PhenoCam -netværk udnytter store data til at forudsige indvirkningen af ​​varmere klima på økosystemets produktivitet og kulstofcykling

En ny opgave af professor ved Northern Arizona University Andrew Richardson offentliggjort i tidsskriftet Videnskabelige data beskriver et stort netværk af digitale kameraer designet til at fange millioner af billeder, der dokumenterer sæsonbetonede ændringer af vegetation i hele Nordamerika. Netværket, kaldet PhenoCam, er resultatet af et 10-årigt samarbejde mellem Richardson, der ledte indsatsen, og forskere fra University of New Hampshire og Boston University for at udvikle et pålideligt observatorium på kontinentalt plan for fænologiske fænomener.

Vegetationsfænologi er det, der bestemmer sæsonbegivenhederne i planternes livscyklus, såsom dvale, spirende, blad og blomstring. Meget følsom over for klimaændringer, fænologi er en vigtig indikator for at forstå, hvordan økosystemprocesser påvirkes af længere vækstsæsoner forårsaget af varmere klimaer.

For eksempel, i mange tempererede økosystemer, forskere har observeret tidligere begyndelse af foråret og forsinket begyndelse af efterår siden 1970'erne. Denne forlængede vækstsæson - som har potentiale til at øge plantefotosyntese og vækst, og dermed øge økosystemets produktivitet - har også konsekvenser for den globale kulstofcyklus og niveauer af atmosfærisk kuldioxid (CO2). Fenologisk styrede produktivitetsforhøjelser kan resultere i øget fjernelse af CO2 fra atmosfæren fra planter, hvilket ville bidrage til at opveje drivhusgasemissioner fra afbrænding af fossile brændstoffer. Imidlertid, skift i fænologi kan også påvirke økosystemer på andre måder, såsom at øge den fænologiske uoverensstemmelse mellem planter og bestøvere.

Historisk set de tilgængelige metoder til måling af fænologiske ændringer på tværs af økosystemer har været mindre end ideelle, og manglen på lang sigt, rumligt omfattende data har forhindret forskere i at foretage tillidsfulde fremskrivninger om fænologiske reaktioner på fremtidige klimaændringer. Indtil for nylig, fænologiske undersøgelser har typisk bestået af menneskelige observatører, der overvåger individuelle planter og registrerer visuelt synlige ændringer i organismens fænologiske tilstand, såsom spirende eller blomstring. Denne tilgang er arbejdskrævende og vanskelig at standardisere.

Imidlertid, i 2006, Richardson og kolleger indså, at de daglige billeder, de optog fra oven på et 90 fods tårn ved Bartlett Experimental Forest i New Hampshire, kunne behandles ligesom billederne, der blev optaget af satellitter. Dette førte til opdagelsen af, at et simpelt "grønhedsindeks, "beregnet ud fra den røde, grøn og blå farveinformation gemt i hvert billede, kunne bruges til at spore løvtræers fænologiske tilstand. Grønhedsindekset muliggjorde en præcis identifikation af tidspunktet for spirende og højeste efterårsfarver. Richardson konkluderede, at et netværk af automatiserede kameraer, snapper billeder hver dag, kunne tilbyde et højteknologisk alternativ til konventionelle, observatørbaseret fænologisk overvågning.

Ren mængde og kompleksitet af projektet krævede "big data" løsning

PhenoCam -netværket startede med det eneste kamera monteret på et skovforskningssted i New Hampshire. Netværket omfatter nu mere end 400 kameraer installeret på steder i Nordamerika, fra Alaska til Florida og fra Hawaii til Maine. Hvert kamera observerer de sæsonbestemte rytmer i et bestemt stykke vegetation. Men fokus er ikke længere kun på tempererede løvskove:netværkssteder spænder over en lang række økoregioner, klimazoner og plantefunktionstyper, og omfatter tropiske græsarealer og kystnære vådområder samt tørre buske og stedsegrønne boreale skove.

Billeder fra kameraerne uploades automatisk til PhenoCam -serveren mindst en gang dagligt - og i nogle tilfælde så ofte som hvert 15. minut. Richardsons papir i Scientific Data er baseret på billeder, der er indsamlet i slutningen af ​​2015:cirka 15 millioner billeder, repræsenterer 750 års data, der kræver 6 terabyte diskplads. Alene i løbet af de sidste to år, imidlertid, PhenoCam billedarkiv er fordoblet i størrelse. Richardsons team arbejder på at indhente databehandlingen og forventer at frigive et revideret datasæt, med mere end 1, 500 års data, inden for 12 måneder.

