Екологія Тема 8: Моніторинг біорізноманіття з…

Датчики та Дані

Оптичні (багатоспектральні/гіперспектральні), радарні, лідарні

Часовий розділ та зменшення впливу хмар

Показники

Характеристики середовища проживання/стан, фрагментація та показники функціональної різноманітності.

жива демонстрація · пов'язана симуляція● LIVE

Поточні процеси

Підготовка даних, розробка ознак, класифікація/регресійний аналіз машинного навчання та врахування невизначеності.

Приклади

Приклад: Індекс стану середовища існування (ІСС)

Сформуйте багаторічні композити.

Навчіть модель на основних ділянках (ґрунтових площадках).

Картуйте тенденції з урахуванням невизначеності.

Часті запитання

Який сенсор для лісів?

Використовуйте комбінацію оптичних даних для прокси видів та LiDAR для структури.

Як обробляти хмари?

Використовуйте композитування та радар; застосовуйте заповнення прогалин.

Який просторовий масштаб?

Відповідайте потребам видів/території проживання та політики.

Земні дані (Ground truth)?

Використовуйте польові осередки та науку громадян, з контролем якості.

Платформи даних?

Використовуйте відкриті архіви та хмарні платформи обробки даних.

Зменшення упереджень (Bias mitigation)?

Застосовуйте стратифіковане відбір проб та адаптацію до домену.

Політичні посилання?

Вирівнюйте з GBF та національними показниками.

Вартість?

Відкриті дані знижують витрати; обчислення та анотації домінують.

Ліцензування?

Дотримуйтесь ліцензій даних, особливо від комерційних сенсорів.

Повторюваність (Reproducibility)?

Публікуйте код, параметри та версії.

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте Trophic Cascade — Food Web & Population Dynamics Simulator і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.

▶ Відкрити симуляцію Trophic Cascade — Food Web & Population Dynamics Simulator

Моніторинг біорізноманіття з використанням дистанційного зондування