Upload
voque
View
218
Download
2
Embed Size (px)
Citation preview
Đào tạo kỹ thuật LEAF cho phát triển
mưc cơ sơ (RL)
Katie Goslee and Silvia Petrova Ecosystem Services Unit, Winrock International
www.winrock.org/ecosystems [email protected]
1
Thành lập bản đồ lớp phủ, bản đồ mốc chuẩn & đánh giá độ chính xác
Presenter: Silvia Petrova, Winrock international
2
Vì sao cần có bản đồ lớp phủ trong quá khứ và bản đồ mốc chuẩn cho việc xây dựng RL?
• Bản đồ lớp phủ trong quá khứ
• Cung cấp thông tin về dữ liệu hoạt động
• Hỗ trợ phân tích biến động
• Xác định tỷ lệ mất rừng trong quá khứ
• Bản đồ rừng tại mốc chuẩn
• Xác định diện tích các khu vực rừng cần theo dõi trong tương lai
3
Bản đồ lớp phủ trong khoảng 3 năm trở lại là yêu cầu khi xây dựng RL
Bản đồ rừng được cập nhật tại thời điểm mới nhất là yêu cầu khi tiến hành theo dõi
Dữ liệu hoạt động /Mất rừng
4
Dữ liệu hoạt động về mất rừng là diện tích rừng bị mất đi hàng năm (Tỷ lệ mất rừng)
Bước tiền phân tích dữ liệu
- Hoàn thiện định nghĩa về rừng
- Đánh giá dữ liệu viễn thám sẵn có và tìm dữ liệu bổ sung
- Xác định độ chính xác yêu cầu
Bước phân tích dữ liệu
- Tiền xử lý ảnh
- Phân loại ảnh / phát hiện biến động
- Đánh giá độ chính xác
Bước ước tính dự báo dữ liệu hoạt động
- Phân tích biến động lớp phủ trong quá khứ
- dự báo tỷ lệ , tốc độ mất rừng
Sự tham gia của chuyên gia viễn thám / GIS
Vai trò của các chuyên gia viễn thám/GIS trong việc xây dựng dữ liệu hoạt động cho RL
• Bước tiền phân tích dữ liệu • Hoàn thiện định nghĩa về rừng
• Đánh giá các tài liệu viễn thám hiện có và tím dữ liệu bổ sung
• Xác định độ chính xác yêu cầu
• Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh / phát hiện biến động
• Đánh giá độ chính xác
• Bước ước tính dự báo dữ liệu hoạt động • Phân tích biến động lớp phủ trong quá khứ
• Ước tính, dự báo tỷ lệ mất rừng
5
6
Độ phân giải không gian là phần diện tích nhỏ nhất có thể nhận diện được trên ảnh như một đơn vị riêng biệt . Trong dữ liệu raster, nó thường được biểu diễn bằng kích thước của ô pixel
Độ phân giải phổ là số lượng và độ lớn của khoảng bước sóng cụ thể trong dải quang phổ điện từ mà bộ cảm biến có thể thu được
Độ phân giải không gian cao: 0.6 - 4 m Độ phân giải không gian trung bình: 4 - 30 m Độ phân giải không gian thấp: 30 - > 1,000 m
Độ phân giải phổ cao: - 220 bands Độ phân giải phổ trung bình: 3 - 15 bands Độ phân giải phổ thấp: - 3 bands
Vài điều cần lưu ý: độ phân giải ảnh
Dữ liệu trạng thái Cho RL
7
Độ phân giải thời gian cao: < 24 giờ - 3 ngày Độ phân giải thời gian trung bình: 4 - 16 ngày Độ phân giải thời gian thấp : > 16 ngày
Độ phân giải thời gian là mưc độ
lặp lại thường xuyên mà hệ thống cảm
biến thu nhận ảnh đối với một khu vực
cụ thể
Độ phân giải điện từ là số lượng các cấp số được dùng để nén dữ liệu thu nhận từ bộ cảm.
