Advancing Ecosystem Monitoring with Global High-Resolution Maps of Vegetation Biophysical Properties

Om de gezondheid van onze planeet te begrijpen, hebben wetenschappers zich lang vertrouwd op het meten van de groenheid van de vegetatie. Deze groenheid is niet slechts een kwestie van kleur; het is een surrogaat voor het leven zelf. Wanneer planten groeien, absorberen ze zonlicht om hun metabolisme aan te drijven, een proces dat de wereldwijde watercyclus aandrijft, koolstof opslaat en de voedselwebben ondersteunt die dieren en mensen in stand houden. Decennialang hebben onderzoekers satellieten gebruikt om deze groene hartslag vanuit de ruimte te observeren, maar het beeld was vaak wazig. De meest gedetailleerde wereldkaarten die tot nu toe beschikbaar waren, leken op foto's met een lage resolutie, waarbij een enkele pixel een gebied kon beslaan dat groter was dan een klein stadje, waardoor bossen, boerderijen en velden werden samengevoegd tot één onduidelijk gemiddelde. Dit gebrek aan detail maakte het moeilijk om specifieke veranderingen in individuele ecosystemen te zien, zoals het herstel van een klein bos na een brand of de precieze impact van een nieuwe landbouwtechniek op een lokale strook land. Om de ecosystemen van de aarde werkelijk te monitoren, hebben we een beeld nodig dat scherp genoeg is om de individuele bomen en velden te zien die het landschap vormen.

Een team van onderzoekers heeft nu een nieuwe wereldwijde dataset gecreëerd die deze helderheid tot leven brengt. Ze hebben een reeks hoogresolutiekaarten geproduceerd die de fysieke eigenschappen van de vegetatie over de gehele aarde laten zien, jaarlijks bijgewerkt van 2019 tot 2025. Deze kaarten, die de planeet beslaan met een resolutie van slechts 20 meter, onthullen de hoeveelheid bladareaal, het deel van het zonlicht dat door planten wordt geabsorbeerd, en het percentage van de grond dat door vegetatie wordt bedekt. Door geavanceerde computersimulaties te combineren met real-world metingen op de grond, heeft het team een systeem ontwikkeld dat de door satelliet sensoren gereflecteerde licht kan vertalen naar precieze schattingen van hoeveel groen leven er in elke vierkante meter van de planeet bestaat. Deze prestatie vult een kritieke kloof in ons vermogen om milieuverandering te volgen, en biedt een instrument dat zowel globaal consistent als gedetailleerd genoeg is om lokale natuurbehoudinspanningen te ondersteunen.

De onderzoekers, onder leiding van Felix Specker en zijn collega's, bouwden hun systeem door een computer te leren de relatie te begrijpen tussen het licht dat van de aarde weerkaatst en de planten die dat licht creëren. Ze begonnen met een fysisch model dat simuleert hoe zonlicht door een bladerdek reist, interageert met de bodem eronder, en terug de ruimte in reflecteert. Dit model is geworteld in de wetten van de fysica, die beschrijven hoe de structuur van een blad en de dichtheid van een bos de kleur en intensiteit van het licht bepalen dat we zien. Een fysisch model alleen is echter niet voldoende om de complexe signalen die door satellieten worden opgevangen te interpreteren. Om deze kloof te overbruggen, gebruikte het team een enorme collectie real-world data. Ze verzamelden meer dan 11.000 metingen van meetstations in de Verenigde Staten, Europa en Australië, waar wetenschappers direct de bladareaal en de absorptie van zonlicht van de lokale vegetatie hadden gemeten.

Met deze grondmetingen als gids trainde het team een machine learning-algoritme om patronen in de satellietgegevens te herkennen. Het algoritme leerde de specifieke spectrale signaturen die door de Sentinel-2 satelliet worden vastgelegd te koppelen aan de overeenkomstige fysieke eigenschappen van de vegetatie eronder. Dit proces omvatte een rigoureuze testfase waarbij het model werd uitgedaagd om de eigenschappen van vegetatie in regio's te voorspellen die het nog nooit eerder had gezien, om er zeker van te zijn dat het zijn kennis naar de hele wereld kon generaliseren. Het resultaat is een reeks kaarten die niet slechts theoretische schattingen zijn, maar gekalibreerd zijn tegen duizenden echte observaties. Het team stelde vast dat hun nieuwe kaarten beter presteerden dan bestaande methoden en de nuances van verschillende ecosystemen nauwkeurig vastlegden, van dichte tropische regenwouden tot open graslanden en landbouwvelden.

