Картирование функционального разнообразия растений из космоса: Мониторинг экосистем с помощью новой интеграции полевых и спутниковых данных

Международная команда исследователей под руководством профессора Джина Ву из Школы биологических наук Гонконгского университета добилась значительного прогресса в картировании функциональных признаков растений из космоса с использованием спутниковых данных временных рядов. Исследование, опубликованное в журнале Remote Sensing of Environment, демонстрирует инновационное сочетание миссии спутника Sentinel-2 и его динамических возможностей.

Этот подход открывает путь к более глубокому пониманию ключевых признаков листвы, предоставляя важные данные о функциональном разнообразии и функционировании наземных экосистем, а также даёт мощные инструменты для решения насущных экологических проблем.

Использование спутников для детальных наблюдений

Признаки растений играют ключевую роль в регулировании важнейших процессов экосистем, таких как секвестрация углерода, регулирование температуры воздуха и крупномасштабное гидрологическое регулирование. Они также определяют реакцию экосистем на различные стрессоры окружающей среды, что в конечном итоге влияет на их здоровье, устойчивость и уязвимость к изменению климата.

Команда профессора Ву использовала спутниковые технологии и представила новаторский подход, сочетающий спектроскопию растительности и фенологию. Метод использует изображения высокого разрешения со спутника Sentinel-2, который собирает мультиспектральные данные с недельным интервалом и разрешением 10 метров.

Интеграция данных спутниковых снимков и фенологических наблюдений позволила получить комплексную информацию о функциональных признаках растений. Метод был тщательно протестирован на эталонных данных по 12 признакам листвы, собранных на 14 географически удалённых площадках Национальной экологической обсерватории (NEON) на востоке США.

«Наш подход эффективно фиксирует разнообразие признаков растений на мелких пространственных масштабах, сохраняя точность на больших площадях», — заявил первый автор исследования, аспирант лаборатории профессора Ву Шувэнь Лю. Предложенный метод превзошёл традиционные подходы, не требуя для повышения прогностических возможностей данных об окружающей среде.

Учитывая эффективность модели в 14 различных экосистемах США, она имеет большой потенциал для масштабирования до национального и глобального уровней. «Будущие исследования будут сосредоточены на более широкой валидации, чтобы полностью раскрыть потенциал этой технологии», — отметил профессор Ву.