Nó thường được biểu diễn dưới dạng bits (binary digits) cần thiết để lưu trữ các mưc tối đa
Vài lưu ý : độ phân giải ảnh
Vài lưu ý: Đơn vị bản đồ nhỏ nhất (MMU)
MMU là khu vực nhỏ nhất được biểu diễn trên bản đồ
Trên bản đồ raster, MMU thường
là số pixel
VD: trong NLCD 2006 (USA), MMU là pixel 30x30 m
Trên bản đồ vector, MMU là đối tượng
nhỏ nhất (polygon) được thể hiện trên bản đồ
VD: trong bản đồ lớp phủ CORINE (CLC) (từ EEA), MMU là 25 ha
8
NLCD – Cơ sở dữ liệu lớp phủ quốc gia EEA – Bộ môi trường châu Âu
MMU liên quan đến diện tích rừng nhỏ nhất được xác định trên bản đồ theo định nghĩa về rừng
Bước phân tích dữ liệu
10
Phương pháp viễn thám để xác định khu vực mất rừng
Hai phương pháp chính để xác định các khu vực mất rừng từ ảnh viễn thám được đề nghị sử dụng trong xây dựng mưc cơ sơ RL là:
• Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
• Phân loại tự động– tạo ra bản đồ lớp phủ cho mỗi thời điểm
• Nhận diện biến động – Phân tích đồng thời ảnh viễn thám của tất cả các thời điểm để nhận diện khu vực biến động
Giải đoán ảnh bằng mắt là phương pháp không được khuyến khích sử dụng !!!
11
Phân loại ảnh
Mục đích của phân loại ảnh là sắp xếp tất
cả các pixel trong một ảnh vào một hoặc
một số loại lớp phủ.
Phân bổ pixel vào 1 loại lớp phủ
Phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
12
Phân loại ảnh tự động
Nguyên tắc phân loại ảnh
Phương pháp tiếp cận Số lượng kêt quả
Giả định về phân phối dữ liệu
Có kiểm định Không kiểm
định Cố định (crisp)
Có thê thay đổi (fuzzy)
Kiểu tham số Kiểu phi tham số
Quy tắc phân loại nào nên được sử dụng trong mối quan hệ với RL?
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
13
Kiểm định và không kiểm định
Phương pháp tiếp cận
Có kiểm định Không kiểm định
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
14
Phân loại có kiểm định Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
15
Tham số vs. Phi tham số GIả định phân bổ dữ
liệu
Kiểu tham số Kiểu phi tham số
Phân loại xác suất cực đại
Ảnh A
Ảnh B
Layer đầu vào
Layer ẩn Layer đầu ra
Ảnh trộn
Tách chiết đặc điểm
Tách chiết đặc điểm
Kênh “a”
Kênh “b”
Khu vực trùng lấp
Lớp 1
Lớp 3
Lớp 2
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
16
Phân loại ảnh: phân loại ranh giới cố định và phân loại mềm
Số lượng kết quả đầu ra
Ranh giới cố định (crisp)
Ranh giới mềm (fuzzy)
… pixels thể hiện thành phần của một lớp che phủ đất
… pixel hiển thị nhiều hoặc một phần
các thành phần của lớp che phủ đất
Thực vật
Đất trống
Nước
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
17
Phân loại ranh giới cố định theo truyền thống: Giai đoạn lấy mẫu
• Chi phí, dữ liệu sẵn có và khả năng tiếp cận của dữ liệu có thể dẫn đến việc lấy thiếu mẫu
• Số lượng mẫu có thể ảnh hưởng đến việc tính toán các tham số thống kê • Khu vực lấy mẫu chỉ được tạo ra từ các pixels đồng nhất, do đó độ chính xác phân
loại có thể thấp
• Khâu lấy mẫu là quan trọng đối với kết quả cuối cùng của phân loại ảnh
• Trong khâu này, chúng ta thu thập dữ liệu được sử dụng để lựa chọn thuật toán (khu vực mẫu)
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
18
Phân loại ranh giới cố định theo truyền thống: Phân loại
cloud.sig
cloud.spf
Giá trị vùng mẫu
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
19
Phân loại ranh giới cố định theo truyền thống: : kết quả
Maximum likelihood Minimum distance to mean Parallelepiped
Ảnh vệ tinh Phương pháp khoảng cách tối thiểu cho tới trung bình sẽ cho kết quả không tốt nếu lẫy mấu không tốt Phương pháp hình bình hành tốn ít thời gian Phương pháp Giống nhau tối đa là phương pháp duy nhất có kết hợp các hiểu biết trước đó
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
20
Phân tích nhận hiện biến động
Nhận diện biến động: Dữ liệu của hai
hoặc nhiều hơn hai thời điểm được phân tích đồng thời để nhận diện khu vực bị mất rừng .