Een van de meest significante aspecten van dit werk is de aandacht die is besteed aan onzekerheid. De onderzoekers produceerden niet alleen één enkel getal voor elke pixel; ze berekenden ook hoe zeker zij zijn van dat getal. Ze maakten onderscheid tussen twee soorten onzekerheid: de fout die kan optreden in een enkele momentopname gemaakt door de satelliet, en de variatie die ontstaat bij het bekijken van meerdere momentopnames gedurende een jaar. Dit onderscheid is cruciaal voor het correct interpreteren van de gegevens. Een hoog niveau van variatie in de jaarlijkse gegevens kan bijvoorbeeld wijzen op een bos dat seizoensgebonden veranderingen ondergaat of op inconsistente weersomstandigheden tijdens de satellietpassages, in plaats van een permanente verandering in de vegetatie zelf. Door deze onzekerheidsschattingen naast de hoofdgegevens te verstrekken, stelt het team gebruikers in staat om weloverwogen beslissingen te nemen over de interpretatie van de kaarten, of ze nu het herstel van een aangetast landschap volgen of de gezondheid van een specifiek gewas beoordelen.

De kaarten onthullen de vegetatie van de aarde met ongekende detailgraad. In de tropische regenwouden van het Congobekken laten de gegevens de ingewikkelde patronen van boombedekking en de impact van wegennetwerken die door het bladerdak snijden zien. In de bossen van Zweden kunnen de kaarten de precieze grenzen detecteren van gebieden waar bomen zijn geoogst, waarbij de directe verandering in vegetatiebedekking zichtbaar is op de schaal van een enkele hectare. In de landbouwregio's van de Verenigde Staten leggen de kaarten de subtiele verschillen tussen gewastypes en de variërende groeistadia vast. De onderzoekers toonden aan dat hun hoogresolutiekaarten veranderingen kunnen detecteren die volledig onzichtbaar zijn in grovere, lager-resolutie gegevens. Wanneer zij hun gedetailleerde 20-meterkaarten aggregeerden naar grotere 300-meter pixels, begonnen de scherpe signalen van bosoogsten en kleinschalige herstelprojecten te vervagen en te verdwijnen, wat de unieke waarde van hun fijnere schaal benadrukt.

Deze nieuwe dataset is ontworpen als een praktisch hulpmiddel voor wetenschappers, beleidsmakers en natuurbeschermers. Het is gratis beschikbaar en kan worden geraadpleegd via online platforms die gebruikers de mogelijkheid bieden de gegevens voor elk deel van de wereld te verkennen. Het team heeft ook een softwarepakket uitgebracht waarmee gebruikers hun eigen kaarten kunnen genereren voor specifieke perioden en locaties, waardoor de gegevens aanpasbaar zijn aan een breed scala aan onderzoeksvragen. Hoewel de kaarten ongelooflijk gedetailleerd zijn, merkt het onderzoeksteam zorgvuldig hun beperkingen op. De nauwkeurigheid van de gegevens hangt af van de beschikbaarheid van heldere satellietbeelden, die schaars kunnen zijn in regio's met veel bewolking, zoals delen van de Amazone en Oost-Afrika. Bovendien is het model getraind op data die momenteel overvloediger aanwezig zijn in Noord-Amerika en Europa, wat betekent dat het vertrouwen in de resultaten het hoogst is in deze regio's. Het team erkent dat er meer grondmetingen nodig zijn in andere delen van de wereld om het model verder te verfijnen en de nauwkeurigheid overal te waarborgen.

De creatie van deze kaarten vormt een belangrijke stap voorwaarts in ons vermogen om de planeet te monitoren. Door een helder, consistent en gedetailleerd beeld van de vegetatie van de aarde te bieden, hebben de onderzoekers de wereldgemeenschap een krachtig nieuw venster gegeven om de effecten van klimaatverandering, landdegradatie en herstelinspanningen te observeren. De gegevens vertellen ons niet alleen waar het groen is; ze vertellen ons hoeveel groen er is, hoeveel zonlicht het opvangt en hoe dat in de loop van de tijd verandert. Dit niveau van detail is essentieel voor het verifiëren van het succes van internationale overeenkomsten gericht op het herstellen van ecosystemen en het beschermen van biodiversiteit. Terwijl de wereld geconfronteerd wordt met toenemende milieuproblemen, is het hebben van een instrument dat zowel het bos als de bomen met gelijke helderheid kan zien niet alleen een wetenschappelijke vooruitgang; het is een noodzakelijke stap naar het beheer van de toekomst van onze planeet.