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.

Drivers of forest wildfire severity include fuels, topography and weather. However, because only fuels can be actively managed, quantifying their effects on severity has become an urgent research priority. Here we employed GEDI spaceborne lidar to consistently assess how pre-fire forest fuel structure affected wildfire severity across 42 California wildfires between 2019–2021. Using a spatial-hierarchical modeling framework, we found a positive concave-down relationship between GEDI-derived fuel structure and wildfire severity, marked by increasing severity with greater fuel loads until a decline in severity in the tallest and most voluminous forest canopies. Critically, indicators of canopy fuel volumes (like biomass and height) became decoupled from severity patterns in extreme topographic and weather conditions (slopes >20°; winds > 9.3 m/s). On the other hand, vertical continuity metrics like layering and ladder fuels more consistently predicted severity in extreme conditions – especially ladder fuels, where sparse understories were uniformly associated with lower severity levels. These results confirm that GEDI-derived fuel estimates can overcome limitations of optical imagery and airborne lidar for quantifying the interactive drivers of wildfire severity. Furthermore, these findings have direct implications for designing treatment interventions that target ladder fuels versus entire canopies and for delineating wildfire risk across topographic and weather conditions. Wildfire severity is more consistently associated with vertical fuel continuity metrics such as ladder fuels rather than total canopy volumes across a range of topography and weather conditions, according to an analysis of GEDI spaceborne lidar data for 42 California fires between 2019–2021.