Kortlægning af anlægs funktionelle mangfoldighed fra rummet:Økosystemovervågning med ny felt-satellit-integration

Et internationalt team af forskere, ledet af professor Jin Wu fra School of Biological Sciences ved University of Hong Kong (HKU), har gjort et lovende fremskridt med at kortlægge plantefunktionelle egenskaber fra rummet ved hjælp af tidsseriesatellitdata. Undersøgelsen, offentliggjort i Remote Sensing of Environment , viser den innovative kombination af Sentinel-2-satellitmissionen og dens dynamiske tidsseriefunktioner.

Denne innovative tilgang åbner ikke kun op for en dybere forståelse af væsentlige bladegenskaber og giver afgørende indsigt i terrestriske økosystemers funktionelle mangfoldighed og økosystemfunktioner, men den udstyrer os også med kraftfulde værktøjer til effektivt at håndtere presserende miljømæssige udfordringer.

Udnyttelse af satellitterne til dybdegående observationer

Planteegenskaber er afgørende for regulering af vigtige økosystemprocesser såsom kulstofbinding, lufttemperaturregulering og storskala hydrologisk regulering. De bestemmer også, hvordan økosystemer reagerer på forskellige miljøstressorer, hvilket i sidste ende bestemmer deres sundhed, modstandsdygtighed og sårbarhed over for klimaændringer.

Imidlertid har storstilet kortlægning af disse egenskaber været udfordrende på grund af begrænsninger i eksisterende metoder, såsom vanskeligheden ved at fange karaktertræk på tværs af store områder og spørgsmål såsom datatilgængelighed, karaktertrækkompleksitet og måleteknikker.

For at overvinde disse udfordringer udnyttede professor Wus team kraften i satellitteknologi og introducerede en banebrydende tilgang, der kombinerer vegetationsspektroskopi og fænologi. Deres tilgang brugte billeder i høj opløsning fra Sentinel-2-satellitten, som fangede multispektrale data med et ugentligt interval med en opløsning på 10 meter.

Ved at analysere disse satellitbilleder observerede og registrerede holdet lysreflektionerne fra planteblade, hvilket gav værdifuld indsigt i vegetationens fysiske og biokemiske egenskaber. Disse observationer blev derefter sammenlignet med timingen af ​​plantelivscyklushændelser, kendt som fænologi.

Ved at integrere data fra satellitbilleder og fænologiske observationer har holdet været i stand til at opnå omfattende information om plantefunktionelle egenskaber på tværs af høje dimensioner. Denne integration rummer et stort potentiale for at udvide til andre dimensioner af plantekarakteristika, såsom plantesundhed, funktion og modstandsdygtighed.

Denne metode gennemgik grundige og strenge tests for at evaluere dens effektivitet, anvendelighed på tværs af forskellige skalaer og potentiale for high-throughput overvågning. Testen brugte benchmarkdata for 12 bladtræk indsamlet fra 14 geografisk fjerne steder inden for National Ecological Observatory Network (NEON) i det østlige USA.

Shuwen Liu, den første forfatter og en ph.d. kandidat fra professor Wus laboratorium, udtalte:"Vores tilgang fanger effektivt mangfoldigheden af ​​planteegenskaber i fine rumlige skalaer, mens vi opretholder nøjagtigheden over store områder." Liu forklarede yderligere, at deres metode overvinder begrænsningerne ved andre metoder, der udelukkende er afhængige af plantefunktionelle typer eller enkeltbilledeoptagelser.

Den foreslåede tilgang overgik traditionelle metoder, der er afhængige af miljøvariabler eller enkelte Sentinel-2-billeder som prædiktorer uden at kræve miljøvariabler for at forbedre forudsigelsesevnen. Denne opdagelse understreger betydningen af ​​fænologisk information i egenskabsforudsigelse og antyder, at teorien om "bladøkonomisk spektrum" kan være den underliggende mekanisme, der driver deres tekniske succes.

I betragtning af modellens dokumenterede effektivitet i 14 forskellige økosystemsteder i hele USA, viser den et stort løfte om udvidelse til national og global skala, og muliggør derved overvågning af plantefunktionelle egenskaber fra økosystem til regionalt og nationalt niveau.

Ved at reflektere over det fremtidige potentiale i denne forskning sagde professor Wu:"Fremtidige undersøgelser vil fokusere på bredere validering for fuldt ud at udnytte denne teknologis potentiale inden for grænseoverskridende grundvidenskab, såsom at forstå terrestriske økosystemers følsomhedsreaktion på klimaændringer og identificere deres respektive tippepunkter.

"Derudover er der et stort potentiale for anvendt videnskab, især i at udforske naturbaserede klimaløsninger."

Flere oplysninger: Shuwen Liu et al., Spectra-phenology integration til høj opløsning, nøjagtig og skalerbar kortlægning af bladfunktionelle træk ved hjælp af tidsserie Sentinel-2 data, Remote Sensing of Environment (2024). DOI:10.1016/j.rse.2024.114082

Leveret af The University of Hong Kong