|
CMS 2019 Projects (NRA 2018)
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Bowman (CMS 2016) (2017) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project Title: | A decadal carbon reanalysis from the NASA Carbon Monitoring System Flux (CMS-Flux) project | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Science Team |
Kevin Bowman, JPL
(Project Lead)
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Solicitation: | NASA: Carbon Monitoring System (2016) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Precursor Projects: | Bowman (CMS 2014) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Successor Projects: | Bowman (CMS 2022) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Abstract: |
Dramatic increases in atmospheric CO2 from preindustrial to present day are the primary driver of climate change. The spatial origin of the CO2 growth rate and its variability is a complex function of anthropogenic, terrestrial, and oceanic processes. While well constrained at global scales, the tilt of anthropogenic emissions towards developing countries has increased regional uncertainty at levels that rival natural variability. Patterns of climate variability, including the 2010 and 2015 El Ninos, directly affect the airborne fraction through spatially complex land carbon processes such as fires, gross primary productivity (GPP), and respiration while modulating atmosphere-ocean pCO2 exchange across entire ocean basins. Changes in the frequency and intensity of climate anomalies may alter the trajectory of carbon storage and fluxes leading to carbon-climate feedbacks. The combination of regional emissions and natural fluxes complicates the attribution of expected changes in atmospheric CO2 to carbon mitigation strategies such as those proposed by Paris Climate Accord.
In order to improve this attribution, we propose a decadal carbon reanalysis from 2010- 2019 that will build upon, extend, and improve products developed under the NASA CMS-Flux, which was initiated during the first phase of the CMS pilot studies. These products will include observationally-constrained and spatially-explicit bottom-up' estimates of anthropogenic, oceanic, and terrestrial carbon fluxes and uncertainties, which are a continuation of anthropogenic emissions from the Fossil Fuel Assimilation System (FFDAS) and assimilated oceanic pCO2 fluxes from ECCO-Darwin. The terrestrial ecosystem fluxes will be derived from the C data model framework (CARDAMOM) assimilation system, which will ingest satellite-constrained biomass and productivity measures including solar induced fluorescence from GOSAT and OCO-2. Atmospheric observations of CO2 from GOSAT and OCO-2 along with CO from MOPITT will be assimilated into the CMS-Flux framework to produce spatially-resolved 'top-down' estimates of total and fire fluxes, respectively.
To achieve decadal scale fluxes, we will link two state-of-the-art data assimilation approaches: ensemble Kalman filtering and 4D-variational methodologies. In order to provide improvements in the characterization of CMS-Flux products and uncertainties, an innovative optimal reduced flux basis technique will be used to calculate critical diagnostics such as degrees of freedom and posterior uncertainty correlations. Inferred fluxes will be evaluated against atmospheric observations based upon a new method introduced in Liu et al 2016 that attributes model-data concentration differences to regional fluxes. Bottom-up estimates will be evaluated against independent data where available such as FLUXCOM.
Taken together, the proposed extension of CMS-Flux will be one of the most advanced carbon cycle data assimilation systems available covering a decade that includes the 2nd largest El Nino on record, the 5 highest global temperatures since the 19th century, and a global agreement to curb carbon emissions. Products from CMS-Flux will fill an important need of the carbon community to relate changes in atmospheric CO2 growth rate to regional anthropogenic, land, and oceanic drivers. These in turn provide the broad carbon context to understand the efficacy of carbon mitigation strategies. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Participants: |
Alexis (Anthony) Bloom, Jet Propulsion Lab, California Institute of Technology | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project URL(s): |
https://cmsflux.jpl.nasa.gov/ | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Data Products: |
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Publications: |
Barkhordarian, A., Bowman, K. W., Cressie, N., Jewell, J., Liu, J. 2021. Emergent constraints on tropical atmospheric aridity--carbon feedbacks and the future of carbon sequestration. Environmental Research Letters. 16(11), 114008. DOI: 10.1088/1748-9326/ac2ce8 Bloom, A. A., Bowman, K. W., Liu, J., Konings, A. G., Worden, J. R., Parazoo, N. C., Meyer, V., Reager, J. T., Worden, H. M., Jiang, Z., Quetin, G. R., Smallman, T. L., Exbrayat, J., Yin, Y., Saatchi, S. S., Williams, M., Schimel, D. S. 2020. Lagged effects regulate the inter-annual variability of the tropical carbon balance. Biogeosciences. 17(24), 6393-6422. DOI: 10.5194/bg-17-6393-2020 Butler, M. P., Lauvaux, T., Feng, S., Liu, J., Bowman, K. W., Davis, K. J. 2020. Atmospheric Simulations of Total Column CO2 Mole Fractions from Global to Mesoscale within the Carbon Monitoring System Flux Inversion Framework. Atmosphere. 11(8), 787. DOI: 10.3390/atmos11080787 Byrne B, Liu J, Lee M, Baker I, Bowman K W, Deutscher N M, Feist D G, Griffith D W T, Iraci L T, Kiel M, Kimball J S, Miller C E, Morino I, Parazoo N C, Petri C, Roehl C M, Sha M K, Strong K, Velazco V A, Wennberg P O, Wunch D. 2020 Improved Constraints on Northern Extratropical CO2 Fluxes Obtained by Combining Surface-Based and Space-Based Atmospheric CO2 Measurements. Journal of Geophysical Research: Atmospheres. 125(15). DOI: 10.1029/2019JD032029 Carroll, D., Menemenlis, D., Adkins, J. F., Bowman, K. W., Brix, H., Dutkiewicz, S., Fenty, I., Gierach, M. M., Hill, C., Jahn, O., Landschutzer, P., Lauderdale, J. M., Liu, J., Manizza, M., Naviaux, J. D., Rodenbeck, C., Schimel, D. S., Van der Stocken, T., Zhang, H. 2020. The ECCO-Darwin Data-Assimilative Global Ocean Biogeochemistry Model: Estimates of Seasonal to Multidecadal Surface Ocean p CO 2 and Air-Sea CO 2 Flux. Journal of Advances in Modeling Earth Systems. 12(10). DOI: 10.1029/2019MS001888 Carroll, D., Menemenlis, D., Dutkiewicz, S., Lauderdale, J. M., Adkins, J. F., Bowman, K. W., Brix, H., Fenty, I., Gierach, M. M., Hill, C., Jahn, O., Landschutzer, P., Manizza, M., Mazloff, M. R., Miller, C. E., Schimel, D. S., Verdy, A., Whitt, D. B., Zhang, H. 2022. Attribution of Space-Time Variability in Global-Ocean Dissolved Inorganic Carbon. Global Biogeochemical Cycles. 36(3). DOI: 10.1029/2021GB007162 Crowell, S., Baker, D., Schuh, A., Basu, S., Jacobson, A. R., Chevallier, F., Liu, J., Deng, F., Feng, L., McKain, K., Chatterjee, A., Miller, J. B., Stephens, B. B., Eldering, A., Crisp, D., Schimel, D., Nassar, R., O'Dell, C. W., Oda, T., Sweeney, C., Palmer, P. I., Jones, D. B. A. 2019. The 2015-2016 carbon cycle as seen from OCO-2 and the global in situ network. Atmospheric Chemistry and Physics. 19(15), 9797-9831. DOI: 10.5194/acp-19-9797-2019 Konings, A. G., Bloom, A. A., Liu, J., Parazoo, N. C., Schimel, D. S., Bowman, K. W. 2019. Global satellite-driven estimates of heterotrophic respiration. Biogeosciences. 16(11), 2269-2284. DOI: 10.5194/bg-16-2269-2019 Liao, E., Resplandy, L., Liu, J., Bowman, K. W. 2020. Amplification of the Ocean Carbon Sink During El Ninos: Role of Poleward Ekman Transport and Influence on Atmospheric CO 2. Global Biogeochemical Cycles. 34(9). DOI: 10.1029/2020GB006574 Liu, J., Baskaran, L., Bowman, K., Schimel, D., Bloom, A. A., Parazoo, N. C., Oda, T., Carroll, D., Menemenlis, D., Joiner, J., Commane, R., Daube, B., Gatti, L. V., McKain, K., Miller, J., Stephens, B. B., Sweeney, C., Wofsy, S. 2021. Carbon Monitoring System Flux Net Biosphere Exchange 2020 (CMS-Flux NBE 2020). Earth System Science Data. 13(2), 299-330. DOI: 10.5194/essd-13-299-2021 Liu, J., Bowman, K. W., Schimel, D. S., Parazoo, N. C., Jiang, Z., Lee, M., Bloom, A. A., Wunch, D., Frankenberg, C., Sun, Y., O'Dell, C. W., Gurney, K. R., Menemenlis, D., Gierach, M., Crisp, D., Eldering, A. 2017. Contrasting carbon cycle responses of the tropical continents to the 2015-2016 El Nino. Science. 358(6360). DOI: 10.1126/science.aam5690 Liu, J., Bowman, K., Parazoo, N. C., Bloom, A. A., Wunch, D., Jiang, Z., Gurney, K. R., Schimel, D. 2018. Detecting drought impact on terrestrial biosphere carbon fluxes over contiguous US with satellite observations. Environmental Research Letters. 13(9), 095003. DOI: 10.1088/1748-9326/aad5ef Liu, J., Wennberg, P. O., Parazoo, N. C., Yin, Y., Frankenberg, C. 2020. Observational Constraints on the Response of High-Latitude Northern Forests to Warming. AGU Advances. 1(4). DOI: 10.1029/2020AV000228 Parazoo, N. C., Bowman, K. W., Baier, B. C., Liu, J., Lee, M., Kuai, L., Shiga, Y., Baker, I., Whelan, M. E., Feng, S., Krol, M., Sweeney, C., Runkle, B. R., Tajfar, E., Davis, K. J. 2021. Covariation of Airborne Biogenic Tracers (CO 2 , COS, and CO) Supports Stronger Than Expected Growing Season Photosynthetic Uptake in the Southeastern US. Global Biogeochemical Cycles. 35(10). DOI: 10.1029/2021GB006956 Quetin, G. R., Bloom, A. A., Bowman, K. W., Konings, A. G. 2020. Carbon Flux Variability From a Relatively Simple Ecosystem Model With Assimilated Data Is Consistent With Terrestrial Biosphere Model Estimates. Journal of Advances in Modeling Earth Systems. 12(3). DOI: 10.1029/2019MS001889 Schuh, A. E., Jacobson, A. R., Basu, S., Weir, B., Baker, D., Bowman, K., Chevallier, F., Crowell, S., Davis, K. J., Deng, F., Denning, S., Feng, L., Jones, D., Liu, J., Palmer, P. I. 2019. Quantifying the Impact of Atmospheric Transport Uncertainty on CO 2 Surface Flux Estimates. Global Biogeochemical Cycles. 33(4), 484-500. DOI: 10.1029/2018GB006086 Worden, J., Saatchi, S., Keller, M., Bloom, A. A., Liu, J., Parazoo, N., Fisher, J. B., Bowman, K., Reager, J. T., Fahy, K., Schimel, D., Fu, R., Worden, S., Yin, Y., Gentine, P., Konings, A. G., Quetin, G. R., Williams, M., Worden, H., Shi, M., Barkhordarian, A. 2021. Satellite Observations of the Tropical Terrestrial Carbon Balance and Interactions With the Water Cycle During the 21st Century. Reviews of Geophysics. 59(1). DOI: 10.1029/2020RG000711 Yin, Y., Bowman, K., Bloom, A. A., Worden, J. 2019. Detection of fossil fuel emission trends in the presence of natural carbon cycle variability. Environmental Research Letters. 14(8), 084050. DOI: 10.1088/1748-9326/ab2dd7 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Archived Data Citations: |
Liu, J., Baskarran, L., Bowman, K., Schimel, D., Bloom, A. A.,
Parazoo, N., Oda, T., Carrol, D., Menemenlis, D., Joiner, J.,
Commane, R., Daube, B., Gatti, L. V., McKain, K., Miller, J.,
Stephens, B. B., Sweeney, C., and Wofsy, S.: CMS-Flux NBE
2020 [Data set], NASA, DOI: 10.25966/4V02-C391
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Dietze (CMS 2016) (2017) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project Title: | A prototype data assimilation system for the terrestrial carbon cycle to support Monitoring, Reporting, and Verification | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Science Team |
Michael Dietze, Boston University
(Project Lead)
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Solicitation: | NASA: Carbon Monitoring System (2016) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Successor Projects: | Dietze (CMS 2020) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Abstract: |
NASA in general, and CMS in particular, have devoted considerable resources to developing remote sensing data products aimed at quantifying and understanding the terrestrial carbon (C) cycle. Similar efforts have been taken throughout the research
community, generating bottom-up estimates based on inventory data, eddy covariance, process-based models, etc. While these efforts collectively span a wide range of observations (optical, lidar, radar, field-measurements) and response variables (cover, pools, fluxes, disturbances), each data product typically only leverages one or two data sources. However, what is fundamentally needed to improve monitoring, reporting and verification (MRV) isn’t numerous alternative C estimates but a synthetic view of the whole. Furthermore, any approach to synthesis needs to be flexible and extensible, so that it can deal with different data sources with different spatial and temporal resolutions, extents, and uncertainties, as well as new sensors and products as they are brought online. Finally, it needs to inform top-down atmospheric inversions, which currently cannot ingest these bottom-up C estimates an a constraint.
We propose to develop a prototype synthesis, focused initially on the continental US (CONUS), by employing a formal Bayesian model-data assimilation between process- based ecosystem models and multiple data sources to estimate key C pools and fluxes. Models are at the center of our novel system, but rather than providing a prognostic forward-simulation they serve as a scaffold in a fundamentally data-driven process by allowing different data sources to be merged together. Essentially, while data on different scales and processes are difficult to merge directly, all of these data can be used to inform the state variables (i.e. pools not parameters) in the models. In addition to a ‘best estimate’ of the terrestrial C cycle, a key outcome of such a synthesis would be a robust and transparent accounting of uncertainties. This approach is also exceedingly extensible to new data products, or to changes in the availability of data in space and time, as assimilation only requires the construction of simple data models (e.g. Likelihoods) that link model states to observations. The proposed bottom-up model-data assimilation will also provide informative prior means and uncertainties for the CarbonTracker-Lagrange (CT-L) inverse modeling framework. This assimilation of a robust, data-driven bottom- up prior will provide, for the first time, a formal synthesis between top-down and bottom- up C estimates.
