Ekosistemlerde bitki örtüsünün sağlığını ve durumunu izlemek için uydu görüntüleri ve uzaktan algılama teknolojileri kullanılmaktadır. Uzun süredir devam eden Landsat programı tarafından birden çok spektral bantta toplanan veriler, araştırmacıların hesaplamasını sağlar. Normalleştirilmiş Fark Bitki Örtüsü Endeksi (NDVI)zaman içinde bitki sağlığı ve arazi örtüsündeki değişiklikleri izlemek için kullanılan.
Son iki çaba bu yaklaşımın çok yönlülüğünü vurgular: Biri egzotik yıllık otların batı ABD randanlarına yayılmasını izler ve diğeri uygulanır makine öğrenimi kıyı bataklıklarında erken stres belirtilerini tespit etmek için NDVI’ya.
CheatGrass adaçayı biyomu için istilacı bir çimdir. Fotoğraf: NPS/Marty Tow, Kamusal Alan.
Bu büyüyen tehdidi izlemek için, araştırmacılar, egzotik yıllık çim (EAG) türlerinin fraksiyonel kapsayı kullanan haftalık bir veri ürünü geliştirdiler.Landsat görüntüleri. Fraksiyonel örtü, belirli bir alandaki belirli bir tür veya arazi örtüsü ile kaplı zemin yüzeyinin oranına, genellikle 0 ile 1 arasında bir yüzde veya ondalık olarak ifade edilir.
Bu veri kümesi, uydu ediniminden 7-13 gün sonra yaklaşık gerçek zamanlı koşulları yakalayarak Nisan ortasına kadar Haziran ayı sonuna kadar haftalık haritalar sağlar. Analiz, uyumlu Landsat’tan hesaplanan onndvi ve diğer spektral indisler ve Sentinel-2 (HLS) Görüntüler. 16 egzotik çim türü ve bir yerli çok yıllık çim türü her hafta izlendi. Bu veri kümesi, arazi yöneticilerinin yüksek bozulma veya yangın riskindeki alanları belirlemelerine ve azaltma veya restorasyon çabalarına odaklanacağına öncelik vermelerine yardımcı olur.
Veriler:
Dahal, D., Boyte, SP, Megard, L., Postma, K. ve Pickick, NJ, 2025, Sagebrush Biome, ABD, 2025 (Ver. 10.0, Haziran 2025) Egzotik Yıllık Çim (EAG) erken tahminleri: ABD Jeolojik Araştırma Veri Çıkışı, /10.5066/p14vqego.
Yer altı modellemesi yoluyla bataklık düşüşünün erken uyarıları
Bilim adamları ayrıca Landsat ve NDVI verilerini kullanıyorlar, ancak kıyı tuz bataklıkları Gürcistan’da. Yayınlanan bir çalışma Ulusal Bilimler Akademisi BildirileriTheBelowground ekosistem esneklik modelinin (BERM) gelişimini açıklar. Bu makine öğrenme modeli, yeraltı biyokütlesindeki düşüşleri tahmin etmek için Landsat kaynaklı bitki örtüsü endekslerini çevresel verilerle entegre eder. Veriler, bataklık toprağını bir arada tutan kök sistemlerinin sağlığını analiz etmek için kullanılır.
San Francisco Körfezi’nin girişinde Alviso Slough ve Guadalupe Nehri arasındaki bataklık. Fotoğraf: Caitlin Dempsey.
Bu çalışmayı önemli kılan şey, yer altı yapıları bozulsa bile, birçok bataklığın yukarıdan sağlıklı görünmesidir. Bu tahminler, kök biyokütlesinin ve hiperspektral ölçümlerin saha örneklemesi ile doğrulanmıştır.
Bu yaklaşım, çöküş devam edene kadar aksi takdirde fark edilmeyebilecek bataklık ekosistemleri için erken uyarı sistemi sağlar.
Çalışma:
Runion, KD, Alber, M., Mishra, Dr, Lever, MA, Hladik, CM ve O’Connell, JL (2025). Tuz bataklığı boğulmasının erken uyarı işaretleri, yer altı bitki biyokütlesinin azaltılmasından kaynaklanan yaygın kırılganlık ile gösterilir.Ulusal Bilimler Akademisi Bildirileri–122(26), E2425501122. Doi: /10.1073/pnas.242550112
Ek referans
Roche, MD, Crist, MR, Aldridge, CL, Sofaer, HR, Jarnevich, CS ve Heinrichs, JA (2024). İstilacı yıllık çimdeki değişim oranları, adaçayı ekosistemlerindeki yönetim eylemlerini bilgilendirmek için.Rangelands–46(6), 183-194. Doi: 10.1016/j.rala.2024.10,001
News
