Een internationaal team van onderzoekers, onder leiding van professor Jin Wu van de School of Biological Sciences van de Universiteit van Hong Kong (HKU), heeft een veelbelovende vooruitgang geboekt bij het in kaart brengen van functionele eigenschappen van planten vanuit de ruimte met behulp van tijdreekssatellietgegevens. Het onderzoek, gepubliceerd in Remote Sensing of Environment , toont de innovatieve combinatie van de Sentinel-2-satellietmissie en zijn dynamische tijdreeksmogelijkheden.

Deze innovatieve aanpak ontsluit niet alleen een dieper inzicht in essentiële bladkenmerken, waardoor cruciale inzichten worden verkregen in de functionele diversiteit en het functioneren van ecosystemen van terrestrische ecosystemen, maar het voorziet ons ook van krachtige hulpmiddelen om dringende milieu-uitdagingen effectief aan te pakken.

De satellieten gebruiken voor diepgaande observaties

Planteigenschappen zijn van vitaal belang bij het reguleren van belangrijke ecosysteemprocessen zoals koolstofvastlegging, regulering van de luchttemperatuur en grootschalige hydrologische regulering. Ze bepalen ook hoe ecosystemen reageren op verschillende omgevingsstressoren, en bepalen uiteindelijk hun gezondheid, veerkracht en kwetsbaarheid voor klimaatverandering.

Het in kaart brengen van deze kenmerken op grote schaal was echter een uitdaging vanwege beperkingen in de bestaande methodologieën, zoals de moeilijkheid bij het vastleggen van kenmerken over grote gebieden en problemen zoals de beschikbaarheid van gegevens, de complexiteit van kenmerken en meettechnieken.

Om deze uitdagingen het hoofd te bieden, heeft het team van professor Wu de kracht van satelliettechnologie benut en een baanbrekende aanpak geïntroduceerd die vegetatiespectroscopie en fenologie combineert. Hun aanpak maakte gebruik van beelden met hoge resolutie van de Sentinel-2-satelliet, die wekelijks multispectrale gegevens vastlegde met een resolutie van 10 meter.

Door deze satellietbeelden te analyseren, observeerde en registreerde het team de reflecties van licht van plantenbladeren, wat waardevolle inzichten opleverde in de fysische en biochemische eigenschappen van de vegetatie. Deze waarnemingen werden vervolgens vergeleken met de timing van gebeurtenissen in de levenscyclus van planten, bekend als fenologie.

Door de gegevens van satellietbeelden en fenologische waarnemingen te integreren, heeft het team uitgebreide informatie kunnen verkrijgen over functionele eigenschappen van planten in hoge dimensies. Deze integratie biedt grote mogelijkheden om zich uit te breiden naar andere dimensies van plantkenmerken, zoals de gezondheid, het functioneren en de veerkracht van planten.

Deze methode onderging grondige en rigoureuze tests om de werkzaamheid, toepasbaarheid op verschillende schaalniveaus en het potentieel voor monitoring met hoge doorvoer te evalueren. Bij de test werd gebruik gemaakt van benchmarkgegevens van twaalf bladkenmerken, verzameld op veertien geografisch afgelegen locaties binnen het National Ecological Observatory Network (NEON) in het oosten van de Verenigde Staten.

Shuwen Liu, de eerste auteur en een Ph.D. kandidaat uit het laboratorium van professor Wu verklaarde:"Onze aanpak legt effectief de diversiteit van planteigenschappen vast op fijne ruimtelijke schalen, terwijl de nauwkeurigheid over grote gebieden behouden blijft." Liu legde verder uit dat hun methode de beperkingen overwint van andere methoden die uitsluitend afhankelijk zijn van functionele typen van planten of het verwerven van afzonderlijke beelden.

De voorgestelde aanpak presteerde beter dan traditionele methoden die afhankelijk zijn van omgevingsvariabelen of afzonderlijke Sentinel-2-beelden als voorspellers, zonder dat omgevingsvariabelen nodig zijn om de voorspellende mogelijkheden te verbeteren. Deze bevinding onderstreept het belang van fenologische informatie bij het voorspellen van eigenschappen en suggereert dat de ‘bladeconomiespectrum’-theorie het onderliggende mechanisme zou kunnen zijn dat hun technische succes aandrijft.

Gezien de bewezen effectiviteit van het model in 14 verschillende ecosysteemlocaties in de Verenigde Staten, is het veelbelovend voor uitbreiding naar nationale en mondiale schaal, waardoor de monitoring van functionele kenmerken van planten van ecosysteem tot regionaal en nationaal niveau mogelijk wordt.

Terugkijkend op het toekomstige potentieel van dit onderzoek zei professor Wu:"Toekomstige studies zullen zich richten op bredere validatie om het potentieel van deze technologie in de grensoverschrijdende basiswetenschap volledig te benutten, zoals het begrijpen van de gevoeligheidsreactie van terrestrische ecosystemen op klimaatverandering en het identificeren van hun respectieve omslagpunten.

"Bovendien is er een groot potentieel voor toegepaste wetenschap, vooral bij het verkennen van op de natuur gebaseerde klimaatoplossingen."

Meer informatie: Shuwen Liu et al, Spectra-fenologie-integratie voor nauwkeurige en schaalbare mapping met hoge resolutie van bladfunctionele eigenschappen met behulp van tijdreeksen Sentinel-2-gegevens, Remote Sensing of Environment (2024). DOI:10.1016/j.rse.2024.114082

Aangeboden door de Universiteit van Hong Kong