Analysis of Methodologies for Carbon Stock Estimation in Forests
Loading...
Date
2022
Journal Title
Journal ISSN
Volume Title
Publisher
Український державний університет науки і технологій, ННІ «Інститут промислових та бізнес технологій», ІВК «Системні технології», Дніпро
Abstract
ENG: Current approaches to carbon stock estimation in forest ecosystems are discussed. Datasets containing biomass and carbon stock estimates that can be used for training/validation in machine learning are described. Examples of applying the remote approach to assessing forest biomass over large areas are analyzed. To estimate the forest carbon stocks in Ukraine, the most promising is the remote approach, which combines ground-based and satellite measurements for forest classification and statistical modeling of carbon stocks. For training and validation of machine learning algorithms, it is proposed to use the GEDI Biomass Map covering most of the territory of Ukraine — from the southern borders to the latitude of Chernihiv in the north. A prototype of forest biomass estimating product in Ukraine can be based on publicly available MODIS NBAR data, SRTM DEM, ECMWF climate data and use the Random Forest machine learning method.
UKR: Розглянуто сучасні підходи до оцінки запасів вуглецю у лісових екосистемах. Існує чотири базові підходи проведення регіональної оцінки запасів вуглецю в лісах: картографічний; конверсійний; дистанційний; модельний. Найбільш перспективним для практичного використання на великих територіях є дистанційний підхід, що поєднує наземні та супутникові вимірювання. На відміну від картографічного підходу, супутникові дані використовуються для класифікації лісів та регресії запасів вуглецю у кожному пікселі досліджуваної області. Дистанційний підхід менш трудомісткий, ніж конверсійний, оскільки потребує менших обсягів наземних даних. Важливою особливістю дистанційного підходу є можливість створювати за його допомогою тимчасові ряди карт AGB. Описано набори даних, що містять оцінки біомаси та запасів вуглецю, які можна використовувати для навчання/валідації у машинному навчанні. Розглянуто та проаналізовано приклади застосування дистанційного підходу до оцінки біомаси лісу, визначено перспективні предиктори. Аналіз прикладів показав важливість попереднього розбиття (у разі великої площі) області дослідження на відповідні зони. Для оцінки запасів вуглецю лісів України найбільш перспективним є дистанційний підхід, що поєднує наземні та супутникові вимірювання для класифікації лісів та статистичного моделювання запасів вуглецю. Для навчання та валідації алгоритмів машинного навчання пропонується використовувати GEDI Biomass Map, що покриває більшу частину території України — від південних границь до широти Чернігова на півночі. Прототип продукту для оцінки біомаси лісів України може спиратися на загальнодоступні дані MODIS NBAR, ЦМР SRTM, кліматичні дані ECMWF та використовувати метод машинного навчання Random Forest.
UKR: Розглянуто сучасні підходи до оцінки запасів вуглецю у лісових екосистемах. Існує чотири базові підходи проведення регіональної оцінки запасів вуглецю в лісах: картографічний; конверсійний; дистанційний; модельний. Найбільш перспективним для практичного використання на великих територіях є дистанційний підхід, що поєднує наземні та супутникові вимірювання. На відміну від картографічного підходу, супутникові дані використовуються для класифікації лісів та регресії запасів вуглецю у кожному пікселі досліджуваної області. Дистанційний підхід менш трудомісткий, ніж конверсійний, оскільки потребує менших обсягів наземних даних. Важливою особливістю дистанційного підходу є можливість створювати за його допомогою тимчасові ряди карт AGB. Описано набори даних, що містять оцінки біомаси та запасів вуглецю, які можна використовувати для навчання/валідації у машинному навчанні. Розглянуто та проаналізовано приклади застосування дистанційного підходу до оцінки біомаси лісу, визначено перспективні предиктори. Аналіз прикладів показав важливість попереднього розбиття (у разі великої площі) області дослідження на відповідні зони. Для оцінки запасів вуглецю лісів України найбільш перспективним є дистанційний підхід, що поєднує наземні та супутникові вимірювання для класифікації лісів та статистичного моделювання запасів вуглецю. Для навчання та валідації алгоритмів машинного навчання пропонується використовувати GEDI Biomass Map, що покриває більшу частину території України — від південних границь до широти Чернігова на півночі. Прототип продукту для оцінки біомаси лісів України може спиратися на загальнодоступні дані MODIS NBAR, ЦМР SRTM, кліматичні дані ECMWF та використовувати метод машинного навчання Random Forest.
Description
O. Kavats: ORCID 0000-0002-0172-7856
Keywords
forest, carbon stock, aboveground biomass, satellite data, GEDI, ICESat-2, ліс, запас вуглецю, наземна біомаса, супутникові дані, КІТС
Citation
Kavats O. O., Khramov D. A., Sergieeiva K. L., Vasyliev V. V. Analysis of Methodologies for Carbon Stock Estimation in Forests. System technologies. Dnipro, 2022. Vol. 4. No. 141. P. 56–73. DOI: 10.34185/1562-9945-4-141-2022-05.