγουμένως βρέθηκε από τους Fazakas et al. (1999), όταν χρησιμοποιήθηκαν Σουηδικά δεδομένα NFI και Landsat (RMSE: 61,4 t ha-1) και ακόμη μικρότερα από τη χρήση δεδομένων Tandem-X (42,6-58,9 t ha-1) (Næsset et al., 2011, Solberg et al. 2013). Σε αντίθεση με τις περισσότερες προηγούμενες μελέτες, τα δεδομένα ArcticDEM συν-καταχωρήθηκαν χρησιμοποιώντας αραιά δεδομένα GLAS. Ενώ τα δεδομένα GLAS αντιπροσωπεύουν την καλύτερη διαθέσιμη πηγή ανοιχτών δεδομένων που καλύπτει ολόκληρη τη βόρεια ζώνη, τα εγγενή σφάλματα είναι πιθανόν να είναι μεγαλύτερα από ό, τι ήταν εκείνα που έχουν αναφερθεί προηγουμένως για DEMs HRSI. Η μελέτη έδειξε επίσης συστηματικά λάθη στις προβλέψεις από το μοντέλο ArcticCHM + S2. Τέτοια συστηματικά σφάλματα μπορούν να εξηγηθούν από το γεγονός ότι τόσο τα ArctiCHM όσο και τα S2 προέρχονταν από οπτικά δεδομένα και η ποιότητα τους μειώθηκε στις βόρειες πλαγιές λόγω τοπογραφικής σκίασης. Σε αυτή τη μελέτη, συνδυάστηκε το ArcticCHM με τα δεδομένα Sentinel-2 ως μέσο για τη βελτίωση της σταθερότητας του μοντέλου και της προβλεπτικής ακρίβειας. Τα αποτελέσματα υπογραμμίζουν τη σημασία της συνέργειας μεταξύ τρισδιάστατων και πολυφασματικών πληροφοριών για τη μοντελοποίηση της AGB. Η μελέτη διαπίστωσε ότι μόνο τα δεδομένα Sentinel-2 απέδωσαν σχετικά ακριβή μοντέλα. Ένα αξιοσημείωτο ενδιαφέρον αυτής της μελέτης ήταν ότι το μοντέλο S2 εξήγησε περισσότερες παραλλαγές και είχε μικρότερο RMSE από τις μεταβλητές του Arctic CHM. Σε αυτή τη μελέτη χρησιμοποιήθηκε η εκδοχή των αρχείων ArcticDEM που δεν έχει λεπτομέρειες σχετικά με τα χαρακτηριστικά απόκτησης HRSI (π.χ. χρόνο και ημερομηνία) και που περιόριζε την πιθανότητα να διερευνηθεί η επίδραση των εποχιακών διακυμάνσεων στην ποιότητα του ArcticDEM. Μια μοναδική πτυχή αυτής της μελέτης ήταν ότι ήταν διαθέσιμο ένα DTM για το σύνολο της Νορβηγίας, επιτρέποντας έτσι την παραγωγή του ArcticCHM από το ArcticDEM. Το πλεονέκτημα αυτής της μελέτης ήταν να παράσχει τις πρώτες ιδέες για το καλύτερο σενάριο (δηλ. Τη διαθεσιμότητα DTM) στις σχέσεις μεταξύ των δασών AGB και ArcticCHM σε μια πανευρωπαϊκή κλίμακα. Τα αποτελέσματα αυτής της μελέτης αποτελούν σημείο αναφοράς για μελλοντικές εξελίξεις στη χρήση στερεοσκοπίου HRSI δεδομένα για την χαρτογράφηση AGB μεγάλων δασών.

Συμπέρασμα

Από όσο γνωρίζουμε, αυτή η μελέτη αντιπροσωπεύει την πρώτη προσπάθεια να χρησιμοποιηθούν δεδομένα DEMs HRSI για να διαμορφωθεί το πρότυπο AGB σε εθνική κλίμακα. Η κύρια συνεισφορά της μελέτης είναι η εφαρμογή της μεγάλης κλίμακας ομάδας δεδομένων NFI και η χρήση της για την αξιολόγηση του ArcticDEM, του Sentinel-2 και του συνδυασμού τους για τη μοντελοποίηση της AGB. Με βάση τα αποτελέσματα αυτής της μελέτης συμπεραίνουμε ότι 1) AGB μπορεί να εκτιμηθεί με παρόμοια ακρίβεια όταν χρησιμοποιούνται δεδομένα ArcticCHM ή Sentinel-2, 2) μπορούν να αναμένονται σημαντικές συνέργειες όταν συνδυάζεται το ArcticCHM με δεδομένα Sentinel-2, 3) Τόσο τα χαρακτηριστικά του δάσους όσο και του εδάφους έχουν ως αποτέλεσμα την αβεβαιότητα των προβλέψεων που προκύπτουν από τα μοντέλα ArcticCHM