While new to the CMS team, PIs Dietze and Serbin have extensive experience with remote sensing, field measurements, process-based modeling, and model-data fusion. The proposed work explicitly builds upon their PEcAn model-data informatics system and directly leverages numerous data products CMS has already invested in over the CONUS region. The prototype system will build on existing PEcAn data assimilation case studies focused on inventory data, phenology, and hyperspectral remote sensing. The proposed project leverages three parallel and interlocking lines of research. First, we will extend our existing system to iteratively ingest a range of CMS data products (airborne lidar, GLAS satellite lidar, radar, hyperspatial forest cover, disturbance products, etc.). Second, to address the challenges in assimilating disturbance and land use, we will incorporate the well-established Ecosystem Demography scaling approach into the data assimilation system itself. Third, we will coordinate with Co-PI Andrews' CMS inversion team to prototype informative land priors for use in top-down inversions as a proof-of-concept on top-down/bottom-up integration. Finally, our proposed prototype project has an obvious extension to global-scale bottom-up international MRV and REDD activities as well as a
range of top-down inversions. Overall, this proposal has the potential to strengthen the entire CMS portfolio. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Participants: |
Arlyn Andrews, NOAA Earth System Research Laboratory | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project URL(s): | None provided. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Data Products: |
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Publications: |
Dokoohaki, H., Morrison, B. D., Raiho, A., Serbin, S. P., Dietze, M. A novel model-data fusion approach to terrestrial carbon cycle reanalysis across the contiguous U.S using SIPNET and PEcAn state data assimilation system v. 1.7.2 DOI: 10.5194/gmd-2021-236 Fer, I., Kelly, R., Moorcroft, P. R., Richardson, A. D., Cowdery, E. M., Dietze, M. C. 2018. Linking big models to big data: efficient ecosystem model calibration through Bayesian model emulation. Biogeosciences. 15(19), 5801-5830. DOI: 10.5194/bg-15-5801-2018 Hurtt, G. C., Andrews, A., Bowman, K., Brown, M. E., Chatterjee, A., Escobar, V., Fatoyinbo, L., Griffith, P., Guy, M., Healey, S. P., Jacob, D. J., Kennedy, R., Lohrenz, S., McGroddy, M. E., Morales, V., Nehrkorn, T., Ott, L., Saatchi, S., Sepulveda Carlo, E., Serbin, S. P., Tian, H. 2022. The NASA Carbon Monitoring System Phase 2 synthesis: scope, findings, gaps and recommended next steps. Environmental Research Letters. 17(6), 063010. DOI: 10.1088/1748-9326/ac7407 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Fatoyinbo (CMS 2016) (2017) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project Title: | Estimating Total Ecosystem Carbon in Blue Carbon and Tropical Peatland Ecosystems | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Science Team |
Temilola (Lola) Fatoyinbo, NASA GSFC
(Project Lead)
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Solicitation: | NASA: Carbon Monitoring System (2016) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Precursor Projects: | Fatoyinbo (CMS 2014) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Abstract: |
The proposed research focuses on the application and further development of C Stock mapping and estimation from multiple satellite and airborne remote sensing platforms, with a focus on mangrove and tropical peatland forests. One main goal of this proposed project is to develop a standardized MRV (monitoring, reporting and verification) methodology that incorporates canopy height measurements from multiple Remote Sensing sources (TanDEM-X, High Resoluiton stereo, Lidar where available) to estimate extent, stocks and both spatial and vertical changes that can be incorporated and approved not only for scientific applications, but also for MRV (monitoring, reporting, verification) in voluntary Carbon markets. Here we propose to help advance the field of carbon standards and MRV methodologies, by incorporating the new set of methods using active InSAR, Polarimetric InSAR, Lidar and optical stereo data. We will also propose to begin the integration of remote sensing observations of forest canopy height and biomass within a mangrove ecosystem model to advance the Tier-3 certification process for tropical forest wetlands.
Mangrove and Peatland forests are experiencing rapid decline, either through land conversion for commodity production (aquaculture, rice, oil palm), unsustainable harvesting for timber and charcoal, or poor management. To counter this trend, a large focus is in restoration and reforestation and the determining what types of observations are required to monitor the successful regeneration of forests. Thus, we also propose to further our ongoing work in estimating mangrove forest rates of change from TanDEM-X and Very High Resolution Stereo data 1) to monitor and evaluate the efficacy of existing mangrove and peatland restoration projects and 2) provide quantitative historical data on mangrove and adjoining peatland forest extent that will aid in development phase of planned restoration projects.
One main goal of this proposed project is to develop a standardized MRV (monitoring, reporting and verification) methodology that incorporates canopy height measurements from multiple RS sources (TanDEM-X, VHRS, Lidar or other data) to estimate extent, stocks and both spatial and vertical changes that can be incorporated and approved not only for scientific applications, but also for MRV in voluntary Carbon markets.
The objectives for this proposed project are:
1. Reduce the uncertainty and increase the Application Readiness Level (ARL) of mangrove and peatland forest extent, vertical structure and change (gain, loss, growth rates) maps in Africa and South-East Asia using multi-sensor data
2. Improve total carbon stock estimates and emissions for mangroves and peatland forests using forest vertical structure and relationships of soil C with geophysical factors, with propagated sources and estimates of error.
3. Prototype the development of MRV systems for mangrove forests that are compliant with IPCC Tier 3 emissions through the integration of remote sensing observations of forest canopy height into a NPP model that allocates carbon increment to specific C pools.
4. Develop a MRV Certification Prototypes for Mangrove and Peatlands that advances more traditional MRV methods to include forest structure from multiple remotely sensed datasets.
This project is an extension of a current CMS project ending in 2017 (CMS I) focused on Total C estimation in Blue Carbon ecosystems (specifically mangroves) in three countries of Africa Gabon, Tanzania, Mozambique. We will expand the current geographical focus of the project to coastal areas in West Africa and South-East Asia. In addition, we are also expanding our focus from mangroves, to adjoining tropical freshwater peat forests (primarily in Indonesia, but also in Ghana). Our collaborators and stakeholders are existing REDD project developers in Asia and Africa, sustainable logging companies, Universities and International Biodiversity and conservation projects. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Participants: |
Anthony Campbell, NASA GSFC / UMBC | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project URL(s): | None provided. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Data Products: |
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Publications: |
Campbell, A. D., Fatoyinbo, L., Goldberg, L., Lagomasino, D. 2022. Global hotspots of salt marsh change and carbon emissions. Nature. DOI: 10.1038/s41586-022-05355-z Campbell, A. D., Fatoyinbo, T., Charles, S. P., Bourgeau-Chavez, L. L., Goes, J., Gomes, H., Halabisky, M., Holmquist, J., Lohrenz, S., Mitchell, C., Moskal, L. M., Poulter, B., Qiu, H., Resende De Sousa, C. H., Sayers, M., Simard, M., Stewart, A. J., Singh, D., Trettin, C., Wu, J., Zhang, X., Lagomasino, D. 2022. A review of carbon monitoring in wet carbon systems using remote sensing. Environmental Research Letters. 17(2), 025009. DOI: 10.1088/1748-9326/ac4d4d Fatoyinbo, T., Feliciano, E. A., Lagomasino, D., Lee, S. K., Trettin, C. 2018. Estimating mangrove aboveground biomass from airborne LiDAR data: a case study from the Zambezi River delta. Environmental Research Letters. 13(2), 025012. DOI: 10.1088/1748-9326/aa9f03 Lagomasino, D., Fatoyinbo, T., Lee, S., Feliciano, E., Trettin, C., Shapiro, A., Mangora, M. M. 2019. Measuring mangrove carbon loss and gain in deltas. Environmental Research Letters. 14(2), 025002. DOI: 10.1088/1748-9326/aaf0de Lee, S., Fatoyinbo, T. E., Lagomasino, D., Feliciano, E., Trettin, C. 2018. Multibaseline TanDEM-X Mangrove Height Estimation: The Selection of the Vertical Wavenumber. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 11(10), 3434-3442. DOI: 10.1109/JSTARS.2018.2835647 Mondal, P., Liu, X., Fatoyinbo, T. E., Lagomasino, D. 2019. Evaluating Combinations of Sentinel-2 Data and Machine-Learning Algorithms for Mangrove Mapping in West Africa. Remote Sensing. 11(24), 2928. DOI: 10.3390/rs11242928 Simard, M., Fatoyinbo, L., Smetanka, C., Rivera-Monroy, V. H., Castaneda-Moya, E., Thomas, N., Van der Stocken, T. 2018. Mangrove canopy height globally related to precipitation, temperature and cyclone frequency. Nature Geoscience. 12(1), 40-45. DOI: 10.1038/s41561-018-0279-1 Thomas, N., Bunting, P., Lucas, R., Hardy, A., Rosenqvist, A., Fatoyinbo, T. 2018. Mapping Mangrove Extent and Change: A Globally Applicable Approach. Remote Sensing. 10(9), 1466. DOI: 10.3390/rs10091466 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Archived Data Citations: |
Simard, M., T. Fatoyinbo, C. Smetanka, V.H. Rivera-monroy, E. Castaneda, N. Thomas, and T. Van der stocken. 2019. Global Mangrove Distribution, Aboveground Biomass, and Canopy Height. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1665
Goldberg, L., D. Lagomasino, N. Thomas, and T. Fatoyinbo. 2022. Global Mangrove Loss Extent, Land Cover Change, and Loss Drivers, 2000-2016. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1768 Campbell, A., T. Fatoyinbo, and L. Goldberg. 2022. Global Salt Marsh Change, 2000-2019. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/2122 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Greenberg (CMS 2016) (2017) | |||
| Project Title: | Three dimensional change detection of aboveground biomass | ||
|
Science Team |
Jonathan Greenberg, University of Nevada
(Project Lead)
| ||
| Solicitation: | NASA: Carbon Monitoring System (2016) | ||
| Precursor Projects: | Greenberg (CMS 2014) | ||
| Abstract: |
We propose to create a Carbon Monitoring Systems (CMS) with the goal of estimating three- dimensional changes in forest biomass over a variety of different disturbance regimes using a suite of different remotely sensed data including airborne and terrestrial LiDAR, and UAV and ground-based multi-angle digital imagery processed using structure-from-motion techniques. In collaboration with the US Forest Service, we will collect these data before and after a disturbance, to determine the sensitivity of these technologies to accumulation and loss of biomass in the overstory and understory. We believe this work will lead to decreasing uncertainties in estimating changes in biomass, as well as providing important information on disturbance risk and successional dynamics that can impact long-term ecosystem processes. | ||
| |||
|
Participants: |
John Armston, University of Maryland | ||
| Project URL(s): | None provided. | ||
| Data Products: | None provided. | ||
| Publications: | None provided. | ||
| Outreach Activities: |
Wired Magazine did an article about wildfires and used data/graphics we developed from our recent CMS project:
https://www.wired.com/story/how-supercomputers-can-help-fix-our-wildfire-problem/
(the TLS scan at the bottom was funded by CMS). | ||
| Guan (CMS 2016) (2017) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project Title: | Improving the monitoring capability of carbon budget for the US Corn Belt - integrating multi-source satellite data with improved land surface modeling and atmospheric inversion | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Science Team |
Kaiyu Guan, University of Illinois
(Project Lead)
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Solicitation: | NASA: Carbon Monitoring System (2016) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Abstract: |
With rising demands of food and fiber from a growing global population, agricultural landscape plays an increasingly important role in the global carbon cycle. Cropland also represents one of the biggest opportunities for carbon sequestration. Accurate quantification of regional scale cropland carbon cycling is critical for designing effective policies and management practices that can contribute to stabilizing atmospheric CO2 concentrations. A comprehensive carbon monitoring system should include the
integration of bottom-up and top-down estimates of carbon flux. However, the current cropland-based carbon monitoring systems face the following challenges: (1) they primarily focus on bottom-up approaches, with lack of integration and cross-verification between bottom-up and top-down approaches; (2) they are lack of spatially explicit characterization in either bottom-up process-based models or top-down atmospheric inversions. Novel satellite data (including Solar Induced Chlorophyll Fluorescence and atmospheric column-average CO2) and other existing NASA satellite data provide unique opportunities in addressing these challenges and improving both bottom-up and top-down approaches.
Here we propose one of the first Carbon Monitoring Systems (CMS) that will integrate both bottom-up and top-down approaches to jointly quantify the carbon budget for the US Corn Belt. The proposal plans to achieve three major improvements for bottom-up and top-down approaches (Task 1-3), with Task 4 to integrate and synthesize results from the two approaches to generate a consistent US Corn Belt carbon flux product including a thorough uncertainty assessment, covering the period of 2007 to 2017. Specifically, the four tasks are:
● Task 1 (Bottom-up approach - inventory/satellite): Combine USDA crop statistics- based and satellite-based solar-induced fluorescence (GOME-2 and OCO-2) to generate an improved 10 km carbon budget inventory (NPP, GPP, and Ra) for the US Corn Belt. ● Task 2 (Bottom-up approach - modeling/satellite): Assimilate multi-sources of satellite data (MODIS LAI, SMAP soil moisture) and newly derived crop inventory data (from Task 1) into the CLM-APSIM framework, to explicitly constrain the crop parameters in space and improve carbon budget simulation.
● Task 3 (Top-down approach - satellite/in-situ): Use satellite and in situ data together to solve for CO2 fluxes at high-resolution in a regional inversion over the US Corn Belt.
● Task 4 (Bottom-up/top-down integration): Integrate bottom-up and top-down approaches to jointly constrain the carbon budget, cross-verify estimates and provide robust uncertainty characterization.