Quy trình phương pháp được đề nghị : • Xử lý ảnh – nắn chỉnh hình học và nắn ảnh, hiệu
chỉnh phổ và khí quyển, nắn chỉnh địa hình. • Lựa chọn kỹ thuật thích hợp để tiến hành nhận diện
biến động • Đánh giá độ chính xác
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
21
Các kỹ thuật nhận diện biến động
• Phân tích vecto biến động (CVA) – tạo ra 2 kết quả đầu ra (1) độ lớn của biến động và (2) hướng biến động
• Nguyên tắc phân tích thành phần chính (PCA) – giả định rằng dữ liệu đa thời gian có liên quan chặt chẽ với nhau và biến động rừng có thể được nhận diện trong thành phần mới
• Tasseled cap (KT) – nhận diện biến động dựa trên 3 thành phần: độ sáng, độ xanh, độ ẩm ướt
• Phân tích trộn quang phổ (SMA) – tạo ra các kênh ảnh thành phần, các đối tượng thuần (endmember) được lựa chọn làm vùng mẫu
Thực vật Nước Đất trống Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
22
Xử lý sau phân loại
Xử lý sau phân loại là bắt buộc khi
MMU của bản đồ kết quả lớp phủ lớn hơn kích thước một pixel phân loại
Bản đồ lớp phủ cuối cùng nên để ở định dạng vector và MMU = kích thước pixel
Khái quát hóa bản đồ Chuyển đổi từ raster sang vector
Nâng tỷ lệ
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
23
Xử lý sau phân loại
MMU = 1pixel (30 m x 30 m) MMU = 5 ha
Khái quát hóa
Việc lựa chọn độ phân giải để phân tích nên cân nhắc kỹ , để tránh lỗi khi thực hiện nhiều lần khái quát hóa
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
24
Đánh giá độ chính xác
• Đánh giá độ chính xác là để định lượng mức độ chính xác, chất lượng công việc của người thực hiện phân loại
• Đánh giá độ chính xác là bắt buộc đối với các bản đồ lớp phủ để xây dựng RL
• Độ chính xác của phân loại lớp phủ thường được đánh giá bằng cách so sánh kết quả phân loại với những điểm kiểm chứng (thực địa), được giả định là đại diện cho các loại lớp phủ
• Việc lựa chọn các điểm kiểm chứng trên thực địa nên được thiết kế lấy mẫu một cách ngẫu nhiên
• Không nên sử dụng mẫu phân loại để đánh giá độ chính xác
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
25
Các bước chính đánh giá độ chính xác
1. Xác định các dữ liệu tham khảo
Dữ liệu thực địa
Ảnh độ phân giải cao
2. Tiến hành thiết kế và lấy mẫu
Lựa chọn thiết kế mẫu
Số lượng điểm lấy mẫu
3. Tính toán độ chính xác
Vị trí/ loại
Thống kê
Đánh giá độ chính xác có thể tốn kém chi phí và thời gian. Do đó, việc lên kế hoạch phù hợp và thiết kế lấy mẫu nên là một phần của việc xây dựng mưc cơ sơ (RL) cho phát thải khí nhà kính (GHG ) trong quá khứ cấp quốc gia và cấp dưới quốc gia.
