混合温帯森林における多様式遠隔観測と機械学習による地上のバイオマスの推定
Shashika Himandi Gardeye Lamahewage1, Chandi Witharana2,3, Rachel Riemann4
1Department of Natural Resources and the Environment, College of Agriculture, Health and Natural Resources, University of Connecticut, Storrs, CT, 06269, USA. shashika_himandi.lamahewa@uconn.edu.
森林の地面上の木のバイオマス (AGB) を正確に推定することは,炭素貯蔵の評価にとって極めて重要です. この研究では遠隔検知データとランダムフォレストアルゴリズムを使用して AGB予測モデルを改良し,森林の炭素モニタリングの効率を高めています.
科学分野:
- 林業
- リモートセンシング
- エコロジー
背景:
- 森林の炭素貯蔵の評価には,地上の木のバイオマス (AGB) が不可欠です.
- 伝統的な森林調査と分析 (FIA) の方法では,精細な解像度の AGB 推定値の採取量が不足しています.
- 森林の炭素モニタリングに より効率的なアプローチを 提供しています
研究 の 目的:
- ランダムフォレスト (RF) アルゴリズムを使用して地上の樹木バイオマス (AGB) の正確な予測モデルを開発する.
- AGBの推定における様々な遠隔感知データ源の有効性を評価する.
- 森林の炭素モニタリングの効率と精度を決定のために向上させる.
主な方法:
- 3つの遠隔感知データソース (LiDAR,航空画像,衛星画像) から得られた67の説明変数を使用した.
- AGB予測のための9つのランダムフォレスト (RF) モデルを開発し,それぞれ変数選択とハイパーパラメータチューニングを行いました.
- RMSE (ルーツ・ミーン・スクエア・エラー) とR2 (R2) のようなメトリクスを用いてモデルのパフォーマンスを評価した.
主要な成果:
- 最適なRFモデルは28の説明変数を組み込み,RMSE 27.19 Mgha−1とR2 0.41を達成しました.
- LiDARデータと航空画像と衛星画像を組み合わせることで,AGB予測の精度が大幅に改善されました.
- 大面積のバイオマスマッピングのための統合されたRSデータの可能性が示されました.
結論:
- リモートセンシングデータは,特に組み合わせた場合 (例えば,画像とLiDAR) で,地上の樹木バイオマス (AGB) の推定の精度を大幅に高めます.
- ランダムフォレストアルゴリズムは,予測可能な AGB モデルを開発するための堅牢な枠組みを提供します.
- RSを用いたAGBの見積もりの改善は,効果的な炭素貯蔵量評価と情報に基づいた気候変動の意思決定に不可欠です.
さらに関連する動画
04:35Development of an Individual-Tree Basal Area Increment Model using a Linear Mixed-Effects Approach
Published on: July 3, 2020
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
関連する概念動画
Light Acquisition
Softwoods and Hardwoods