This current proposal targets at the 2nd Research Topic that is listed in the NASA CMS solicitation, i.e. “Studies that address research needs to advance remote sensing-based approaches to monitoring, reporting, and verifications.” The proposed project directly addresses NASA’s strategic goal for the Earth Science to “study planet Earth from space to advance scientific understanding and meet societal needs”. The project will fully utilize the SIF and XCO2 retrievals from the new NASA satellite OCO-2 as well as the data from other existing NASA satellite products (e.g. from SMAP, MODIS, CERES and Landsat-based Crop Data Layer) to develop improved carbon flux estimations from bottom up approaches (inventory-satellite based and process-model based) and top-down approaches (jointly using satellite and in situ data in the atmospheric inversion). Public and private sectors can use this product to inform agricultural productivity and managements, which would further realize the value of NASA data. This effort thus carries a great promise to further constrain the regional and global carbon cycle, and also to directly address one of NASA’s key scientific questions for Earth System Science: “How will carbon cycle dynamics and ecosystem change in the future?” | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Participants: |
Caroline Alden, University of Colorado | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project URL(s): | None provided. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Data Products: |
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Publications: |
Cai, Y., Guan, K., Peng, J., Wang, S., Seifert, C., Wardlow, B., Li, Z. 2018. A high-performance and in-season classification system of field-level crop types using time-series Landsat data and a machine learning approach. Remote Sensing of Environment. 210, 35-47. DOI: 10.1016/j.rse.2018.02.045 DeLucia, E. H., Chen, S., Guan, K., Peng, B., Li, Y., Gomez-Casanovas, N., Kantola, I. B., Bernacchi, C. J., Huang, Y., Long, S. P., Ort, D. R. 2019. Are we approaching a water ceiling to maize yields in the United States? Ecosphere. 10(6). DOI: 10.1002/ecs2.2773 Jiang, C., Guan, K., Pan, M., Ryu, Y., Peng, B., Wang, S. 2020. BESS-STAIR: a framework to estimate daily, 30 m, and all-weather crop evapotranspiration using multi-source satellite data for the US Corn Belt. Hydrology and Earth System Sciences. 24(3), 1251-1273. DOI: 10.5194/hess-24-1251-2020 Jiang, C., Guan, K., Wu, G., Peng, B., Wang, S. 2021. A daily, 250 m and real-time gross primary productivity product (2000-present) covering the contiguous United States. Earth System Science Data. 13(2), 281-298. DOI: 10.5194/essd-13-281-2021 Kimm, H., Guan, K., Gentine, P., Wu, J., Bernacchi, C. J., Sulman, B. N., Griffis, T. J., Lin, C. 2020. Redefining droughts for the U.S. Corn Belt: The dominant role of atmospheric vapor pressure deficit over soil moisture in regulating stomatal behavior of Maize and Soybean. Agricultural and Forest Meteorology. 287, 107930. DOI: 10.1016/j.agrformet.2020.107930 Kimm, H., Guan, K., Jiang, C., Peng, B., Gentry, L. F., Wilkin, S. C., Wang, S., Cai, Y., Bernacchi, C. J., Peng, J., Luo, Y. 2020. Deriving high-spatiotemporal-resolution leaf area index for agroecosystems in the U.S. Corn Belt using Planet Labs CubeSat and STAIR fusion data. Remote Sensing of Environment. 239, 111615. DOI: 10.1016/j.rse.2019.111615 Luo, Y., Guan, K., Peng, J., Wang, S., Huang, Y. 2020. STAIR 2.0: A Generic and Automatic Algorithm to Fuse Modis, Landsat, and Sentinel-2 to Generate 10 m, Daily, and Cloud-/Gap-Free Surface Reflectance Product. Remote Sensing. 12(19), 3209. DOI: 10.3390/rs12193209 Peng, B., Guan, K., Pan, M., Li, Y. 2018. Benefits of Seasonal Climate Prediction and Satellite Data for Forecasting U.S. Maize Yield. Geophysical Research Letters. 45(18), 9662-9671. DOI: 10.1029/2018GL079291 Peng, B., Guan, K., Tang, J., Ainsworth, E. A., Asseng, S., Bernacchi, C. J., Cooper, M., Delucia, E. H., Elliott, J. W., Ewert, F., Grant, R. F., Gustafson, D. I., Hammer, G. L., Jin, Z., Jones, J. W., Kimm, H., Lawrence, D. M., Li, Y., Lombardozzi, D. L., Marshall-Colon, A., Messina, C. D., Ort, D. R., Schnable, J. C., Vallejos, C. E., Wu, A., Yin, X., Zhou, W. 2020. Towards a multiscale crop modelling framework for climate change adaptation assessment. Nature Plants. 6(4), 338-348. DOI: 10.1038/s41477-020-0625-3 Peng, B., Guan, K., Zhou, W., Jiang, C., Frankenberg, C., Sun, Y., He, L., Kohler, P. 2020. Assessing the benefit of satellite-based Solar-Induced Chlorophyll Fluorescence in crop yield prediction. International Journal of Applied Earth Observation and Geoinformation. 90, 102126. DOI: 10.1016/j.jag.2020.102126 Rastogi, B., Miller, J. B., Trudeau, M., Andrews, A. E., Hu, L., Mountain, M., Nehrkorn, T., Mund, J., Guan, K., Alden, C. B. Evaluating consistency between total column CO<sub>2</sub> retrievals from OCO-2 and the in-situ network over North America: Implications for carbon flux estimation DOI: 10.5194/acp-2021-299 Urban, D., Guan, K., Jain, M. 2018. Estimating sowing dates from satellite data over the U.S. Midwest: A comparison of multiple sensors and metrics. Remote Sensing of Environment. 211, 400-412. DOI: 10.1016/j.rse.2018.03.039 Wang, C., Guan, K., Peng, B., Chen, M., Jiang, C., Zeng, Y., Wu, G., Wang, S., Wu, J., Yang, X., Frankenberg, C., Kohler, P., Berry, J., Bernacchi, C., Zhu, K., Alden, C., Miao, G. 2020. Satellite footprint data from OCO-2 and TROPOMI reveal significant spatio-temporal and inter-vegetation type variabilities of solar-induced fluorescence yield in the U.S. Midwest. Remote Sensing of Environment. 241, 111728. DOI: 10.1016/j.rse.2020.111728 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Archived Data Citations: |
Wu, G., K. Guan, H. Kimm, G. Miao, and C. Jiang. 2023. SIF and Vegetation Indices in the US Midwestern Agroecosystems, 2016-2021. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/2136
Wang, C., K. Guan, B. Peng, C. Jiang, J. Peng, G. Wu, C. Frankenberg, P. Koehler, X. Yang, Y. Cai, and Y. Huang. 2021. High Resolution Land Cover-Specific Solar-Induced Fluorescence, Midwestern USA, 2018. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1813 Jiang, C., and K. Guan. 2020. MODIS-based GPP, PAR, fC4, and SANIRv estimates from SLOPE for CONUS, 2000-2019. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1786 Zhou, W., K. Guan, and B. Peng. 2023. Ecosys Model-Estimated Cropland Carbon Fluxes, Illinois, Indiana, and Iowa, 2001-2018. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/2125 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Healey (CMS 2016) (2017) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project Title: | Piloting a GEDI-based Forest Carbon Monitoring, Reporting, and Verification Tool | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Science Team |
Sean Healey, USDA Forest Service
(Project Lead)
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Solicitation: | NASA: Carbon Monitoring System (2016) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Abstract: |
NASA's GEDI (Global Ecosystem Dynamics Investigation) mission will mount an innovative lidar instrument on the International Space Station; the mission will provide unprecedented detail about the structure of Earth’s forests. The number, quality, and international consistency of GEDI’s tree height measurements represent a matchless global tool for describing how much carbon our forests store and how that storage is affected by ecological change. However, the only biomass product GEDI is required (and currently funded) to produce is a 1km grid of estimated mean biomass (with standard errors). While there are important science applications for this grid, many scientists, landowners, and government agencies would benefit from easy access to GEDI-based biomass estimates over more flexible spatial domains. The GEDI Science Team (led by the PI of this proposal) has developed an approach to making 1km biomass estimates using sample theory applied to modeled observations of biomass made at each GEDI footprint (GEDI is not a wall-to-wall instrument). This approach accounts for both sampling uncertainty and biomass model error. There is no theoretical obstacle preventing this approach from being applied across areas defined by customized political, ownership, or ecological boundaries. This proposal, first, will pilot a web app that will support monitoring, reporting, and verification of local carbon storage (with uncertainty) over any spatial domain of interest, using exactly the same lidar data and sampling theory as the GEDI gridded product. This pilot application will be constructed in collaboration with the Forest Service FIA (Forest Inventory and Analysis) unit, which already maintains a national-to-local carbon monitoring system and has a legal mandate to improve the spatial detail at which forest characteristics can be reported. In addition to providing a potential long-term home for GEDI’s contribution to practical carbon monitoring, FIA will provide data the project will use to build validation case studies as well as to hone the community’s ability to use a single point-in-time lidar sample to study how changing forests affect carbon storage. Like GEDI itself, this proposal benefits from earlier CMS investments in strategic collection of lidar and field data (PI: Cohen, 2013- 2016) and development of statistical methods that apply sampling theory to estimating biomass from lidar (PI: Healey, 2012-2014). The proposed activities are needed to fully realize GED’s potential in how we plan and compensate forest management that results in augmented carbon storage. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Participants: |
Hans Andersen, U.S. Forest Service Pacific Northwest Research Station | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project URL(s): | None provided. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Data Products: |
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Publications: |
Healey, S. P., Yang, Z., Gorelick, N., Ilyushchenko, S. 2020. Highly Local Model Calibration with a New GEDI LiDAR Asset on Google Earth Engine Reduces Landsat Forest Height Signal Saturation. Remote Sensing. 12(17), 2840. DOI: 10.3390/rs12172840 Healey, S., Menlove, J. 2019. The Stability of Mean Wood Specific Gravity across Stand Age in US Forests Despite Species Turnover. Forests. 10(2), 114. DOI: 10.3390/f10020114 Hurtt, G. C., Andrews, A., Bowman, K., Brown, M. E., Chatterjee, A., Escobar, V., Fatoyinbo, L., Griffith, P., Guy, M., Healey, S. P., Jacob, D. J., Kennedy, R., Lohrenz, S., McGroddy, M. E., Morales, V., Nehrkorn, T., Ott, L., Saatchi, S., Sepulveda Carlo, E., Serbin, S. P., Tian, H. 2022. The NASA Carbon Monitoring System Phase 2 synthesis: scope, findings, gaps and recommended next steps. Environmental Research Letters. 17(6), 063010. DOI: 10.1088/1748-9326/ac7407 Menlove, J., Healey, S. P. 2020. A Comprehensive Forest Biomass Dataset for the USA Allows Customized Validation of Remotely Sensed Biomass Estimates. Remote Sensing. 12(24), 4141. DOI: 10.3390/rs12244141 Patterson, P. L., Healey, S. P., Stahl, G., Saarela, S., Holm, S., Andersen, H., Dubayah, R. O., Duncanson, L., Hancock, S., Armston, J., Kellner, J. R., Cohen, W. B., Yang, Z. 2019. Statistical properties of hybrid estimators proposed for GEDI--NASA's global ecosystem dynamics investigation. Environmental Research Letters. 14(6), 065007. DOI: 10.1088/1748-9326/ab18df Saarela, S., Holm, S., Healey, S., Andersen, H., Petersson, H., Prentius, W., Patterson, P., Naesset, E., Gregoire, T., Stahl, G. 2018. Generalized Hierarchical Model-Based Estimation for Aboveground Biomass Assessment Using GEDI and Landsat Data. Remote Sensing. 10(11), 1832. DOI: 10.3390/rs10111832 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Archived Data Citations: |
Menlove, J., and S.P. Healey. 2021. CMS: Forest Aboveground Biomass from FIA Plots across the Conterminous USA, 2009-2019. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1873
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Hurtt (CMS 2016) (2017) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project Title: | High-Resolution Carbon Monitoring and Modeling: Continued Prototype Development and Deployment to Regional and National Scales | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Science Team |
George Hurtt, University of Maryland