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
26
Dữ liệu tham khảo
There are generally two types of reference data : • Field data • Digital data (e.g. high resolution images, aerial
photographs)
Những lưu ý khi chọn dữ liệu tham khảo cho RL
Chi phí và thời gian cho việc thu thập dữ liệu
Khả năng sử dụng dữ liệu hiện có như nguồn hỗ trợ
Quy trình phù hợp cho việc gán tên loại lớp phủ ngoài thực địa và trong suốt quá trình phân loại
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
27
Thiết kế lấy mẫu
Mục đích của việc thiết kế lấy mẫu : •Để đảm bảo việc lấy đủ số lượng các mẫu •Để đưa ra phép đo độ chính xác với độ tin cậy phù hợp •Để đảm bảo đúng nguyên tắc lấy mẫu xác suất
Các cách thiết kế lấy mẫu phổ biến : • Ngẫu nhiên • Theo hệ thống • Lấy theo phân cấp ngẫu nhiên • Lấy theo cụm (các nhóm lồng nhau)
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
28
Thiết kế lấy mẫu theo nhóm
Các bước cơ bản để thiết kế lấy mẫu theo nhóm : • Chia toàn bộ pixel thành các nhóm i.e. ví dụ: loại
lớp phủ. Những nhóm (lớp) này gọi là 1 phân cấp (strata)
• Lấy mẫu ngẫu nhiên trong phạm vi mỗi cấp và tính toán, ước
lượng độ chính xác
• Kết hợp kết quả của tất cả các cấp và tính độ chính xác cho tổng số các pixel được phân loại đúng trong phạm vi mỗi phân cấp. Tính toán phương sai
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
29
Thiết kế lấy mẫu
Những điểm quan trọng trong việc lựa chọn thiết kế lấu mẫu :
• Quy trình phân loại cho các dữ liệu mẫu phải giống với quy trình được sử dụng cho phân loại
• Xác suất bằng nhau đối với mọi khu vực lấy mẫu • Lấy đủ lượng mẫu để đạt được độ chính xác thống kê
cho mỗi loại lớp phủ
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
30
Kích thước mẫu
Kích thước mẫu cần được tính toán theo phương trình sau (Goodchild et al. 1994):
Trong đó
p là độ chính xác yêu cầu
q là (1-p)
E là sai số cho phép
zα is được rút ra từ đường cong thông thường theo
mức độ quan trọng α
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
31
Số lượng mẫu
• Số lượng mẫu tương đương với mỗi loại lớp phủ là tương đối phổ biến trong đánh giá độ chính xác
• Số lượng mẫu lớn hơn có thể được phân bổ cho
các lớp được ưu tiên nhiều hơn phụ thuộc vào các mục tiêu cụ thể của RL
• Số lượng mẫu có thể khác nhau, tùy theo độ lớn của khu vực hoặc mức độ phức tạp của các loại lớp phủ
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
32
Tính toán độ chính xác
Sai số trên bản đồ bắt nguồn từ ảnh vệ tinh: •Sai số vị trí là sự sai lệch về vị trí thực của lớp phủ với đặc điểm trên ảnh •Sai số chuyên đề là khi các loại lớp phủ trên bản đồ bị phân loại sai so với thực tế
Tính toán độ chính xác thông thường (thể hiện bằng %): •Độ chính xác tổng thể •Độ chính xác đối với người phân loại (sản xuất) (lỗi do thiếu sót
= 100 – độ chính xác của người phân loại) •Độ chính xác đối với người sử dụng
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
33
Tính toán độ chính xác
Độ chính xác tổng thể =
Classified pixels
Bamboo Evergreen Grass Barren Total
Gro
un
d
Ref
ere
nce
Dat
a Bamboo 911 20 1 0 932
Evergreen 40 343 72 2 457
Grass 0 62 176 14 252
Barren 0 0 19 27 46
Total 951 425 268 43 1687
Số pixel được phân loại đúng
Tổng số điểm mẫu Độ chính xác tổng thể =
Tre Rừng thường xanh Cỏ Đất trống
Tre
Rừng thường xanh Cỏ Đất trống
Tổng
Tổng
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
Các pixel được phân loại
Các điểm thực địa
34
Tính toán độ chính xác
Classified pixels
Forest Cropland Grass Barren Total
Gro
un
d
Ref
ere
nce
Dat
a Forest 911 20 1 0 932
Cropland 40 343 72 2 457
Grass 0 62 176 14 252
Barren 0 0 19 27 46
Total 951 425 268 43 1687
Độ chính xác của người sản xuất = .. Cho lớp “rừng”
Độ chính xác của người sản xuất = .. Cho lớp “ đất trồng cây hàng năm”
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
