Der Kohlenstoffvorrat-Layer schätzt die Kohlenstoffdichte (tC/ha) mittels Random-Forest-Downscaling. Basisdaten stammen von Walker et al. (2022, Kohlenstoffdichte-Karte 2016). Trainingsvariablen: NDVI (Sentinel-2), Landbedeckung (Dynamic World), Geländehöhe (SRTM).
| Quelle | Anbieter | Auflösung |
|---|---|---|
| Walker et al. 2022 Baseline | S3 (vorberechnet) | ~300 m |
| Sentinel-2 NDVI | ESA/Copernicus | 10 m |
| Dynamic World | Google/WRI | 10 m |
| SRTM DEM | NASA | 30 m |
Lo stock di carbonio viene stimato attraverso una tecnica di downscaling spaziale che combina una mappa di riferimento con variabili ausiliarie ad alta risoluzione. La mappa di riferimento è il dataset Walker et al. 2022 (carbon density anno base 2016), disponibile su AWS S3 come Cloud Optimized GeoTIFF, con risoluzione di circa 100 metri. Il downscaling utilizza un modello Random Forest addestrato su: 1) NDVI da Sentinel-2 per il periodo richiesto (proxy della biomassa vegetale attuale), 2) Land Cover da Dynamic World (stratificazione per tipo di vegetazione), 3) Elevazione da SRTM DEM (influenza su temperatura e precipitazioni). I dati di training vengono scaricati alla risoluzione MODIS (~100m), mascherando valori invalidi e corpi idrici. Il modello RF viene configurato con 100 estimatori e profondità massima 15. La predizione viene poi applicata alle variabili ausiliarie scaricate ad alta risoluzione (25-50m). L'output è espresso in tonnellate di carbonio per ettaro (tC/ha), con range tipico 0-300 per la maggior parte delle aree, fino a 500 per foreste tropicali dense.