(Project Lead)
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Solicitation: | NASA: Carbon Monitoring System (2016) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Precursor Projects: | Hurtt (CMS 2014) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Successor Projects: | Hurtt (CMS 2020) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Abstract: |
The overall goal of our project is the continuing development of a framework for estimating high-resolution forest carbon stocks and dynamics and future carbon sequestration potential using remote sensing and ecosystem modeling linked with
existing field observation systems such as the USFS Forest Inventory and Analysis (FIA) network. In particular, we seek to demonstrate an approach that provides the basis for the rapid expansion from previous prototypes at the county/state-scale to cover a multi-state region encompassing the Regional Greenhouse Gas Initiative (RGGI) domain, and ultimately the coterminous U.S. Additionally, we prepare for national scale prognostic ecosystem modeling using data from the Global Ecosystem Dynamics Investigation (GEDI). Our intent is to drive the model at 1 km resolution over the lower 48 states using the first year of canopy height observations from GEDI. Specifically, we will address the following objectives: (1) Build upon, extend, and improve our existing methodology for carbon stock estimation and uncertainty based on lessons learned from our Phase 2 studies. (2) Provide wall-to-wall, high-resolution, estimates of carbon stocks, carbon sequestration potential, and their uncertainties for multi-state state RGGI+. (3) Validate and enhance national biomass maps using Forest Inventory and Analysis (FIA) data and high- resolution biomass maps over an expanded domain. (4) Demonstrate MRV efficacy to meet stakeholder needs at regional scale, and a vision for future national-scale deployment. (5) Prototype national scale forest carbon products for CONUS using GEDI data. Our proposed research directly responds to the research topics identified for this phase of CMS. Additionally, data from airborne lidar, airborne optical, and spaceborne platforms are essential to this project as is societal relevance, with active stakeholder engagement planned at state, regional, and national scales. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Participants: |
TeeJay Boudreau, Rhode Island Department of Environmental Management | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project URL(s): | None provided. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Data Products: |
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Publications: |
Basu, S., Mukhopadhyay, S., Karki, M., DiBiano, R., Ganguly, S., Nemani, R., Gayaka, S. 2018. Deep neural networks for texture classification--A theoretical analysis. Neural Networks. 97, 173-182. DOI: 10.1016/j.neunet.2017.10.001 Chini, L., Hurtt, G., Sahajpal, R., Frolking, S., Klein Goldewijk, K., Sitch, S., Ganzenmuller, R., Ma, L., Ott, L., Pongratz, J., Poulter, B. Land-Use Harmonization Datasets for Annual Global Carbon Budgets DOI: 10.5194/essd-2020-388 Dolan, K. A., Hurtt, G. C., Flanagan, S. A., Fisk, J. P., Sahajpal, R., Huang, C., Page, Y. L., Dubayah, R., Masek, J. G. 2017. Disturbance Distance: quantifying forests' vulnerability to disturbance under current and future conditions. Environmental Research Letters. 12(11), 114015. DOI: 10.1088/1748-9326/aa8ea9 Fisher, R. A., Koven, C. D., Anderegg, W. R. L., Christoffersen, B. O., Dietze, M. C., Farrior, C. E., Holm, J. A., Hurtt, G. C., Knox, R. G., Lawrence, P. J., Lichstein, J. W., Longo, M., Matheny, A. M., Medvigy, D., Muller-Landau, H. C., Powell, T. L., Serbin, S. P., Sato, H., Shuman, J. K., Smith, B., Trugman, A. T., Viskari, T., Verbeeck, H., Weng, E., Xu, C., Xu, X., Zhang, T., Moorcroft, P. R. 2017. Vegetation demographics in Earth System Models: A review of progress and priorities. Global Change Biology. 24(1), 35-54. DOI: 10.1111/gcb.13910 Flanagan, S. A., Hurtt, G. C., Fisk, J. P., Sahajpal, R., Zhao, M., Dubayah, R., Hansen, M. C., Sullivan, J. H., Collatz, G. J. 2019. Potential Transient Response of Terrestrial Vegetation and Carbon in Northern North America from Climate Change. Climate. 7(9), 113. DOI: 10.3390/cli7090113 Huang, W., Dolan, K., Swatantran, A., Johnson, K., Tang, H., O'Neil-Dunne, J., Dubayah, R., Hurtt, G. 2019. High-resolution mapping of aboveground biomass for forest carbon monitoring system in the Tri-State region of Maryland, Pennsylvania and Delaware, USA. Environmental Research Letters. 14(9), 095002. DOI: 10.1088/1748-9326/ab2917 Huang, W., Swatantran, A., Duncanson, L., Johnson, K., Watkinson, D., Dolan, K., O'Neil-Dunne, J., Hurtt, G., Dubayah, R. 2017. County-scale biomass map comparison: a case study for Sonoma, California. Carbon Management. 8(5-6), 417-434. DOI: 10.1080/17583004.2017.1396840 Hurtt, G. C., Andrews, A., Bowman, K., Brown, M. E., Chatterjee, A., Escobar, V., Fatoyinbo, L., Griffith, P., Guy, M., Healey, S. P., Jacob, D. J., Kennedy, R., Lohrenz, S., McGroddy, M. E., Morales, V., Nehrkorn, T., Ott, L., Saatchi, S., Sepulveda Carlo, E., Serbin, S. P., Tian, H. 2022. The NASA Carbon Monitoring System Phase 2 synthesis: scope, findings, gaps and recommended next steps. Environmental Research Letters. 17(6), 063010. DOI: 10.1088/1748-9326/ac7407 Hurtt, G. C., Chini, L., Sahajpal, R., Frolking, S., Bodirsky, B. L., Calvin, K., Doelman, J. C., Fisk, J., Fujimori, S., Klein Goldewijk, K., Hasegawa, T., Havlik, P., Heinimann, A., Humpenoder, F., Jungclaus, J., Kaplan, J. O., Kennedy, J., Krisztin, T., Lawrence, D., Lawrence, P., Ma, L., Mertz, O., Pongratz, J., Popp, A., Poulter, B., Riahi, K., Shevliakova, E., Stehfest, E., Thornton, P., Tubiello, F. N., van Vuuren, D. P., Zhang, X. 2020. Harmonization of global land use change and management for the period 850-2100 (LUH2) for CMIP6. Geoscientific Model Development. 13(11), 5425-5464. DOI: 10.5194/gmd-13-5425-2020 Hurtt, G., Zhao, M., Sahajpal, R., Armstrong, A., Birdsey, R., Campbell, E., Dolan, K., Dubayah, R., Fisk, J. P., Flanagan, S., Huang, C., Huang, W., Johnson, K., Lamb, R., Ma, L., Marks, R., O'Leary, D., O'Neil-Dunne, J., Swatantran, A., Tang, H. 2019. Beyond MRV: high-resolution forest carbon modeling for climate mitigation planning over Maryland, USA. Environmental Research Letters. 14(4), 045013. DOI: 10.1088/1748-9326/ab0bbe Kumar, U., Ganguly, S., Nemani, R. R., Raja, K. S., Milesi, C., Sinha, R., Michaelis, A., Votava, P., Hashimoto, H., Li, S., Wang, W., Kalia, S., Gayaka, S. 2017. Exploring Subpixel Learning Algorithms for Estimating Global Land Cover Fractions from Satellite Data Using High Performance Computing. Remote Sensing. 9(11), 1105. DOI: 10.3390/rs9111105 Lamb, R. L., Hurtt, G. C., Boudreau, T. J., Campbell, E., Sepulveda Carlo, E. A., Chu, H., de Mooy, J., Dubayah, R. O., Gonsalves, D., Guy, M., Hultman, N. E., Lehman, S., Leon, B., Lister, A. J., Lynch, C., Ma, L., Martin, C., Robbins, N., Rudee, A., Silva, C. E., Skoglund, C., Tang, H. 2021. Context and future directions for integrating forest carbon into sub-national climate mitigation planning in the RGGI region of the U.S. Environmental Research Letters. 16(6), 063001. DOI: 10.1088/1748-9326/abe6c2 Lamb, R. L., Ma, L., Sahajpal, R., Edmonds, J., Hultman, N. E., Dubayah, R. O., Kennedy, J., Hurtt, G. C. 2021. Geospatial assessment of the economic opportunity for reforestation in Maryland, USA. Environmental Research Letters. 16(8), 084012. DOI: 10.1088/1748-9326/ac109a Ma, L., Hurtt, G. C., Chini, L. P., Sahajpal, R., Pongratz, J., Frolking, S., Stehfest, E., Klein Goldewijk, K., O'Leary, D., Doelman, J. C. 2020. Global rules for translating land-use change (LUH2) to land-cover change for CMIP6 using GLM2. Geoscientific Model Development. 13(7), 3203-3220. DOI: 10.5194/gmd-13-3203-2020 Ma, L., Hurtt, G., Ott, L., Sahajpal, R., Fisk, J., Lamb, R., Tang, H., Flanagan, S., Chini, L., Chatterjee, A., Sullivan, J. Global Evaluation of the Ecosystem Demography Model (ED v3.0) DOI: 10.5194/gmd-2021-292 Ma, L., Hurtt, G., Tang, H., Lamb, R., Campbell, E., Dubayah, R., Guy, M., Huang, W., Lister, A., Lu, J., O'Neil-Dunne, J., Rudee, A., Shen, Q., Silva, C. 2021. High-resolution forest carbon modelling for climate mitigation planning over the RGGI region, USA. Environmental Research Letters. 16(4), 045014. DOI: 10.1088/1748-9326/abe4f4 McDowell, N. G., Allen, C. D., Anderson-Teixeira, K., Aukema, B. H., Bond-Lamberty, B., Chini, L., Clark, J. S., Dietze, M., Grossiord, C., Hanbury-Brown, A., Hurtt, G. C., Jackson, R. B., Johnson, D. J., Kueppers, L., Lichstein, J. W., Ogle, K., Poulter, B., Pugh, T. A. M., Seidl, R., Turner, M. G., Uriarte, M., Walker, A. P., Xu, C. 2020. Pervasive shifts in forest dynamics in a changing world. Science. 368(6494). DOI: 10.1126/science.aaz9463 Tang, H., Ma, L., Lister, A., O'Neill-Dunne, J., Lu, J., Lamb, R. L., Dubayah, R., Hurtt, G. 2021. High-resolution forest carbon mapping for climate mitigation baselines over the RGGI region, USA. Environmental Research Letters. 16(3), 035011. DOI: 10.1088/1748-9326/abd2ef | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Archived Data Citations: |
Hurtt, G.C., M. Zhao, R. Sahajpal, A. Armstrong, R. Birdsey, E. Campbell, K. Dolan, R.O. Dubayah, J.P. Fisk, S. Flanagan, C. Huang, W. Huang, K. Johnson, R. Lamb, L. Ma, R. Marks, D. O'Leary III, J. O'Neil-Dunne, A. Swatantran, and H. Tang. 2019. Forest Aboveground Biomass and Carbon Sequestration Potential for Maryland, USA. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1660
Tang, H., L. Ma, A.J. Lister, J. O'Neil-Dunne, J. Lu, R. Lamb, R.O. Dubayah, and G.C. Hurtt. 2021. LiDAR Derived Biomass, Canopy Height, and Cover for New England Region, USA, 2015. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1854 Ma, L., G.C. Hurtt, H. Tang, R. Lamb, E. Campbell, R.O. Dubayah, M. Guy, W. Huang, J. Lu, A. Rudee, Q. Shen, C.E. Silva, and A.J. Lister. 2022. Forest Aboveground Biomass and Carbon Sequestration Potential, Northeastern USA. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1922 O'Neil-Dunne, J., E. Buford, S. Macfaden, and A. Royar. 2022. CMS: Tree Canopy Cover at 0.5-meter resolution, Vermont, 2016. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/2072 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Jacob (CMS 2016) (2017) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project Title: | Improved understanding of methane emissions and trends in North America and globally through a unified top-down and bottom-up approach exploiting GOSAT and TROPOMI satellite data | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Science Team |
Daniel Jacob, Harvard University
(Project Lead)
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Solicitation: | NASA: Carbon Monitoring System (2016) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Precursor Projects: | Jacob (CMS 2014) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Successor Projects: | Jacob (CMS 2020) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Abstract: |
We propose to continue our work on the NASA CMS Science Team to improve knowledge of methane emissions in North America and globally through the exploitation of satellite data and in service to stakeholders. There is considerable need to assess gaps in national methane emission inventories, including contributions from different sectors. The resumed growth in global atmospheric methane over the past decade has attracted much attention but its cause is still being debated. Our work will advance understanding by bridging the gap between top-down information from atmospheric methane observations (satellite and suborbital) and bottom-up information from process-based inventories. We will use state-of-science, policy-relevant national emission inventories, including error estimates, to serve as prior information in inversions of satellite data from GOSAT (2009-present) and TROPOMI (2017 launch). From there we will be able to evaluate these inventories and provide guidance for improvements. The long, high- quality record from GOSAT will provide strong constraints on regional sources and unique insight into the factors driving the methane trend. TROPOMI with its global daily coverage is expected to considerably increase our ability to quantify methane emissions from space including seasonal variations.
