The 2017–2027 National Academies' Decadal Survey, Thriving on Our Changing Planet, recommended Surface Biology and Geology (SBG) as a "Designated Targeted Observable" (DO). The SBG DO is based on the need for capabilities to acquire global, high spatial resolution, visible to shortwave infrared (VSWIR; 380–2500 nm; ~30 m pixel resolution) hyperspectral (imaging spectroscopy) and multispectral midwave and thermal infrared (MWIR: 3–5 μm; TIR: 8–12 μm; ~60 m pixel resolution) measurements with sub-monthly temporal revisits over terrestrial, freshwater, and coastal marine habitats. To address the various mission design needs, an SBG Algorithms Working Group of multidisciplinary researchers has been formed to review and evaluate the algorithms applicable to the SBG DO across a wide range of Earth science disciplines, including terrestrial and aquatic ecology, atmospheric science, geology, and hydrology. Here, we summarize current state-of-the-practice VSWIR and TIR algorithms that use airborne or orbital spectral imaging observations to address the SBG DO priorities identified by the Decadal Survey: (i) terrestrial vegetation physiology, functional traits, and health; (ii) inland and coastal aquatic ecosystems physiology, functional traits, and health; (iii) snow and ice accumulation, melting, and albedo; (iv) active surface composition (eruptions, landslides, evolving landscapes, hazard risks); (v) effects of changing land use on surface energy, water, momentum, and carbon fluxes; and (vi) managing agriculture, natural habitats, water use/quality, and urban development. We review existing algorithms in the following categories: snow/ice, aquatic environments, geology, and terrestrial vegetation, and summarize the community-state-of-practice in each category. This effort synthesizes the findings of more than 130 scientists.

Forest models often reflect the dominant management paradigm of their time. Until the late 1970s, this meant sustaining yields. Following landmark work in forest ecology, physiology, and biogeochemistry, the current generation of models is further intended to inform ecological and climatic forest management in alignment with national biodiversity and climate mitigation targets. This has greatly increased the complexity of models used to inform management, making them difficult to diagnose and understand. State-of-the-art forest models are often complex, analytically intractable, and computationally-expensive, due to the explicit representation of detailed biogeochemical and ecological processes. Different models often produce distinct results while predictions from the same model vary with parameter values. In this project, we developed a rigorous quantitative approach for conducting model intercomparisons and assessing model performance. We have applied our original methodology to compare two forest biogeochemistry models, the Perfect Plasticity Approximation with Simple Biogeochemistry (PPA-SiBGC) and Landscape Disturbance and Succession with Net Ecosystem Carbon and Nitrogen (LANDIS-II NECN). We simulated past-decade conditions at flux tower sites located within Harvard Forest, MA, USA (HF-EMS) and Jones Ecological Research Center, GA, USA (JERC-RD). We mined field data available for both sites to perform model parameterization, validation, and intercomparison. We assessed model performance using the following time-series metrics: net ecosystem exchange, aboveground net primary production, aboveground biomass, C, and N, belowground biomass, C, and N, soil respiration, and, species total biomass and relative abundance. We also assessed static observations of soil organic C and N, and concluded with an assessment of general model usability, performance, and transferability. Despite substantial differences in design, both models achieved good accuracy across the range of pool metrics. While LANDIS-II NECN showed better fidelity to interannual NEE fluxes, PPA-SiBGC indicated better overall performance for both sites across the 11 temporal and 2 static metrics tested (HF-EMS R^2 = 0.73, +0.07, RMSE = 4.84, -10.02; JERC-RD R^2 = 0.76, +0.04, RMSE = 2.69, -1.86). To facilitate further testing of forest models at the two sites, we provide pre-processed datasets and original software written in the R language of statistical computing. In addition to model intercomparisons, our approach may be employed to test modifications to forest models and their sensitivity to different parameterizations.

Modeling forest ecosystems is a landmark challenge in science, due to the complexity of the processes involved and their importance in predicting future planetary conditions. While there are a number of open-source forest biogeochemistry models, few papers exist detailing the software development approach used to develop these models. This has left many forest biogeochemistry models large, opaque, and/or difficult to use, typically implemented in compiled languages for speed. Here, we present a forest biogeochemistry model from the SORTIE- PPA class of models, PPA-SiBGC. Our model is based on the Perfect Plasticity Approximation with simple biogeochemistry compartments and uses empirical vegetation dynamics rather than detailed prognostic processes to drive the estimation of carbon and nitrogen fluxes. This allows our model to be used with traditional forest inventory data, making it widely applicable and simple to parameterize. We detail the conceptual design of the model as well as the software implementation in the R language for statistical computing. Our aim is to provide a useful tool for the biogeochemistry modeling community that demonstrates the importance of vegetation dynamics in biogeochemical models.