Mid Scale Data

Data to Model Ecosystem Service Outputs for Agency 

Planning

Jimmy Kagan

OSU | PSU | UO

Presentation Goals & Outline

1. What is Mid‐Scale Data and how does it compare to National and Local scale info?

2. How is it generated?

3. What does it get you and why is it needed for ecosystem service outputs? 

4. How is it used in agency planning?

What is Mid‐Scale Data?

• Defined by– Spatial Extent– Spatial Resolution– Attribute Resolution

Spatial Extent

• Local  (e.g., map of birds at PDX)• Regional (e.g., GNN maps of the PNW)• Nationwide (e.g., LANDFIRE EVT, USGS GAPvegetation)

Spatial Resolution

• Fine‐scale data = 1m or finer spatial resolution (NAIP or LIDAR)

• Mid‐scale resolution = 30m spatial resolution (Landsat)

• Broad‐scale resolution >= 250m spatial resolution (Modis)

Attribute resolution

• Single‐species maps• Community types (e.g., Ecological Systems)• Multivariate information on vegetation community composition and structure– NN Imputation = a multivariate prediction– Maintenance of covariance structure (Henderson et al. 2009)

• Confidence of predictions

Uses for estimating ecosystem services

• When data depth is needed• Flexible vegetation summaries.• When accurate areal representation over large areas is of primary importance. (e.g., ‘how much of watershed ‘x’ is covered with closed‐canopy forests?)

2008 USGS Gap Landcover in Oregon

Example: Estimating habitat

What’s missing in GAP?

• Vegetation Structure– useful for estimating habitat value for wildlife or carbon or wood product availability

• Site attributes (down wood, snags, litter)– Useful for evaluating fire risk, wildlife habitat or biomass

• Species Composition of the Vegetation (system)– Useful for summarizing ecological condition 

• (e.g., invasive species)

(2) calculate

axis scores of pixel from

mapped data layersstudyarea

(3) find nearest-

neighbor plot in

gradient space

(4) impute nearest

neighbor’s value to

pixel

Methods: GNNgradient space geographic space

CCAAxis 2

(e.g., Climate)

CCAAxis 1

(e.g., elevation, Y)

(1)conductgradient

analysis ofplot data

Using nationally available FIA & AIM data to generate midscale data

Methods: Random Forest (RFNN)• One Classification Tree:

|MTM100 < 21.1095

DEM < 679.825

MTM300 < 13.874

SLPPCT < 29.3858

YFIRE < 3.15519

CANOPY < 42.085930725365 3415

4323

8793 48475767

Methods: Random Forest (RFNN)

• A whole forest of classification trees!

• Each tree model is built from a random subset of explanatory variables and input data.

• When the model is applied to mapped data, each tree ‘votes’ on which Plot best represents a pixel should be.

|TM100 < 22.9069

TM100 < 19.0223 FOG < 0.5

TM100 < 33.82934108 5120

5977 86398622

|ANNHDD < 2766.21

SLPPCT < 10.3216 STDTM100 < 16.1739

ANNHDD < 3469.43STDTM100 < 46.7235

9148 5675 3517 4192 4607 5832

|TM200 < 22.9549

STRATUS < 201.108

TM200 < 35.1356

4156

5559 82698694

|MTM300 < 28.9494

MTM300 < 13.8683 IDSURVEY < 0.5

MTM300 < 43.80133922 4672

6770 89475136

|DECMINT < 48.1696

MTM700 < 27.8564

DECMINT < -214.708DECMINT < -276.567R5700 < 145.622

R5700 < 185.313

4280 36687896 4737

6104

8506 5086

|TM100 < 22.9069

TM100 < 19.0223 DISTNF:b

4108 5120

5833 8480

Mid‐Scale Data vs National Data for Species Habitat Mapping

Northern Spotted Owl Habitat on Mt. Hood.

Greater Sage Grouse Habitat in Southeast Oregon.

Forest Canopy CoverAlso available in national scale data, but more accurate with     mid scales information

Tree DiameterAvailable only in mid (or fine) scale data and needed to model ecosystem service outputs

Why Is Mid Scale Data Needed to Model Ecosystem Service Outputs 

for Land Management Agency Planning?

Because it is the data needed to make State and Transition Models work

State‐and‐Transition Models (STMs)• Simulate changes in vegetation over time due to succession, 

disturbance, and management activities• Are a modeling form of Box and Arrow Diagrams• Agency models historically were developed in the Vegetation Dynamics 

Development Tool (VDDT) which are non‐spatial simulations.• These simulations run in the Path Landscape Model• A spatial version (ST‐Sim) is available from APEX (apexrms.com)

Herbaceous    Open shrub    Closed shrub    Woodland

Perennial bunchgrasses

Mixed grass

Exotic annual grasses

SUCCESSIONDEG

RADA

TION

DISTURBANCE

State‐and‐Transition Models

Western Juniper / mountain big sagebrush

Herbaceous layer:

Thinning

Low‐severity fire

High‐severity fire

State and Transitions describe changes over time, which can be converted to ecosystem outputs 

Planting

Regeneration

Use Mid Scale Data to Run Models and Hook to Outputs

Fuels

Wildlife habitat

Treatment finances 

Output Intrepretations

Watershed

Evaluate management scenario

State and Transition Models

Wildfire‐fuel hazards

Terrestrial habitat

Aquatic habitat

Economic potential

Ecosystem Services

Merchantable Volume, Sawtimber, Biomass

Deschutes National Forest Output Example

Wallowa‐Whitman project area –Current Vegetation

VegetationNo Treatments30 Years

VegetationNo Management 150 years

Alternative 2 Treatments first decade

Vegetation, Alt. 2, 30 Years

Vegetation, Alt 2, 150 years

MC2 Dynamic Global Vegetation Model

Climate‐informedState‐and‐Transition Models

Integrating Climate Change & Land Management Models

Climate Information

Oak woodlands

Early Mid

Late Conifer

Chaparral

Ponderosa Pine

Early Mid

LateOld‐

growth

Douglas‐fir

Early Mid

LateOld‐

growth

Midscale data is not all TerrestrialNWI is relatively high spatial resolution with uncertain accuracy….yet can

Channel Type Classification

Based on Montgomery and Buffington 1997

And Can Include Species

Mid‐scale data can improve species mapsCalifornia mountain kingsnake Lampropeltis zonata

Predicted Habitat quality within occupied watersheds

Conclusions• Mid Scale data can provide information to improve modeling of ecosystem service outputs

• Mid Scale data provides critical inputs into state and transition models which predict many ecosystem service outputs from management decisions

• Mid Scale data is created from nationally available datasets with proven methods

• Mid Scale data is available in some areas of the US, and cab be developed across the country if federal agencies worked together and decided to make it happen

Jimmy Kagan, INR‐Portland, jkagan@pdx.edujimmy.kagan@oregonstate.edu,  503‐725‐9955