Our work will build on a strong collaboration with EPA already developed through CMS. This collaboration has produced a spatially resolved version of the national Greenhouse
Gas Inventory (GHGI) including scale-dependent error estimates. We will apply this inventory as prior estimate for inversions of satellite data, and work with EPA in the interpretation of results to evaluate and improve the GHGI. We have also developed an ensemble-based global wetland emission inventory (WetCHARTs) that we will use in our inversions to narrow uncertainty in biogeochemical process controls. We will develop new collaborations with Environment and Climate Change Canada (ECCC) and the Mexican Instituto Nacional de Ecología y Cambio Climático (INECC) to produce spatially resolved versions of their national inventories, enabling evaluation of these inventories with satellite data through our inversion framework. We will apply innovative inverse methods to achieve high-resolution constraints on methane emissions and trends, for North America and globally, with full error characterization. Suborbital data (NOAA, TCCON sites; ATom, SONGNEX, CARVE, SEAC4RS, ACT-America aircraft campaigns) will be used at all stages of the analysis. Specific tasks for the project will involve:
(1) Interpret the GOSAT satellite record (2009-present) using advanced inverse methods, and together with suborbital data, to constrain methane emissions and their trends with full error characterization, globally and for North America at high resolution;
(2) Apply inversion results to evaluate national methane inventories for the US, Canada, and Mexico, working in collaboration with EPA, ECCC, and INECC;
(3) Narrow uncertainties in wetland emissions and the underlying process controls by applying inversion error reductions to a large ensemble of bottom-up inventories;
(4) Start interpreting TROPOMI observations as soon as they become available (expected mid-2018) to improve top-down constraints on methane emissions including seasonal information. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Participants: |
Ilse Aben, SRON Netherlands Institute for Space Research | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project URL(s): | None provided. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Data Products: |
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Publications: |
Alvarez, R. A., Zavala-Araiza, D., Lyon, D. R., Allen, D. T., Barkley, Z. R., Brandt, A. R., Davis, K. J., Herndon, S. C., Jacob, D. J., Karion, A., Kort, E. A., Lamb, B. K., Lauvaux, T., Maasakkers, J. D., Marchese, A. J., Omara, M., Pacala, S. W., Peischl, J., Robinson, A. L., Shepson, P. B., Sweeney, C., Townsend-Small, A., Wofsy, S. C., Hamburg, S. P. 2018. Assessment of methane emissions from the U.S. oil and gas supply chain. Science. eaar7204. DOI: 10.1126/science.aar7204 Cusworth, D. H., Jacob, D. J., Sheng, J., Benmergui, J., Turner, A. J., Brandman, J., White, L., Randles, C. A. 2018. Detecting high-emitting methane sources in oil/gas fields using satellite observations. Atmospheric Chemistry and Physics. 18(23), 16885-16896. DOI: 10.5194/acp-18-16885-2018 Cusworth, D. H., Jacob, D. J., Varon, D. J., Chan Miller, C., Liu, X., Chance, K., Thorpe, A. K., Duren, R. M., Miller, C. E., Thompson, D. R., Frankenberg, C., Guanter, L., Randles, C. A. 2019. Potential of next-generation imaging spectrometers to detect and quantify methane point sources from space. Atmospheric Measurement Techniques. 12(10), 5655-5668. DOI: 10.5194/amt-12-5655-2019 Lu, X., Jacob, D. J., Zhang, Y., Maasakkers, J. D., Sulprizio, M. P., Shen, L., Qu, Z., Scarpelli, T. R., Nesser, H., Yantosca, R. M., Sheng, J., Andrews, A., Parker, R. J., Boesch, H., Bloom, A. A., Ma, S. 2021. Global methane budget and trend, 2010-2017: complementarity of inverse analyses using in situ (GLOBALVIEWplus CH<sub>4</sub> ObsPack) and satellite (GOSAT) observations. Atmospheric Chemistry and Physics. 21(6), 4637-4657. DOI: 10.5194/acp-21-4637-2021 Maasakkers, J. D., Jacob, D. J., Sulprizio, M. P., Scarpelli, T. R., Nesser, H., Sheng, J., Zhang, Y., Hersher, M., Bloom, A. A., Bowman, K. W., Worden, J. R., Janssens-Maenhout, G., Parker, R. J. 2019. Global distribution of methane emissions, emission trends, and OH concentrations and trends inferred from an inversion of GOSAT satellite data for 2010-2015. Atmospheric Chemistry and Physics. 19(11), 7859-7881. DOI: 10.5194/acp-19-7859-2019 Maasakkers, J. D., Jacob, D. J., Sulprizio, M. P., Scarpelli, T. R., Nesser, H., Sheng, J., Zhang, Y., Lu, X., Bloom, A. A., Bowman, K. W., Worden, J. R., Parker, R. J. 2021. 2010-2015 North American methane emissions, sectoral contributions, and trends: a high-resolution inversion of GOSAT observations of atmospheric methane. Atmospheric Chemistry and Physics. 21(6), 4339-4356. DOI: 10.5194/acp-21-4339-2021 Parker, R. J., Boesch, H., McNorton, J., Comyn-Platt, E., Gloor, M., Wilson, C., Chipperfield, M. P., Hayman, G. D., Bloom, A. A. 2018. Evaluating year-to-year anomalies in tropical wetland methane emissions using satellite CH4 observations. Remote Sensing of Environment. 211, 261-275. DOI: 10.1016/j.rse.2018.02.011 Parker, R. J., Wilson, C., Bloom, A. A., Comyn-Platt, E., Hayman, G., McNorton, J., Boesch, H., Chipperfield, M. P. 2020. Exploring constraints on a wetland methane emission ensemble (WetCHARTs) using GOSAT observations. Biogeosciences. 17(22), 5669-5691. DOI: 10.5194/bg-17-5669-2020 Scarpelli, T. R., Jacob, D. J., Maasakkers, J. D., Sulprizio, M. P., Sheng, J., Rose, K., Romeo, L., Worden, J. R., Janssens-Maenhout, G. 2020. A global gridded (0.1deg x 0.1deg) inventory of methane emissions from oil, gas, and coal exploitation based on national reports to the United Nations Framework Convention on Climate Change. Earth System Science Data. 12(1), 563-575. DOI: 10.5194/essd-12-563-2020 Scarpelli, T. R., Jacob, D. J., Octaviano Villasana, C. A., Ramirez Hernandez, I. F., Cardenas Moreno, P. R., Cortes Alfaro, E. A., Garcia Garcia, M. A., Zavala-Araiza, D. 2020. A gridded inventory of anthropogenic methane emissions from Mexico based on Mexico's national inventory of greenhouse gases and compounds. Environmental Research Letters. 15(10), 105015. DOI: 10.1088/1748-9326/abb42b Shen, L., Zavala-Araiza, D., Gautam, R., Omara, M., Scarpelli, T., Sheng, J., Sulprizio, M. P., Zhuang, J., Zhang, Y., Qu, Z., Lu, X., Hamburg, S. P., Jacob, D. J. 2021. Unravelling a large methane emission discrepancy in Mexico using satellite observations. Remote Sensing of Environment. 260, 112461. DOI: 10.1016/j.rse.2021.112461 Sheng, J., Jacob, D. J., Maasakkers, J. D., Zhang, Y., Sulprizio, M. P. 2018. Comparative analysis of low-Earth orbit (TROPOMI) and geostationary (GeoCARB, GEO-CAPE) satellite instruments for constraining methane emissions on fine regional scales: application to the Southeast US. Atmospheric Measurement Techniques. 11(12), 6379-6388. DOI: 10.5194/amt-11-6379-2018 Sheng, J., Jacob, D. J., Turner, A. J., Maasakkers, J. D., Benmergui, J., Bloom, A. A., Arndt, C., Gautam, R., Zavala-Araiza, D., Boesch, H., Parker, R. J. 2018. 2010-2016 methane trends over Canada, the United States, and Mexico observed by the GOSAT satellite: contributions from different source sectors. Atmospheric Chemistry and Physics. 18(16), 12257-12267. DOI: 10.5194/acp-18-12257-2018 Sheng, J., Jacob, D. J., Turner, A. J., Maasakkers, J. D., Sulprizio, M. P., Bloom, A. A., Andrews, A. E., Wunch, D. 2018. High-resolution inversion of methane emissions in the Southeast US using SEAC<sup>4</sup>RS aircraft observations of atmospheric methane: anthropogenic and wetland sources. Atmospheric Chemistry and Physics. 18(9), 6483-6491. DOI: 10.5194/acp-18-6483-2018 Treat, C. C., Bloom, A. A., Marushchak, M. E. 2018. Nongrowing season methane emissions-a significant component of annual emissions across northern ecosystems. Global Change Biology. 24(8), 3331-3343. DOI: 10.1111/gcb.14137 Turner, A. J., Jacob, D. J., Benmergui, J., Brandman, J., White, L., Randles, C. A. 2018. Assessing the capability of different satellite observing configurations to resolve the distribution of methane emissions at kilometer scales. Atmospheric Chemistry and Physics. 18(11), 8265-8278. DOI: 10.5194/acp-18-8265-2018 Varon, D. J., Jacob, D. J., Jervis, D., McKeever, J. 2020. Quantifying Time-Averaged Methane Emissions from Individual Coal Mine Vents with GHGSat-D Satellite Observations. Environmental Science & Technology. 54(16), 10246-10253. DOI: 10.1021/acs.est.0c01213 Varon, D. J., Jacob, D. J., McKeever, J., Jervis, D., Durak, B. O. A., Xia, Y., Huang, Y. 2018. Quantifying methane point sources from fine-scale satellite observations of atmospheric methane plumes. Atmospheric Measurement Techniques. 11(10), 5673-5686. DOI: 10.5194/amt-11-5673-2018 Varon, D. J., Jervis, D., McKeever, J., Spence, I., Gains, D., Jacob, D. J. 2021. High-frequency monitoring of anomalous methane point sources with multispectral Sentinel-2 satellite observations. Atmospheric Measurement Techniques. 14(4), 2771-2785. DOI: 10.5194/amt-14-2771-2021 Varon, D. J., McKeever, J., Jervis, D., Maasakkers, J. D., Pandey, S., Houweling, S., Aben, I., Scarpelli, T., Jacob, D. J. 2019. Satellite Discovery of Anomalously Large Methane Point Sources From Oil/Gas Production. Geophysical Research Letters. 46(22), 13507-13516. DOI: 10.1029/2019GL083798 Zhang, Y., Gautam, R., Zavala-Araiza, D., Jacob, D. J., Zhang, R., Zhu, L., Sheng, J., Scarpelli, T. 2019. Satellite-Observed Changes in Mexico's Offshore Gas Flaring Activity Linked to Oil/Gas Regulations. Geophysical Research Letters. 46(3), 1879-1888. DOI: 10.1029/2018GL081145 Zhang, Y., Jacob, D. J., Lu, X., Maasakkers, J. D., Scarpelli, T. R., Sheng, J., Shen, L., Qu, Z., Sulprizio, M. P., Chang, J., Bloom, A. A., Ma, S., Worden, J., Parker, R. J., Boesch, H. 2021. Attribution of the accelerating increase in atmospheric methane during 2010-2018 by inverse analysis of GOSAT observations. Atmospheric Chemistry and Physics. 21(5), 3643-3666. DOI: 10.5194/acp-21-3643-2021 Zhang, Y., Jacob, D. J., Maasakkers, J. D., Sulprizio, M. P., Sheng, J., Gautam, R., Worden, J. 2018. Monitoring global tropospheric OH concentrations using satellite observations of atmospheric methane. Atmospheric Chemistry and Physics. 18(21), 15959-15973. DOI: 10.5194/acp-18-15959-2018 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Archived Data Citations: |
Yuzhong Zhang & Daniel Jacob (2021), Global methane fluxes optimized with GOSAT data for 2010-2018, Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed: [Data Access Date], 10.5067/FPKC6Q6SGWE0
Scarpelli, Tia R.; Jacob, Daniel J.; Maasakkers, Joannes D.; Sulprizio, Melissa P.; Sheng, Jian-Xiong; Rose, Kelly; Romeo, Lucy; Worden, John R.; Janssens-Maenhout, Greet, 2021, 'Global Inventory of Methane Emissions from Fuel Exploitation', Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), DOI: 10.5067/Q28GFYJYFZ7H Joannes D. Maasakkers & Daniel J. Jacob (2021), High-resolution mean North American methane fluxes for 2010-2015 optimized with GOSAT satellite data, Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed: [Data Access Date], 10.5067/HD8VRAZN65CL Scarpelli, Tia R; Jacob, Daniel J.; Octaviano Villasana, Claudia A.; Ramírez Hernández, Irma F.; Cárdenas Moreno, Paulina R.; Cortés Alfaro, Eunice A.; García García, Miguel Á.; Zavala-Araiza, Daniel, 2020, 'Gridded inventory of Mexico's anthropogenic methane emissions', DOI: 10.7910/DVN/5FUTWM, Harvard Dataverse, V1 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Ott (CMS 2016) (2017) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project Title: | GEOS-Carb III: Delivering mature carbon flux and concentration datasets in support of NASA's Carbon Monitoring System | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Science Team |
Lesley Ott, NASA GSFC GMAO
(Project Lead)
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Solicitation: | NASA: Carbon Monitoring System (2016) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Precursor Projects: | Ott (CMS 2014) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Successor Projects: | Ott (CMS 2020) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Abstract: |
This proposal is to extend NASA GSFC's contributions to the Carbon Monitoring System (CMS). Since its 2010 inception, these efforts by GSFC-based modeling teams have continuously provided the only complete and physically consistent set of global flux and atmospheric concentration data products to CMS. The proposed work will draw on the unique capabilities of NASA's Goddard Earth Observing System (GEOS) models and data assimilation system and consists of three main components: (i) production and refinement of observationally constrained 'bottom-up' atmosphere-ocean and atmosphere- land biosphere fluxes, and fossil fuel emissions from 2003 to 2019; (ii) production of global carbon reanalyses at unprecedented spatial resolution that incorporate multiple satellite (GOSAT, OCO-2) and in situ datasets; (iii) evaluation of 'bottom-up' flux estimates through comparison with 'top-down' inversion flux estimates. A central component of these efforts has been the use of meteorological forcing provided by NASA's Modern Era Retrospective-analysis for Research and Applications 2 (MERRA-
2) to produce a consistent picture of the interactions between weather, climate, and the carbon cycle. By extending land and ocean model-based flux estimates over a 17-year period that includes notable climatic variability, we will evaluate the ability of these models to reproduce the interannual variability of atmospheric carbon observations. These flux estimates will also incorporate a number of improvements implemented during earlier phases of CMS and refine methods of uncertainty quantification. We will use a combination of diagnostic and prognostic land biosphere models to enhance understanding of carbon flux processes. Ocean flux estimates will be further constrained through assimilation of multiple satellite ocean color observations. We will also exploit information on meteorological uncertainty produced by GMAO's new ensemble-based data assimilation system to refine transport uncertainty estimates that were provided for the first time in Phase 3 of CMS. These ocean and land fluxes, fossil fuel emissions and their associated uncertainties will be used together in the GEOS-5 carbon data assimilation system (CDAS) to produce a carbon reanalysis at 12.5-km resolution, providing the most complete, data-driven picture of atmospheric greenhouse gases to date. An important component of this effort will be to reduce the latency of flux datasets, providing information on the global carbon in support of scientific and stakeholder end- users. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Participants: |