"På grund af den store mængde af de billeder, vi tager, behandling og administration, dette projekt opfordrede til en 'big data' løsning, "sagde Richardson. Inden for teknologi, big data refererer til ekstremt store og komplekse datasæt, der skal analyseres beregningsmæssigt for at afsløre mønstre og tendenser, der er nødvendige for videnskabelig undersøgelse.

Richardson - der forlod Harvard University for at slutte sig til NAU i september - er en økosystemforsker. Han deler sin tid mellem School of Informatics, Computing and Cyber ​​Systems (SICCS) og Center for Ecosystem Science and Society (Ecoss).

"En af grundene til, at jeg kom til NAU, var på grund af fokus på big data, så det var spændende at deltage i SICCS af den grund, "Sagde Richardson.

SEGA slutter sig til PhenoCam -netværket

NAU's Southwest Experimental Garden Array (SEGA) sluttede sig for nylig til PhenoCam -netværket. SEGA er en genetisk baseret forskningsplatform, der gør det muligt for forskere at kvantificere arts økologiske og evolutionære reaktioner på ændrede klimaforhold. Platformen er en række af 10 havesteder arrangeret på tværs af en stor højdegradient i det nordlige Arizona, herunder skov, chaparral, busk- og ørkenmarkområder. Disse økosystemtyper er forholdsvis underrepræsenteret i det eksisterende PhenoCam -billedarkiv.

Gennem SEGA's deltagelse i PhenoCam, forskere, der bruger SEGA, vil kunne bestemme, hvordan daglængde, temperatur og nedbør styrer planternes vækststadieovergange i forskellige vegetationstyper i forskellige skalaer, samt forudsige, hvordan plantefænologi i sydvest vil reagere på stigende temperaturer og skiftende nedbørsregimer.

PhenoCam -billeder stilles til rådighed for offentligt brug

PhenoCam fungerer som en permanent registrering, der kan inspiceres visuelt for at bestemme den fænologiske tilstand af den undersøgte vegetation på ethvert tidspunkt. Richardson og hans kolleger har gjort dataene tilgængelige for alle at få adgang til og bruge på PhenoCam -webstedet.

Selvom den primært blev udviklet til fænologisk validering og udvikling af modeller, evaluering af satellit -fjernmåling dataprodukter, benchmarking af jordsystemmodeller og undersøgelser af klimaændringernes indvirkning på terrestriske økosystemer, Richardson bemærker også, at PhenoCam-billeder vil være nyttige for ikke-forskere i en række forskellige brancher.

"Landmænd i Midtvesten kan bruge data fra netværket til at planlægge kunstvanding baseret på overvågning i realtid, mens i New England efterårsløventusiaster kan spore efterårets farver og planlægge en weekendtur baseret på, hvor farverne er bedst, "sagde han." PhenoCam -billeder kan også ses af lænestolsrejsende for at se, hvordan landskabet ser ud et hvilket som helst sted på kontinentet - når aspblade dukker op i Flagstaff, hvad sker der med vegetation i Minnesota eller Michigan, for eksempel."

PhenoCam-data hjælper med at forfine klimaprognoser på kontinentalt plan

Richardson, sammen med sine samarbejdspartnere fra UNH og BU, har brugt data fra PhenoCam-netværket til at forfine computermodeller af interaktioner mellem planter og klima, i takt med klimaprognoser fra International Panel on Climate Change (IPCC), at forstå, hvordan fremtidige klimaændringer vil påvirke forskellige typer økosystemer i hele Nordamerika. The goal of this work has been to make forecasts about how future shifts in phenology will influence regional-scale carbon and water cycling.

This work has shown, for eksempel, that extension of the eastern deciduous forest growing season will increase forest productivity but also water use, resulting in drier soils and reduced runoff. Og, for the grasslands that dominate the Great Plains, enhanced productivity during the spring and fall shoulder seasons will be partially offset by drought-driven reductions in summertime productivity, which could present management challenges.

Researchers and citizen scientists invited to join the PhenoCam network of collaborators

The PhenoCam team is actively seeking new collaborators from the research community and tech-savvy citizen scientists. Collaborators are asked to follow PhenoCam project protocol to configure and deploy a standard recommended camera and provide important base information for the data collected. To learn more and to join the network, visit the FAQ page of the PhenoCam website at https://phenocam.sr.unh.edu/webcam/faq/.