Categorización de la Vegetación de Humedales mediante Escaneo Láser Aéreo en el Lago Balaton y Kis-Balaton, Hungría
Autores: Zlinszky, András; Mücke, Werner; Lehner, Hubert; Briese, Christian; Pfeifer, Norbert
Idioma: Inglés
Editor: Molecular Diversity Preservation International (MDPI)
Año: 2012
Acceso abierto
Artículo científico
Categoría
Ciencias Medioambientales
Subcategoría
Ciencia y tecnología de los recursos naturales
Palabras clave
Vegetación de humedales
ALS
Lago Balatón
Typha sp.
Carex sp.
Phragmites australis
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 5
Citaciones: Sin citaciones
El delineado de parches dominados por diferentes plantas en la vegetación de humedales proporciona información sobre la sucesión de especies, patrones de microhábitat, salud de los humedales y servicios ecosistémicos. La fotogrametría aérea y la imagenología hiperespectral son los métodos habituales de adquisición de datos, pero la aplicación de la escaneo láser aéreo (ALS) como herramienta independiente también promete en este campo, ya que puede utilizarse para cuantificar la estructura de la vegetación en 3 dimensiones. El lago Balatón es un gran lago poco profundo en el oeste de Hungría con humedales costeros que han estado en declive desde la década de 1970. En agosto de 2010, se completó un estudio de ALS en las costas del lago Balatón con un registro de eco discreto de 1 pt/m2. El conjunto de datos de ALS resultante se procesó en varios rásteres de salida que describen las propiedades de la vegetación y el terreno, creando un número suficiente de variables independientes para cada celda de ráster que permite una clasificación multivariada básica. Se aplicó un algoritmo de árbol de decisión generado por expertos para delinear áreas de humedales y, dentro de estas, parches dominados por Typha sp., Carex sp. y Phragmites australis. La salud de los juncos se clasificó en cuatro categorías: saludable, estresada, ruderal y retroceso. El mapa de salida se probó contra un conjunto de 775 fotografías terrestres geoetiquetadas y tuvo una precisión del usuario de >97% para detectar características no húmedas (árboles, superficies artificiales y stands de Scirpus de baja densidad), >72% para la detección de géneros dominantes y >80% para la mayoría de las categorías de salud de los juncos (con un 62% para una categoría). La precisión general de clasificación fue del 82.5%, Kappa de Cohen 0.80, lo que es similar a algunos estudios de fusión de ALS hiperespectral o multiespectral. En comparación con la imagenología hiperespectral, la cadena de procesamiento de ALS puede automatizarse de manera similar, pero depende directamente de las diferencias en la estructura de la vegetación y la reflectancia activamente medida, y por lo tanto es probablemente más robusta. Los parámetros de adquisición de datos son similares a los estudios nacionales de varios países europeos, lo que sugiere que estos conjuntos de datos existentes podrían utilizarse para la cartografía y el monitoreo de la vegetación.
Descripción
El delineado de parches dominados por diferentes plantas en la vegetación de humedales proporciona información sobre la sucesión de especies, patrones de microhábitat, salud de los humedales y servicios ecosistémicos. La fotogrametría aérea y la imagenología hiperespectral son los métodos habituales de adquisición de datos, pero la aplicación de la escaneo láser aéreo (ALS) como herramienta independiente también promete en este campo, ya que puede utilizarse para cuantificar la estructura de la vegetación en 3 dimensiones. El lago Balatón es un gran lago poco profundo en el oeste de Hungría con humedales costeros que han estado en declive desde la década de 1970. En agosto de 2010, se completó un estudio de ALS en las costas del lago Balatón con un registro de eco discreto de 1 pt/m2. El conjunto de datos de ALS resultante se procesó en varios rásteres de salida que describen las propiedades de la vegetación y el terreno, creando un número suficiente de variables independientes para cada celda de ráster que permite una clasificación multivariada básica. Se aplicó un algoritmo de árbol de decisión generado por expertos para delinear áreas de humedales y, dentro de estas, parches dominados por Typha sp., Carex sp. y Phragmites australis. La salud de los juncos se clasificó en cuatro categorías: saludable, estresada, ruderal y retroceso. El mapa de salida se probó contra un conjunto de 775 fotografías terrestres geoetiquetadas y tuvo una precisión del usuario de >97% para detectar características no húmedas (árboles, superficies artificiales y stands de Scirpus de baja densidad), >72% para la detección de géneros dominantes y >80% para la mayoría de las categorías de salud de los juncos (con un 62% para una categoría). La precisión general de clasificación fue del 82.5%, Kappa de Cohen 0.80, lo que es similar a algunos estudios de fusión de ALS hiperespectral o multiespectral. En comparación con la imagenología hiperespectral, la cadena de procesamiento de ALS puede automatizarse de manera similar, pero depende directamente de las diferencias en la estructura de la vegetación y la reflectancia activamente medida, y por lo tanto es probablemente más robusta. Los parámetros de adquisición de datos son similares a los estudios nacionales de varios países europeos, lo que sugiere que estos conjuntos de datos existentes podrían utilizarse para la cartografía y el monitoreo de la vegetación.