Nikolay Balashov, NASA GSFC / ESSIC UMD | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project URL(s): | None provided. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Data Products: |
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Publications: |
Fu, Z., Stoy, P. C., Poulter, B., Gerken, T., Zhang, Z., Wakbulcho, G., Niu, S. 2019. Maximum carbon uptake rate dominates the interannual variability of global net ecosystem exchange. Global Change Biology. 25(10), 3381-3394. DOI: 10.1111/gcb.14731 Gregg, W. W., Rousseaux, C. S., Franz, B. A. 2017. Global trends in ocean phytoplankton: a new assessment using revised ocean colour data. Remote Sensing Letters. 8(12), 1102-1111. DOI: 10.1080/2150704X.2017.1354263 Oda, T., Bun, R., Kinakh, V., Topylko, P., Halushchak, M., Marland, G., Lauvaux, T., Jonas, M., Maksyutov, S., Nahorski, Z., Lesiv, M., Danylo, O., Horabik-Pyzel, J. 2019. Errors and uncertainties in a gridded carbon dioxide emissions inventory. Mitigation and Adaptation Strategies for Global Change. 24(6), 1007-1050. DOI: 10.1007/s11027-019-09877-2 Oda, T., Maksyutov, S., Andres, R. J. 2018. The Open-source Data Inventory for Anthropogenic CO<sub>2</sub>, version 2016 (ODIAC2016): a global monthly fossil fuel CO<sub>2</sub> gridded emissions data product for tracer transport simulations and surface flux inversions. Earth System Science Data. 10(1), 87-107. DOI: 10.5194/essd-10-87-2018 Wang, J. S., Oda, T., Kawa, S. R., Strode, S. A., Baker, D. F., Ott, L. E., Pawson, S. 2020. The impacts of fossil fuel emission uncertainties and accounting for 3-D chemical CO2 production on inverse natural carbon flux estimates from satellite and in situ data. Environmental Research Letters. 15(8), 085002. DOI: 10.1088/1748-9326/ab9795 Weir, B., Crisp, D., O'Dell, C. W., Basu, S., Chatterjee, A., Kolassa, J., Oda, T., Pawson, S., Poulter, B., Zhang, Z., Ciais, P., Davis, S. J., Liu, Z., Ott, L. E. 2021. Regional impacts of COVID-19 on carbon dioxide detected worldwide from space. Science Advances. 7(45). DOI: 10.1126/sciadv.abf9415 Weir, B., Ott, L. E., Collatz, G. J., Kawa, S. R., Poulter, B., Chatterjee, A., Oda, T., Pawson, S. 2021. Bias-correcting carbon fluxes derived from land-surface satellite data for retrospective and near-real-time assimilation systems. Atmospheric Chemistry and Physics. 21(12), 9609-9628. DOI: 10.5194/acp-21-9609-2021 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Archived Data Citations: |
Lesley Ott (2020), GEOS-Carb CASA-GFED Daily Fire and Fuel Emissions 0.5 degree x 0.5 degree, Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed: [Data Access Date], 10.5067/7TQL49XLIMBD
Lesley Ott (2020), GEOS-Carb CASA-GFED Daily Fire and Fuel Emissions 0.5 degree x 0.5 degree, Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed: [Data Access Date], 10.5067/IYZIZJ8ZFZHU Lesley Ott (2020), GEOS-Carb CASA-GFED Monthly Fire Fuel NPP Rh NEE Fluxes 0.5 degree x 0.5 degree, Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed: [Data Access Date], 10.5067/03147VMJE8J9 Lesley Ott (2020), GEOS-Carb CASA-GFED 3-hourly Ecosystem Exchange Fluxes 0.5 degree x 0.625 degree, Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed: [Data Access Date], 10.5067/5MQJ64JTBQ40 Lesley Ott (2020), GEOS-Carb CASA-GFED Monthly Fire Fuel NPP Rh NEE Fluxes 0.5 degree x 0.5 degree, Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed: [Data Access Date], 10.5067/FZU47Y00Q79U Lesley Ott (2020), GEOS-Carb CASA-GFED 3-hourly Ecosystem Exchange Fluxes 0.5 degree x 0.625 degree, Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed: [Data Access Date], 10.5067/VQPRALE26L20 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Randerson (CMS 2016) (2017) | |||||||||||||||||||||||||||||||||||||||
| Project Title: | Optimizing the Global Fire Emissions Database for carbon monitoring | ||||||||||||||||||||||||||||||||||||||
|
Science Team |
James (Jim) Randerson, University Of California, Irvine
(Project Lead)
| ||||||||||||||||||||||||||||||||||||||
| Solicitation: | NASA: Carbon Monitoring System (2016) | ||||||||||||||||||||||||||||||||||||||
| Abstract: |
Fire is a critical component of the Earth system. NASA’s Earth observing satellites monitor active fires, map burned area, and estimate trace gas and aerosol emissions from fires worldwide. Globally, fires emit more than 2 Pg C per year, yet important challenges remain with respect to integrating fire emissions into carbon monitoring systems. One impediment to routine monitoring, reporting, and verification (MRV) of fires is the need for emissions information over a range of temporal and spatial scales. On daily to weekly time scales, near-real time fire emissions data are needed to support forecasts and response efforts during wildfire emergencies. Time series of annual fire emissions by fire type, such as products from the Global Fire Emissions Database (GFED), are important for greenhouse gas reporting at regional, national, and global scales, including the Global Carbon Project’s annual Carbon Budget. Over longer time scales, the 17-year Moderate Resolution Imaging Spectrometer (MODIS) data record now captures important year-to- year variability and secular trends in global fire activity from changing land use and climate.
Here, we propose to develop a suite of GFED products to better integrate fire emissions information into existing carbon monitoring systems. New products specifically target carbon monitoring system and stakeholder needs for low-latency data products, improved estimates of global burning and trends, and a detailed assessment of the direct and indirect contributions from fire to the global methane budget. First, we will create a near- real time GFED emissions product using new, 375 m resolution Visible Infrared Imaging Radiometer Suite (VIIRS) active fire detections. In parallel, we propose to develop and release GFED Version 5, building on improvements to Collection 6 MODIS burned area, VIIRS active fire detections, and novel constraints on fuel loads from biomass datasets developed by prior NASA Carbon Monitoring System (CMS) projects. Third, we will run GEOS-Chem atmospheric model simulations to estimate the influence of global fire activity on methane emissions and methane lifetimes based on changing hydroxyl radical (OH) concentrations. Fourth, satellite data suggest a strong decline in savanna and grassland fires over the past two decades; we propose to evaluate changing fire dynamics using individual fire information and higher resolution Landsat 8 and Sentinel-2 data for case study regions with declining fire activity. Finally, we will update and expand the online GFED Analysis Tool to serve near-real time GFED5 products and support stakeholder interest in fire activity and reporting at a range of spatial and temporal scales. This suite of GFED5 products specifically targets data needs for ongoing CMS-Flux research, global analysis of CO2 and CH4 by the Global Carbon Project and NOAA's Carbon Tracker, and scientific and media interest in large wildfire complexes as they develop.
The proposed research directly responds to three components of the ROSES A.7 CMS research announcement, including the need to “advance remote sensing-based approaches to monitoring, reporting, and verification,” “extend, and/or improve existing CMS products for biomass or flux resulting from NASA’s first phases of CMS pilot studies,” and “enhance national reported carbon emissions inventories.” The proposed effort will provide consistent global fire emissions data products for over two decades, grounded
in NASA satellite observations, to support greenhouse gas MRV efforts and advance our understanding of fire in the Earth System. Investments in near-real time GFED products and an online data delivery and analysis system will harness the full potential of
NASA’s remote sensing observations for stakeholder engagement and research needs on fire carbon losses, atmospheric chemistry, and attribution of changing fire dynamics to human activity and climate. | ||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||
|
Participants: |
Niels Andela, NASA GSFC | ||||||||||||||||||||||||||||||||||||||
| Project URL(s): | None provided. | ||||||||||||||||||||||||||||||||||||||
| Data Products: |
| ||||||||||||||||||||||||||||||||||||||
| Publications: |
Andela, N., Morton, D. C., Giglio, L., Paugam, R., Chen, Y., Hantson, S., van der Werf, G. R., Randerson, J. T. 2019. The Global Fire Atlas of individual fire size, duration, speed and direction. Earth System Science Data. 11(2), 529-552. DOI: 10.5194/essd-11-529-2019 Andela, N., Morton, D. C., Schroeder, W., Chen, Y., Brando, P. M., Randerson, J. T. 2022. Tracking and classifying Amazon fire events in near real time. Science Advances. 8(30). DOI: 10.1126/sciadv.abd2713 Chen, Y., Hantson, S., Andela, N., Coffield, S. R., Graff, C. A., Morton, D. C., Ott, L. E., Foufoula-Georgiou, E., Smyth, P., Goulden, M. L., Randerson, J. T. 2022. California wildfire spread derived using VIIRS satellite observations and an object-based tracking system. Scientific Data. 9(1). DOI: 10.1038/s41597-022-01343-0 Chen, Y., Langenbrunner, B., Randerson, J. T. 2018. Future Drying in Central America and Northern South America Linked With Atlantic Meridional Overturning Circulation. Geophysical Research Letters. 45(17), 9226-9235. DOI: 10.1029/2018GL077953 Chen, Y., Morton, D. C., Andela, N., van der Werf, G. R., Giglio, L., Randerson, J. T. 2017. A pan-tropical cascade of fire driven by El Nino/Southern Oscillation. Nature Climate Change. 7(12), 906-911. DOI: 10.1038/s41558-017-0014-8 Chen, Y., Randerson, J. T., Coffield, S. R., Foufoula-Georgiou, E., Smyth, P., Graff, C. A., Morton, D. C., Andela, N., Werf, G. R., Giglio, L., Ott, L. E. 2020. Forecasting Global Fire Emissions on Subseasonal to Seasonal (S2S) Time Scales. Journal of Advances in Modeling Earth Systems. 12(9). DOI: 10.1029/2019MS001955 Chen, Y., Randerson, J. T., Coffield, S. R., Foufoula-Georgiou, E., Smyth, P., Graff, C. A., Morton, D. C., Andela, N., Werf, G. R., Giglio, L., Ott, L. E. 2020. Forecasting Global Fire Emissions on Subseasonal to Seasonal (S2S) Time Scales. Journal of Advances in Modeling Earth Systems. 12(9). DOI: 10.1029/2019MS001955 Coffield, S. R., Graff, C. A., Chen, Y., Smyth, P., Foufoula-Georgiou, E., Randerson, J. T. 2019. Machine learning to predict final fire size at the time of ignition. International Journal of Wildland Fire. 28(11), 861. DOI: 10.1071/WF19023 Gorris, M. E., Treseder, K. K., Zender, C. S., Randerson, J. T. 2019. Expansion of Coccidioidomycosis Endemic Regions in the United States in Response to Climate Change. GeoHealth. 3(10), 308-327. DOI: 10.1029/2019GH000209 Langenbrunner, B., Pritchard, M. S., Kooperman, G. J., Randerson, J. T. 2019. Why Does Amazon Precipitation Decrease When Tropical Forests Respond to Increasing CO 2 ? Earth's Future. 7(4), 450-468. DOI: 10.1029/2018EF001026 Levine, P. A., Randerson, J. T., Chen, Y., Pritchard, M. S., Xu, M., Hoffman, F. M. 2019. Soil Moisture Variability Intensifies and Prolongs Eastern Amazon Temperature and Carbon Cycle Response to El Nino-Southern Oscillation. Journal of Climate. 32(4), 1273-1292. DOI: 10.1175/JCLI-D-18-0150.1 Wang, J. A., Baccini, A., Farina, M., Randerson, J. T., Friedl, M. A. 2021. Disturbance suppresses the aboveground carbon sink in North American boreal forests. Nature Climate Change. 11(5), 435-441. DOI: 10.1038/s41558-021-01027-4 Wiggins, E. B., Andrews, A., Sweeney, C., Miller, J. B., Miller, C. E., Veraverbeke, S., Commane, R., Wofsy, S., Henderson, J. M., Randerson, J. T. 2021. Boreal forest fire CO and CH<sub>4</sub> emission factors derived from tower observations in Alaska during the extreme fire season of 2015. Atmospheric Chemistry and Physics. 21(11), 8557-8574. DOI: 10.5194/acp-21-8557-2021 Wiggins, E. B., Czimczik, C. I., Santos, G. M., Chen, Y., Xu, X., Holden, S. R., Randerson, J. T., Harvey, C. F., Kai, F. M., Yu, L. E. 2018. Smoke radiocarbon measurements from Indonesian fires provide evidence for burning of millennia-aged peat. Proceedings of the National Academy of Sciences. 115(49), 12419-12424. DOI: 10.1073/pnas.1806003115 Woodard, D. L., Davis, S. J., Randerson, J. T. 2018. Economic carbon cycle feedbacks may offset additional warming from natural feedbacks. Proceedings of the National Academy of Sciences. 116(3), 759-764. DOI: 10.1073/pnas.1805187115 | ||||||||||||||||||||||||||||||||||||||
| Archived Data Citations: |
Andela, N., D.C. Morton, L. Giglio, and J.T. Randerson. 2019. Global Fire Atlas with Characteristics of Individual Fires, 2003-2016. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1642
| ||||||||||||||||||||||||||||||||||||||
| Sayers (CMS 2016) (2017) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project Title: | New Carbon Monitoring Products for Global Freshwater Lakes using Satellite Remote Sensing Time Series Data | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Science Team |
Michael (Mike) Sayers, Michigan Tech Research Institute
(Project Lead)
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Solicitation: | NASA: Carbon Monitoring System (2016) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Precursor Projects: | Shuchman (CMS 2011) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Abstract: |
A three year $660K program is proposed to develop and evaluate ocean color satellite- based primary production models for estimating carbon fixation of freshwater lakes on a global scale and to provide carbon fixation estimates for the world’s freshwater lakes. Generation of this first of its kind data set is an important initial step to determining complete freshwater lake carbon budgets for the world’s lakes.
These new remote sensing based tools and data products generated at local and regional scales would support the Monitoring, Reporting and Verification (MRV) aspect of NASA’s CMS program objectives and specifically addresses the two CMS research topics “using remote sensing data products to produce and evaluate prototype MRV system approaches and/or calibration and validation data sets for future NASA missions;” and “Studies that build upon, extend, and/or improve the existing CMS products for biomass and flux resulting from NASA’s first phases of CMS pilot studies”. This project builds upon and extends a methodology for estimating primary production established in an initial pilot study under a NASA CMS Phase 2 (2012 Solicitation) program to “Develop new regional carbon monitoring products in the Great Lakes” (Shuchman et al. 2013; Fahnenstiel et al. 2016; Grant #NN12AP94G).