Số pixel được phân loại đúng mỗi lớp
Tổng số điểm mẫu của lớp đó Độ chính xác của người sản xuất =
Các pixel được phân loại
Các điểm thực địa
35
Measures of accuracy
Classified pixels
Forest Cropland Grass Barren Total
Gro
un
d
Ref
ere
nce
Dat
a Forest 911 20 1 0 932
Cropland 40 343 72 2 457
Grass 0 62 176 14 252
Barren 0 0 19 27 46
Total 951 425 268 43 1687
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
Độ chính xác người sử dụng = .. Cho lớp “rừng”
Độ chính xác người sử dụng= .. Cho lớp “ đất trồng cây hàng năm”
Số pixel được phân loại đúng mỗi lớp
Tổng số điểm mẫu của lớp đó Độ chính xác người sử dụng =
Các pixel được phân loại
Các điểm thực địa
36
Phương sai và khoảng tin cậy
Phương sai được tính theo công thức
Trong đó, N là tổng số lượng pixels, n là số lượng mẫu lấy, và p là độ chính xác tính được (tỷ lệ)
Khoảng tin cậy 90% sẽ là :
Bước phân tích dữ liệu • Tiền xử lý ảnh
• Phân loại ảnh/
nhận diện biến
động
• Đánh giá độ
chính xác
Dữ liệu hoạt động /Mất rừng
37
Dữ liệu hoạt động về mất rừng là diện tích rừng bị mất đi hàng năm (Tỷ lệ mất rừng)
Bước tiền phân tích dữ liệu
- Hoàn thiện định nghĩa về rừng
- Đánh giá dữ liệu viễn thám sẵn có và tìm dữ liệu bổ sung
- Xác định độ chính xác yêu cầu
Bước phân tích dữ liệu
- Tiền xử lý ảnh
- Phân loại ảnh / phát hiện biến động
- Đánh giá độ chính xác
Bước ước tính dự báo dữ liệu hoạt động
- Phân tích biến động lớp phủ trong quá khứ
- dự báo tỷ lệ , tốc độ mất rừng
Sự tham gia của chuyên gia viễn thám / GIS
Tính toán xây dựng dữ liệu hoạt động
Hai kỹ thuật chính thường được dùng để xác định dữ liệu hoạt động cho RL
• Đánh giá biến động sau phân loại
Quy trình này sử dụng sự so sánh giữa bản đồ lớp phủ của 2 hoặc 3 thời điểm để xác định dữ liệu hoạt động
•Nhận diện biến động trước phân loại ( phân loại trực tiếp biến động)
Quy trình này sử dụng ảnh viễn thám đa thời gian thu nhận ở những thời điểm khác nhau để xác định vị trí có biến động
38
Dữ liệu hoạt động
39
Thời kỳ Diện tích rừng (x1000 ha)
Diện tích biến động ( x1000 ha) Tỷ lệ biến động (%)
Diện tích rừng năm 1990
8,473
Diện tích rừng năm 2000
8,328 145 -1.72%
Diện tích rừng năm 2005
8,275 53 -0.64% Diện tích rừng theo bản đồ mốc 2010
8,198 77 -0.46%
Tổng diện tích biến động (2010-1990) 275 -3.29%
Ví dụ về bảng Thống kê dữ liệu hoạt động
Tóm tắt : Dữ liệu hoạt động cho RL
• Ảnh độ phân giải không gian và phân giải phổ trung bình nên được sử dụng cho phân loại lớp phủ
• Phân loại theo ranh giới cố định và phân tích biến động nên được sử dụng để cung cấp dữ liệu hoạt động
• Đánh giá độ chính xác cần được thực hiện với kết quả phân loại
40
Tài liệu tham khảo
• Goodchild, M. F., G. S. Biging, R. G. Congalton, P. G. Langley, N. R. Chrisman, and F. W. Davis, 1994. Final Report of the Accuracy Assessment Task Force. California Assembly Bill AB1580, Santa Barbara: University of California, National Center for Geographic Information and Analysis (NCGIA)
• Walker, S., E. Swails, S. Petrova, F. Casarim, K. Goslee , and S. Brown. 2012. Guidance on Development of a REDD + Reference Level. Report produced under lowering Emissions in Asia’s Forest (LEAF) Program
• GOFC-GOLD-25. Strahler A. H. , L. Boschetti, G. M. Foody, M. A. Friedl, M. C. Hansen, M. Herold, P. Mayaux, J. T. Morisette, S. V. Stehman and C. E. Woodcock. 2006. Global Land Cover Validation: Recommendations for Evaluation and Accuracy Assessment of Global Land Cover Maps.
41
LEAF đào tạo kỹ thuật về Xây dựng mưc cơ sơ
Tài liệu này có thể được sử dụng lại nếu có đề cập nguồn tài liệu của Winrock International và tên tác giả
Goslee, K. , Petrova, S. (2012). LEAF Technical Training on Reference Level Development.
Katie Goslee và Silvia Petrova Ecosystem Services Unit, Winrock International
www.winrock.org/ecosystems [email protected]