Monitoring of tree ecosystem dynamics, structure and biomass with Earth Observation and Artificial Intelligence

Aquesta tesi millora el seguiment dels ecosistemes arborats per aprofundir en la comprensió del seu paper en els cicles del carboni, la biodiversitat i la resiliència davant el canvi climàtic. Tot i els avenços en l’Observació de la Terra (EO), encara hi ha reptes per obtenir avaluacions forestals fiables i ecològicament significatives. Per abordar-los, la recerca desenvolupa mètodes escalables de teledetecció i intel·ligència artificial per quantificar la biomassa aèria, els estocs de carboni i l’estructura forestal. Primer, presenta un marc innovador basat en imatges d’alta resolució i xarxes neuronals per cartografiar el carboni d’arbres individuals a zones semiàrides africanes. Després, amplia l’anàlisi global amb models profunds UNet que integren dades GEDI LiDAR, millorant els mapes de biomassa existents. També genera indicadors estructurals (alçària i cobertura del dosser) i aplica els mètodes a l’estudi d’incendis i recuperació mediterrània. En conjunt, reforça els sistemes MRV per a la mitigació climàtica i la conservació.

Publication Details

Journal
Tesis Doctorals en Xarxa (Consorci de Serveis Universitaris de Catalunya)
Published
2025-10-02
Primary Topic
Remote Sensing and LiDAR Applications
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Monitoring of tree ecosystem dynamics, structure and biomass with Earth Observation and Artificial Intelligence

Tesis Doctorals en Xarxa (Consorci de Serveis Universitaris de Catalunya)
Remote Sensing and LiDAR Applications
article

Monitoring of tree ecosystem dynamics, structure and biomass with Earth Observation and Artificial Intelligence

article en

Abstract

Aquesta tesi millora el seguiment dels ecosistemes arborats per aprofundir en la comprensió del seu paper en els cicles del carboni, la biodiversitat i la resiliència davant el canvi climàtic. Tot i els avenços en l’Observació de la Terra (EO), encara hi ha reptes per obtenir avaluacions forestals fiables i ecològicament significatives. Per abordar-los, la recerca desenvolupa mètodes escalables de teledetecció i intel·ligència artificial per quantificar la biomassa aèria, els estocs de carboni i l’estructura forestal. Primer, presenta un marc innovador basat en imatges d’alta resolució i xarxes neuronals per cartografiar el carboni d’arbres individuals a zones semiàrides africanes. Després, amplia l’anàlisi global amb models profunds UNet que integren dades GEDI LiDAR, millorant els mapes de biomassa existents. També genera indicadors estructurals (alçària i cobertura del dosser) i aplica els mètodes a l’estudi d’incendis i recuperació mediterrània. En conjunt, reforça els sistemes MRV per a la mitigació climàtica i la conservació.

Tesis Doctorals en Xarxa (Consorci de Serveis Universitaris de Catalunya)
Openalex Percentile: Top 46%
Remote Sensing and LiDAR Applications
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.