Mapping historical forest biomass for stock-change assessments at parcel to landscape scales

要約

タイトル：地境から景観規模までの個別の森林株変動評価のための歴史的な森林バイオマスのマッピング

要約：

– 現在の森林の気候的恩恵を評価し、様々な政策、規制、管理シナリオにおける将来の恩恵を予測するために、歴史的な森林動態、特に森林バイオマスと炭素ストックの変化を理解することが重要となっています。
– 国立森林調査に基づく炭素会計枠組みは大域的な見積もりに限定されているため、これらの調査をリモートセンシングデータと組み合わせるモデルベースのアプローチが、時間をかけた景観全体にわたる森林バイオマスと炭素ストックの接続された細分化された高解像度のマップを提供することができます。
– 私たちは、地理的および時間的な解像度の高い（年次、30m）マップに基づく株変動フレームワークの構築における基本的なステップの一つである、1990年から2019年までの全ニューヨーク州（米国）の歴史的な森林バイオマスのマッピングについて説明しています。
– Landsatイメージ、米国森林局森林調査および分析（FIA）データ、市販のLiDARコレクションを使用し、地上バイオマス（AGB）の歴史的な森林をマッピングするための3つのモデルアプローチ（ダイレクト、インダイレクト、ダイレクトとインダイレクトモデルのアンサンブル平均）を開発しました。モデル予測面（地図）は、複数のスケールでFIAの推定値と比較されました。
– 全ての3つのアプローチが有効な出力を生成しましたが、モデルの複雑さ、マップの精度、飽和、細かいスケールのパターン表現においてトレードオフが明らかになりました。
– 結果として得られたマップ製品は、人為的および自然的な動因による森林炭素ストックの変化がどこで、いつ、どのように起こっているかを特定するのに役立ちます。これらの製品は、株変動評価、モニタリング報告および確認枠組み、および改良された管理プログラムに登録するための地地区の優先順位付けなど、幅広いアプリケーションに入力として利用することができます。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI