Andere Kunden interessierten sich auch für
![The Use of Soils East of the Great Plains Region]( "The Use of Soils East of the Great Plains Region")
The Use of Soils East of the Great Plains Region23,99 €![Field Guide to Diseases and Insects of the Rocky Mountain Region]( "Field Guide to Diseases and Insects of the Rocky Mountain Region")
Field Guide to Diseases and Insects of the Rocky Mountain Region59,99 €![Pre-Feasibility Study of Crop and Small and Medium-Sized Enterprises Insurance Pilots for Nepal's Municipalities]( "Pre-Feasibility Study of Crop and Small and Medium-Sized Enterprises Insurance Pilots for Nepal's Municipalities")
Pre-Feasibility Study of Crop and Small and Medium-Sized Enterprises Insurance Pilots for Nepal's Municipalities35,99 €![Regenerating Forests and Livelihoods in Nepal]( "Regenerating Forests and Livelihoods in Nepal")
Regenerating Forests and Livelihoods in Nepal35,99 €![Charakterisierung der Fischereitätigkeit in der RFLO]( "Charakterisierung der Fischereitätigkeit in der RFLO")
Charakterisierung der Fischereitätigkeit in der RFLO60,90 €![Sortenempfindlichkeit und Bewertung von Getreideschutzmitteln]( "Sortenempfindlichkeit und Bewertung von Getreideschutzmitteln")
Sortenempfindlichkeit und Bewertung von Getreideschutzmitteln79,90 €![Kenntnisse und Anwendung des integrierten Pflanzenschutzes durch Reisbauern]( "Kenntnisse und Anwendung des integrierten Pflanzenschutzes durch Reisbauern")
Kenntnisse und Anwendung des integrierten Pflanzenschutzes durch Reisbauern49,90 €
Wälder spielen eine wichtige Rolle in den globalen Kohlenstoffkreisläufen, was eine genaue Schätzung der oberirdischen Biomasse (AGB) für Klimastrategien erforderlich macht. Diese Studie konzentriert sich auf das zentrale Terai in Nepal und integriert luftgestütztes LiDAR, Feldinventur und Satellitenbilder (PlanetScope, Sentinel-2) zur Schätzung der AGB. Es wurden LiDAR-Daten (32 Metriken) und Feldmessungen (110 Parzellen) verwendet, wobei Random Forest (RF) die schrittweise lineare Regression übertraf (R² = 0,85, RMSE = 60,9 t/ha). Eine weitere Integration mit Sentinel-2 verbesserte die Genauigkeit (R² = 0,92, RMSE = 44,58 t/ha). Die Verteilung der AGB wurde durch Klima, Topografie und menschliche Aktivitäten beeinflusst, wobei Landnutzung, Temperatur und Niederschlag 64 % der Variabilität erklärten. Höhere AGB wurden mit gemäßigten Klimabedingungen, Höhenlage und Flussnähe in Verbindung gebracht, während sich Straßen negativ auf die Biomasse auswirkten. Die Studie unterstreichtden Nutzen von LiDAR, die Rolle des maschinellen Lernens bei der Verbesserung der AGB-Schätzung und die Notwendigkeit integrierter Fernerkundungsansätze für eine nachhaltige Waldbewirtschaftung und Klimaanpassung in Regionen mit großer biologischer Vielfalt.