Overview

Le foreste svolgono un ruolo vitale nei cicli globali del carbonio, rendendo necessaria una stima accurata della biomassa fuori terra (AGB) per le strategie climatiche. Questo studio si concentra sul Terai centrale del Nepal, integrando LiDAR aereo, inventario sul campo e immagini satellitari multisorgente (PlanetScope, Sentinel-2) per la stima della AGB. Sono stati utilizzati dati LiDAR (32 metriche) e misurazioni sul campo (110 appezzamenti), con Random Forest (RF) che ha superato la regressione lineare stepwise (R² = 0,85, RMSE = 60,9 ton/ha). L'ulteriore integrazione con Sentinel-2 ha migliorato l'accuratezza (R² = 0,92, RMSE = 44,58 ton/ha). La distribuzione dell'AGB è stata influenzata dal clima, dalla topografia e dalle attività umane, con l'uso del suolo, la temperatura e le precipitazioni che hanno spiegato il 64% della variabilità. Una maggiore AGB è stata collegata a condizioni climatiche moderate, all'altitudine e alla vicinanza di un fiume, mentre le strade hanno avuto un impatto negativo sulla biomassa. Lo studio evidenzia l'utilità del LiDAR, il ruolo dell'apprendimento automatico nel migliorare la stima dell'AGB e la necessità di approcci integrati di telerilevamento per la gestione sostenibile delle foreste e l'adattamento al clima nelle regioni ricche di biodiversità.

Full Product Details

9786209294389

Table of Contents

Reviews

Author Information

Tab Content 6

Countries Available