Specifically, a simplified Depth Integrated Model (DIM) for estimating primary production or carbon fixation (thereafter referred to as carbon fixation) would generate a 2011 snapshot of the total carbon fixation in all freshwater lakes on a 300m grid, while a more sophisticated regionally optimized Vertically Generalized Production Model (VGPM) developed under this program would be used to generate annual carbon fixation estimates for 1000 freshwater lakes of the world from 2002-2011. Finally, monthly estimates of carbon fixation would be generated for 10 of the world’s largest lakes from 2002-2016. In addition to supporting CMS, the time series of carbon fixation products to be generated under this new program can be used to provide a better understanding of how anthropogenic forcing, invasive species, and climate change affect carbon fixation of the freshwater lakes in the various ecological regions throughout the globe. The carbon fixation estimates to be generated under this program are also useful in calculating freshwater fish production and better understanding lake ecosystems throughout the world. The Globolakes research programme (http://www.globolakes.ac.uk/) is an integral part of this research program and our goals fit closely with their research mission. Globolakes is providing a robust database of satellite and in situ observations that will be directly used in the generation of freshwater carbon fixation products. The simplified DIM and VGPM developed under this proposed program can utilize a variety of multispectral satellite aircraft and UAS data sources. The ocean color satellite data that will be used in this proposed program includes: MERIS and VIIRS. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Participants: |
David Bunnell, USGS, Great Lakes Science Center | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project URL(s): | None provided. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Data Products: |
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Publications: |
Bosse, K. R., Sayers, M. J., Shuchman, R. A., Fahnenstiel, G. L., Ruberg, S. A., Fanslow, D. L., Stuart, D. G., Johengen, T. H., Burtner, A. M. 2019. Spatial-temporal variability of in situ cyanobacteria vertical structure in Western Lake Erie: Implications for remote sensing observations. Journal of Great Lakes Research. 45(3), 480-489. DOI: 10.1016/j.jglr.2019.02.003 Sayers, M. J., Bosse, K. R., Shuchman, R. A., Ruberg, S. A., Fahnenstiel, G. L., Leshkevich, G. A., Stuart, D. G., Johengen, T. H., Burtner, A. M., Palladino, D. 2019. Spatial and temporal variability of inherent and apparent optical properties in western Lake Erie: Implications for water quality remote sensing. Journal of Great Lakes Research. 45(3), 490-507. DOI: 10.1016/j.jglr.2019.03.011 Sayers, M. J., Fahnenstiel, G. L., Shuchman, R. A., Bosse, K. R. 2021. A new method to estimate global freshwater phytoplankton carbon fixation using satellite remote sensing: initial results. International Journal of Remote Sensing. 42(10), 3708-3730. DOI: 10.1080/01431161.2021.1880661 Sayers, M. J., Grimm, A. G., Shuchman, R. A., Bosse, K. R., Fahnenstiel, G. L., Ruberg, S. A., Leshkevich, G. A. 2019. Satellite monitoring of harmful algal blooms in the Western Basin of Lake Erie: A 20-year time-series. Journal of Great Lakes Research. 45(3), 508-521. DOI: 10.1016/j.jglr.2019.01.005 Sayers, M., Bosse, K., Fahnenstiel, G., Shuchman, R. 2020. Carbon Fixation Trends in Eleven of the World's Largest Lakes: 2003-2018. Water. 12(12), 3500. DOI: 10.3390/w12123500 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Sedano (CMS 2016) (2017) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project Title: | Forest degradation driven by charcoal production: characterization, quantification and forecasting to improve carbon monitoring systems in southern Africa | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Science Team |
Fernando Sedano, University of Maryland
(Project Lead)
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Solicitation: | NASA: Carbon Monitoring System (2016) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Abstract: |
African urban population is rapidly growing. While only 30% of the African population lived in urban centers in 2000, this figure will reach 60% by year 2050. Close to eighty percent of African urban households use charcoal as main source of cooking fuel. Charcoal is expected to remain the main source of energy in the coming future and its overall consumption will rise by 2040. Charcoal production is already the main driver of forest degradation in sub Saharan Africa.
The Miombo region of southern Africa includes the largest tropical woodlands ecosystems in Africa. These ecosystems are a source of large uncertainties in the global carbon balance. The urban demand for energy poses an increasing pressure on these woodlands. Yet, forest degradation driven by charcoal production is still insufficiently
understood and poorly quantified. This knowledge gap and the growing importance of this process stresses the need of developing specific monitoring and quantifying strategies as a first step to reduce carbon emissions uncertainties in the region.
The overarching goal of this research proposal is developing remote sensing-based and modeling tools to characterize, quantify, understand and predict forest degradation in tropical woodlands of the Miombo region of southern Africa.
In a first objective, we will prototype a remote sensing-based approach to map, monitor and quantify forest degradation from charcoal production combining multitemporal analysis of very high-resolution remote sensing images and field measurements. A second objective will develop a modeling framework to generate spatially explicit estimates of current forest degradation area and carbon emissions at national level and predict the evolution of carbon stocks under future scenarios. Finally, we will evaluate the potential and limitations of upcoming NASA GEDI mission to detect changes in forest structure associated to forest degradation in tropical woodlands of southern Africa. Ultimately, the methods and products developed under this project will provide the knowledge base at relevant spatial and temporal scales for understanding a poorly understood forest degradation process of high significance at regional level. This proposal will contribute to advance remote sensing-based approaches to characterize, monitor and quantify forest degradation in tropical woodlands. This knowledge will support the development of more precise MRV REDD+ systems in the countries of the Miombo region. The findings of the project could potentially be incorporated in the national REDD+ strategies in Africa, becoming a key tool for targeted policy interventions within the context of REDD+. The methods developed in this project will be valuable for US and international institutions involved in the independent monitoring of emission inventories in support of international climate agreements. The proposed effort will also contribute to predict the evolution of carbon sources and sinks in a large ecosystem of global importance and source of large uncertainties in the carbon balance. Lastly, this research proposal will also produce information for the calibration and validation of future GEDI data for degradation studies and inform future space-borne LiDAR missions. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Participants: |
John David, NASA GSFC | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project URL(s): | None provided. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Data Products: |
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Publications: |
Sedano, F., Lisboa, S. N., Duncanson, L., Ribeiro, N., Sitoe, A., Sahajpal, R., Hurtt, G., Tucker, C. J. 2020. Monitoring forest degradation from charcoal production with historical Landsat imagery. A case study in southern Mozambique. Environmental Research Letters. 15(1), 015001. DOI: 10.1088/1748-9326/ab3186 Sedano, F., Lisboa, S. N., Sahajpal, R., Duncanson, L., Ribeiro, N., Sitoe, A., Hurtt, G., Tucker, C. J. 2021. The connection between forest degradation and urban energy demand in sub-Saharan Africa: a characterization based on high-resolution remote sensing data. Environmental Research Letters. 16(6), 064020. DOI: 10.1088/1748-9326/abfc05 Sedano, F., Lisboa, S., Duncanson, L., Ribeiro, N., Sitoe, A., Sahajpal, R., Hurtt, G., Tucker, C. 2020. Monitoring intra and inter annual dynamics of forest degradation from charcoal production in Southern Africa with Sentinel - 2 imagery. International Journal of Applied Earth Observation and Geoinformation. 92, 102184. DOI: 10.1016/j.jag.2020.102184 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Vargas (CMS 2016) (2017) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project Title: | Carbon monitoring systems across Mexico to support implementation of REDD+: maximizing benefits and knowledge | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Science Team |
Rodrigo Vargas, University of Delaware
(Project Lead)
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Solicitation: | NASA: Carbon Monitoring System (2016) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Precursor Projects: | Vargas (CMS 2013) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Successor Projects: | Vargas (CMS 2020) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Abstract: |
Rationale: Mexico is a high-biodiversity country with nearly 40% of its territory forested. During the last decade carbon cycle science efforts have rapidly increased, and state-of- the-art measurements on carbon (C) stocks, dynamics, and forest architecture are available at representative landscapes and at the national level. Mexico is now recognized to be one of the few non-Annex I countries capable of implementing Reducing Emissions from Deforestation and Forest Degradation plus improving forest management, carbon stock enhancement and conservation (REDD+). This proposal builds on previous NASA CMS efforts to improve monitoring, reporting and verification (MRV) for implementation of REDD+ in Mexico. Furthermore, this proposal takes advantage of other NASA CMS efforts to develop algorithms and apply high performance computing
(HPC) approaches to develop a framework for estimating high-resolution (30 m resolution) carbon-related estimates at national scales. Combining CMS efforts and experiences are important to (a) increase interoperability across CMS products, (b) test their applicability and uncertainty, (c) identify their strengths and areas for improvements, and (d) move to higher Application Readiness Levels (ARLs). Mexico can be considered a “data rich” country, and this proposal is an opportunity to develop, test, and improve the applicability of different NASA CMS products across North America.
The goal of this proposal is to: improve a national carbon monitoring framework to synthetize forest inventory and remote sensing information, while increasing spatial resolution and knowledge to provide support for implementation of REDD+ across Mexico.
Specific objectives: 1) Harmonize available data to increase interoperability and synthesis efforts; 2) Build multi-scale resolution products at the national level (1km to 30 m); 3) Develop high-resolution estimates (15 and 1 m) at intensive monitoring sites; and 4) Collaborate with stakeholders to improve a national carbon monitoring framework where information is available to support research and management/policy decisions.
Approach: This proposal builds upon ongoing efforts supported by NASA, the USDA Forest Service (supported by USAID), the Mexican Carbon Program, and multiple institutions represented by participants in this proposal. This proposal will a) harmonize and synthetize available national information to increase data interoperability for synthesis studies, and development/validation of CMS products; b) build multi-scale resolution products (between 1 km to 30 m) of forest cover change, aboveground biomass, forest structural variables (e.g., tree height), soil carbon, and gross primary productivity (GPP) with associate uncertainties at the national level; and c) generate a framework for high-resolution (15 m to 1 m) estimates of aboveground biomass, forest structural variables, soil carbon, and GPP across a network of intensive monitoring sites. These efforts will be supported by already available data sets (site level and national level), NASA-derived remote sensing information, and using the NASA Earth Exchange (NEX) HPC framework.
Significance: This proposal supports NASA research through a) validation and improvement of CMS-related applications; b) advancement of remote sensing-based approaches to MRV; c) supporting implementation of REDD+ projects; d) building synergy and collaboration between different NASA CMS efforts; and f) working with scientists and stakeholders to increase ARLs and transfer CMS efforts and products across North America. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Participants: |
Gregorio Ángeles-Pérez, Colegio de Postgraduados | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Project URL(s): | None provided. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Data Products: |
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Publications: |
