較正された不確実性を用いたGEDIバイオマスの時空間補間

Abstract

森林伐採に起因する炭素排出を監視するには、較正された不確実性を伴う、地理的に明示的でありかつ時間的に連続した地上バイオマス密度（AGBD）の推定が必要です。NASAのGlobal Ecosystem Dynamics Investigation（GEDI）は、信頼性の高いLIDAR由来のAGBDを提供しますが、軌道上のサンプリングにより、時空間カバレッジが不規則になり、さらに、まれに運用上の中断が発生します。たとえば2023年3月から2024年4月までの13か月間の休眠があり、観測記録には大きな欠測期間が生じます。これまでの研究では、衛星由来の特徴量を用いてGEDIの空間的な欠落を埋める機械学習アプローチが用いられてきましたが、観測されていない期間、とりわけ活発な攪乱イベントをまたぐ期間におけるバイオマスの時間補間は、ほとんど未解決のままです。さらに、バイオマスのマッピングに対する標準的なアンサンブル手法は、予測区間が体系的に較正不良になることが示されています。これらのギャップに対処するために、以前は空間的なバイオマス補間に適用されていたAttentive Neural Process（ANP）フレームワークを拡張し、地理空間の基盤モデル埋め込みを用いて、疎な時空間の設定で共同に扱えるようにします。空間と時間を対称に扱い、経験的に、ある時間における近傍地点の観測が、保持された（見えない）期間の予測に情報を与える、いわゆる「space-for-time substitution（空間のための時間置換）」の一形態を検証します。提案手法の結果は、ANPが攪乱のさまざまなレジームにわたってよく較正された不確実性推定を生み出すことを示しており、森林の炭素計上において信頼できる不確実性の定量化を必要とする、Measurement, Reporting, and Verification（MRV）アプリケーションでの利用を支えます。