Проект реализован исследовательской группой Научно-исследовательского института аэрокосмической информации Китайской академии наук (AIRCAS) под руководством профессоров Ли Цзина и Лю Циньхуо. Результаты опубликованы в журнале Scientific Data.
Для создания карты использовались данные спутников Sentinel-2 Европейского космического агентства. Итоговый набор данных — MuSyQ Global LCC — имеет разрешение 10 метров, что на порядок превосходит существующие глобальные продукты, обычно ограниченные диапазоном 300–500 метров. Это позволяет анализировать состояние растительности почти на уровне отдельных полей и лесных массивов.
Содержание хлорофилла в листьях напрямую отражает физиологическое состояние растений и их способность поглощать углерод из атмосферы. До сих пор отсутствие глобальных данных высокого разрешения серьезно ограничивало понимание того, как экосистемы реагируют на климатические изменения, засухи и антропогенную нагрузку.
Чтобы решить эту задачу, команда применила индекс чувствительности к хлорофиллу (CSI) и обработала массивы данных Sentinel-2 на облачной платформе Google Earth Engine. Такой подход позволил автоматизировать анализ спутниковых снимков и получить однородную глобальную карту с высокой точностью.
Помимо самого набора данных исследователи разработали веб-приложение, с помощью которого пользователи могут формировать собственные карты хлорофилла: выбирать регионы, временные интервалы, разрешение и строить временные ряды для анализа сезонных и межгодовых изменений растительности.
Версия карты с разрешением 100 метров уже доступна в открытом доступе через Научный банк данных и интерфейс Google Earth Engine. Валидация показала, что продукт сопоставим по точности с глобальными данными MODIS LCC, но при этом обеспечивает существенно более детальную картину.
Ожидается, что MuSyQ Global LCC станет важным инструментом для точного земледелия, мониторинга лесов и оценки влияния изменения климата на растительность. Фактически речь идёт о переходе от «грубой» глобальной оценки биомассы к наблюдениям почти в масштабе ближнего поля — уровне, где данные начинают напрямую влиять на управленческие решения.