2020. State of the Climate in 2019. Bulletin of the American Meteorological Society. 101(8), S1-S429. DOI: 10.1175/2020BAMSStateoftheClimate.1 Barba, J., Cueva, A., Bahn, M., Barron-Gafford, G. A., Bond-Lamberty, B., Hanson, P. J., Jaimes, A., Kulmala, L., Pumpanen, J., Scott, R. L., Wohlfahrt, G., Vargas, R. 2018. Comparing ecosystem and soil respiration: Review and key challenges of tower-based and soil measurements. Agricultural and Forest Meteorology. 249, 434-443. DOI: 10.1016/j.agrformet.2017.10.028 Basu, S., Mukhopadhyay, S., Karki, M., DiBiano, R., Ganguly, S., Nemani, R., Gayaka, S. 2018. Deep neural networks for texture classification--A theoretical analysis. Neural Networks. 97, 173-182. DOI: 10.1016/j.neunet.2017.10.001 Bond-Lamberty, B., Bailey, V. L., Chen, M., Gough, C. M., Vargas, R. 2018. Globally rising soil heterotrophic respiration over recent decades. Nature. 560(7716), 80-83. DOI: 10.1038/s41586-018-0358-x Cueva, A., Bullock, S. H., Mendez-Alonzo, R., Lopez-Reyes, E., Vargas, R. 2021. Foliage Senescence as a Key Parameter for Modeling Gross Primary Productivity in a Mediterranean Shrubland. Journal of Geophysical Research: Biogeosciences. 126(1). DOI: 10.1029/2020JG005839 Delgado-Balbuena J, Yépez EA, Paz-Pellat F, Ángeles-Pérez G, Aguirre-Gutiérrez C, Alvarado-Barrientos MS, Arredondo T, Ayala-Niño F, Bullock S, Castellanos AE, Cueva A, Figueroa-Espinoza B, Garatuza- Payán J, González-del Castillo E, González-Sosa E, Guevara-Escobar A, Hinojo-Hinojo C, Kyaw-Tha PU, Lizárraga-Celaya C, Maya-Delgado Y, Oechel W, Pérez-Ruiz ER, Quesada-Avendaño M, Robles-Zazueta CA, Rodríguez JC, Rojas-Robles NE, Tarin-Terrazas T, Troyo-Diéguez E, Uuh-Sonda J, Vargas-Terminel ML, Vargas R, Vega-Puga MG, Verduzco VS, Vivoni ER, Watts CJ (2019) Database of vertical carbon dioxide fluxes at terrestrial and coastal ecosystems in Mexico. Elementos para Politicas Publicas. 2(2)93-108. http://www.elementospolipub.org/ojs/index.php/epp/article/view/41/49 Delgado-Balbuena, J., Arredondo, J. T., Loescher, H. W., Pineda-Martinez, L. F., Carbajal, J. N., Vargas, R. 2019. Seasonal Precipitation Legacy Effects Determine the Carbon Balance of a Semiarid Grassland. Journal of Geophysical Research: Biogeosciences. 124(4), 987-1000. DOI: 10.1029/2018JG004799 Ganguly S, Basu S, Nemani R, Mukhopadhyay S, Michaelis A, Votava P, Milesi C, Kumar U (2018) Deep Learning for Very High-Resolution Imagery Classification, Large-Scale Machine Learning in the Earth Sciences, Chapter 7, in Large-Scale Machine Learning in the Earth Sciences. Srivastava, A.N., Nemani, R. and Steinhaeuser, K. eds., CRC Press. ISBN: 9781498703888. Guevara, M., Arroyo, C., Brunsell, N., Cruz, C. O., Domke, G., Equihua, J., Etchevers, J., Hayes, D., Hengl, T., Ibelles, A., Johnson, K., Jong, B., Libohova, Z., Llamas, R., Nave, L., Ornelas, J. L., Paz, F., Ressl, R., Schwartz, A., Victoria, A., Wills, S., Vargas, R. 2020. Soil Organic Carbon Across Mexico and the Conterminous United States (1991-2010). Global Biogeochemical Cycles. 34(3). DOI: 10.1029/2019GB006219 Guevara, M., Olmedo, G. F., Stell, E., Yigini, Y., Aguilar Duarte, Y., Arellano Hernandez, C., Arevalo, G. E., Arroyo-Cruz, C. E., Bolivar, A., Bunning, S., Bustamante Canas, N., Cruz-Gaistardo, C. O., Davila, F., Dell Acqua, M., Encina, A., Figueredo Tacona, H., Fontes, F., Hernandez Herrera, J. A., Ibelles Navarro, A. R., Loayza, V., Manueles, A. M., Mendoza Jara, F., Olivera, C., Osorio Hermosilla, R., Pereira, G., Prieto, P., Ramos, I. A., Rey Brina, J. C., Rivera, R., Rodriguez-Rodriguez, J., Roopnarine, R., Rosales Ibarra, A., Rosales Riveiro, K. A., Schulz, G. A., Spence, A., Vasques, G. M., Vargas, R. R., Vargas, R. 2018. No silver bullet for digital soil mapping: country-specific soil organic carbon estimates across Latin America. SOIL. 4(3), 173-193. DOI: 10.5194/soil-4-173-2018 Guevara, M., Vargas, R. 2021. Prediccion de carbono organico en los suelos de Mexico a 1 m de profundidad y 90 m de resolucion espacial (1999-2009). REVISTA TERRA LATINOAMERICANA. 39. DOI: 10.28940/terra.v39i0.1241 Harden, J. W., Hugelius, G., Ahlstrom, A., Blankinship, J. C., Bond-Lamberty, B., Lawrence, C. R., Loisel, J., Malhotra, A., Jackson, R. B., Ogle, S., Phillips, C., Ryals, R., Todd-Brown, K., Vargas, R., Vergara, S. E., Cotrufo, M. F., Keiluweit, M., Heckman, K. A., Crow, S. E., Silver, W. L., DeLonge, M., Nave, L. E. 2017. Networking our science to characterize the state, vulnerabilities, and management opportunities of soil organic matter. Global Change Biology. 24(2). DOI: 10.1111/gcb.13896 Hashimoto, H., Wang, W., Melton, F. S., Moreno, A. L., Ganguly, S., Michaelis, A. R., Nemani, R. R. 2019. High-resolution mapping of daily climate variables by aggregating multiple spatial data sets with the random forest algorithm over the conterminous United States. International Journal of Climatology. 39(6), 2964-2983. DOI: 10.1002/joc.5995 Hayes, D. J., Vargas, R., Alin, S., Conant, R. T., Hutyra, L. R., Jacobson, A. R., Kurz, W. A., Liu, S., McGuire, A. D., Poulter, B., Woodall, C. W. 2018. Chapter 2: The North American Carbon Budget. Second State of the Carbon Cycle Report DOI: 10.7930/SOCCR2.2018.Ch2 Hinojo-Hinojo, C., Castellanos, A. E., Huxman, T., Rodriguez, J. C., Vargas, R., Romo-Leon, J. R., Biederman, J. A. 2019. Native shrubland and managed buffelgrass savanna in drylands: Implications for ecosystem carbon and water fluxes. Agricultural and Forest Meteorology. 268, 269-278. DOI: 10.1016/j.agrformet.2019.01.030 Hinojo-Hinojo, C., Castellanos, A. E., Llano-Sotelo, J., Penuelas, J., Vargas, R., Romo-Leon, J. R. 2018. High Vcmax, Jmax and photosynthetic rates of Sonoran Desert species: Using nitrogen and specific leaf area traits as predictors in biochemical models. Journal of Arid Environments. 156, 1-8. DOI: 10.1016/j.jaridenv.2018.04.006 Jian, J., Vargas, R., Anderson-Teixeira, K., Stell, E., Herrmann, V., Horn, M., Kholod, N., Manzon, J., Marchesi, R., Paredes, D., Bond-Lamberty, B. 2021. A restructured and updated global soil respiration database (SRDB-V5). Earth System Science Data. 13(2), 255-267. DOI: 10.5194/essd-13-255-2021 Kim, M., Ham, B., Kraxner, F., Shvidenko, A., Schepaschenko, D., Krasovskii, A., Park, T., Lee, W. 2020. Species- and elevation-dependent productivity changes in East Asian temperate forests. Environmental Research Letters. 15(3), 034012. DOI: 10.1088/1748-9326/ab71a2 Kumar, U., Ganguly, S., Nemani, R. R., Raja, K. S., Milesi, C., Sinha, R., Michaelis, A., Votava, P., Hashimoto, H., Li, S., Wang, W., Kalia, S., Gayaka, S. 2017. Exploring Subpixel Learning Algorithms for Estimating Global Land Cover Fractions from Satellite Data Using High Performance Computing. Remote Sensing. 9(11), 1105. DOI: 10.3390/rs9111105 Liu, Q., Basu, S., Ganguly, S., Mukhopadhyay, S., DiBiano, R., Karki, M., Nemani, R. 2019. DeepSat V2: feature augmented convolutional neural nets for satellite image classification. Remote Sensing Letters. 11(2), 156-165. DOI: 10.1080/2150704X.2019.1693071 Peano, D., Hemming, D., Materia, S., Delire, C., Fan, Y., Joetzjer, E., Lee, H., Nabel, J. E. M. S., Park, T., Peylin, P., Warlind, D., Wiltshire, A., Zaehle, S. Plant phenology evaluation of CRESCENDO land surface models - Part I: start and end of growing season DOI: 10.5194/bg-2020-319 Piao, S., Wang, X., Park, T., Chen, C., Lian, X., He, Y., Bjerke, J. W., Chen, A., Ciais, P., Tommervik, H., Nemani, R. R., Myneni, R. B. 2019. Characteristics, drivers and feedbacks of global greening. Nature Reviews Earth & Environment. 1(1), 14-27. DOI: 10.1038/s43017-019-0001-x Rojas-Robles, N. E., Garatuza-Payan, J., Alvarez-Yepiz, J. C., Sanchez-Mejia, Z. M., Vargas, R., Yepez, E. A. 2020. Environmental Controls on Carbon and Water Fluxes in an Old-Growth Tropical Dry Forest. Journal of Geophysical Research: Biogeosciences. 125(8). DOI: 10.1029/2020JG005666 Saatchi, S., Longo, M., Xu, L., Yang, Y., Abe, H., Andre, M., Aukema, J. E., Carvalhais, N., Cadillo-Quiroz, H., Cerbu, G. A., Chernela, J. M., Covey, K., Sanchez-Clavijo, L. M., Cubillos, I. V., Davies, S. J., De Sy, V., De Vleeschouwer, F., Duque, A., Sybille Durieux, A. M., De Avila Fernandes, K., Fernandez, L. E., Gammino, V., Garrity, D. P., Gibbs, D. A., Gibbon, L., Gowae, G. Y., Hansen, M., Lee Harris, N., Healey, S. P., Hilton, R. G., Johnson, C. M., Kankeu, R. S., Laporte-Goetz, N. T., Lee, H., Lovejoy, T., Lowman, M., Lumbuenamo, R., Malhi, Y., Albert Martinez, J. M., Nobre, C., Pellegrini, A., Radachowsky, J., Roman, F., Russell, D., Sheil, D., Smith, T. B., Spencer, R. G., Stolle, F., Tata, H. L., Torres, D. D. C., Tshimanga, R. M., Vargas, R., Venter, M., West, J., Widayati, A., Wilson, S. N., Brumby, S., Elmore, A. C. 2021. Detecting vulnerability of humid tropical forests to multiple stressors. One Earth. 4(7), 988-1003. DOI: 10.1016/j.oneear.2021.06.002 Soriano-Luna, M., Angeles-Perez, G., Guevara, M., Birdsey, R., Pan, Y., Vaquera-Huerta, H., Valdez-Lazalde, J., Johnson, K., Vargas, R. 2018. Determinants of Above-Ground Biomass and Its Spatial Variability in a Temperate Forest Managed for Timber Production. Forests. 9(8), 490. DOI: 10.3390/f9080490 Stell, E., Warner, D., Jian, J., Bond-Lamberty, B., Vargas, R. 2021. Spatial biases of information influence global estimates of soil respiration: How can we improve global predictions? Global Change Biology. 27(16), 3923-3938. DOI: 10.1111/gcb.15666 Vandal, T., Kodra, E., Dy, J., Ganguly, S., Nemani, R., Ganguly, A. R. 2018. Quantifying Uncertainty in Discrete-Continuous and Skewed Data with Bayesian Deep Learning. Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. DOI: 10.1145/3219819.3219996 Vandal, T., Kodra, E., Ganguly, S., Michaelis, A., Nemani, R., Ganguly, A. R. 2017. DeepSD. Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. DOI: 10.1145/3097983.3098004 Vazquez-Lule A*, Bejarano M, Olguin M, Villeda E, Vargas R (2018). Integración y síntesis de datos para el monitoreo de los manglares de México. In: Métodos para la caracterización de los manglares mexicanos: un enfoque espacial multi-escala. Edited by CONABIO. pp 245-265. ISBN: 978-607-8570-03-4. http://www.biodiversidad.gob.mx/ecosistemas/manglares2013/pdf/metodos/caracterizacion_manglares.pdf Vazquez-Lule, A., Colditz, R., Herrera-Silveira, J., Guevara, M., Rodriguez-Zuniga, M. T., Cruz, I., Ressl, R., Vargas, R. 2019. Greenness trends and carbon stocks of mangroves across Mexico. Environmental Research Letters. 14(7), 075010. DOI: 10.1088/1748-9326/ab246e Villarreal, S., Guevara, M., Alcaraz-Segura, D., Brunsell, N. A., Hayes, D., Loescher, H. W., Vargas, R. 2018. Ecosystem functional diversity and the representativeness of environmental networks across the conterminous United States. Agricultural and Forest Meteorology. 262, 423-433. DOI: 10.1016/j.agrformet.2018.07.016 Villarreal, S., Guevara, M., Alcaraz-Segura, D., Vargas, R. 2019. Optimizing an Environmental Observatory Network Design Using Publicly Available Data. Journal of Geophysical Research: Biogeosciences. 124(7), 1812-1826. DOI: 10.1029/2018JG004714 Villarreal, S., Vargas, R. 2021. Representativeness of FLUXNET Sites Across Latin America. Journal of Geophysical Research: Biogeosciences. 126(3). DOI: 10.1029/2020JG006090 Warner, D. L., Bond-Lamberty, B., Jian, J., Stell, E., Vargas, R. 2019. Spatial Predictions and Associated Uncertainty of Annual Soil Respiration at the Global Scale. Global Biogeochemical Cycles. 33(12), 1733-1745. DOI: 10.1029/2019GB006264 Wheeler, K. I., Levia, D. F., Vargas, R. 2019. Visible and near-infrared hyperspectral indices explain more variation in lower-crown leaf nitrogen concentrations in autumn than in summer. Oecologia. 192(1), 13-27. DOI: 10.1007/s00442-019-04554-2 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Archived Data Citations: |
Guevara, M., C.E. Arroyo-cruz, N. Brunsell, C.O. Cruz-gaistardo, G.M. Domke, J. Equihua, J. Etchevers, D.J. Hayes, T. Hengl, A. Ibelles, K. Johnson, B. de Jong, Z. Libohova, R. Llamas, L. Nave, J.L. Ornelas, F. Paz, R. Ressl, A. Schwartz, S. Wills, and R. Vargas. 2020. Soil Organic Carbon Estimates for 30-cm Depth, Mexico and Conterminous USA, 1991-2011. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1737
Villarreal, S., R. Vargas, and D. Alcaraz-segura. 2019. Ecosystem Functional Type Distribution Map for the Conterminous USA, 2001-2014. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1659 Guevara, M., G.F. Olmedo, E. Stell, Y. Yigini, C.A. Hernandez, G. Arevalo, C.E. Arroyo-cruz, A. Bolivar, S. Bunning, N.B. Canas, C.O. Cruz-gaistardo, F. Davila, M.D. Acqua, A. Encina, F. Fontes, J.A.H. Herrera, A.R.I. Navarro, V. Loayza, A.M. Manueles, F.M. Jara, C. Olivera, G. Pereira, P. Prieto, I.A. Ramos, J.C.R. Brina, R. Rivera, J. Rodriguez-Rodriguez, R. Roopnarine, A. Rosales, K.A.R. Rivero, G.A. Schulz, A. Spence, G.M. Vasques, R.R. Vargas, and R. Vargas. 2019. Soil Organic Carbon Stock Estimates with Uncertainty across Latin America. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1615 Villarreal, S., D. Alcaraz-Segura, M. Guevara, and R. Vargas. 2019. Ecosystem Functional Type Distribution Map for Mexico, 2001-2014. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1693 Warner, D.L., B.P. Bond-Lamberty, J. Jian, E. Stell, and R. Vargas. 2019. Global Gridded 1-km Annual Soil Respiration and Uncertainty Derived from SRDB V3. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1736 Guevara, M., and R. Vargas. 2020. Soil Organic Carbon Estimates and Uncertainty at 1-m Depth across Mexico, 1999-2009. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1754 Hashimoto H, Wang W, Melton F, Moreno A, Michaelis A, and Nemani R. (2019). NEX-Gridded Daily Meteorology (NEX-GDM) land surface climate data. https://data.nas.nasa.gov/geonex/data.php?dir=/geonexdata/NEX-GDM Vázquez-Lule, A., R. Colditz, J. Herrera-silveira, M. Guevara, M.G. RodrÃguez-Zúñiga, I. Cruz, R. Ressl, and R. Vargas. 2021. Greenness Trends and Carbon Stocks of Mangrove Forests Across Mexico, 2001-2015. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/1853 Park, T., and R. Vargas. 2022. Tree Cover Estimates at 30 m Resolution for Mexico, 2016-2018. ORNL DAAC, Oak Ridge, Tennessee, USA. DOI: 10.3334/ORNLDAAC/2137 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||