湿地の生態系における栄養循環のハイブリッド空間時間モデリングは,高度なマッピング技術と機械学習のアプローチを使用して行われます

科学分野:

• 環境科学 環境科学
• リモートセンシング (リモートセンサー)
• エコロジー エコロジー エコロジー

背景:

• 湿地の栄養素の正確なモニタリングは,保全に不可欠ですが,従来の方法によって挑戦されています.
• 既存のフィールドテクニックは,湿地全体のダイナミクスを効果的に捉えるのに苦労しています.
• 先進的なモニタリングソリューションの開発は,生態系の健康にとって極めて重要です.

研究 の 目的:

• 湿地の空間時間的な栄養素モニタリングのための新しい2段階のハイブリッドランダムフォレスト回帰フレームワークを開発し,検証する.
• Google Earth Engine を使用した湿地の特徴と衛星画像 (Sentinel-1, Sentinel-2) を使って,インシトゥの水質データを統合する.
• 窒素とリン濃度を予測し,Beavercreek Wetlands Greenwayのドライバーを分析するために.

主な方法:

• ランダムフォレストの2段階の回帰モデルが採用され,離散的な湿地の特徴と連続的な衛星による予測値を統合した.
• このフレームワークはGoogle Earth Engineを利用して,Sentinel-1とSentinel-2からの画像と,現地の水質データを処理した.
• Beavercreek Wetlands Greenwayの四半期毎の窒素とリン濃度が4年間で (2021-2024) 予測されました.

主要な成果:

• 2段階のモデルは,窒素 (R2 = 0.90) とリン (R2 = 0.89) に対して高い予測精度を達成しました.
• 窒素濃度の要因には,景観の要因や遠隔感知による生体物理的条件が含まれる.
• リン濃度は,主に開発された土地利用からの源負荷の影響を受けていた.

結論:

• 開発されたフレームワークは,伝統的な方法の限界を克服し,正確な空間時間的な栄養分モニタリングを提供します.
• 変数の重要性の分析により,窒素とリンに対する明確な要因が明らかになり,ターゲット管理に情報を提供しました.
• 時空地図は,季節的な窒素ストレスと,研究された湿地システムにおけるリン酸化障害からの回復を示した.