Remote Sensing: Una nuova prospettiva sugli habitat degli uccelli
Usare la tecnologia per proteggere i nidi degli uccelli tramite dati di telerilevamento.
Rachel J Kuzmich, Ross A Hill, Shelley A Hinsley, Paul E Bellamy, Ailidh E Barnes, Markus Melin, Paul M Treitz
― 7 leggere min
Indice
Il telerilevamento è come avere un superpotere che ci permette di guardare la Terra dall'alto. Gli scienziati stanno iniziando a usare questa capacità per sapere di più sull'ambiente, specialmente per capire dove gli uccelli amano stare. Questa tecnologia aiuta a raccogliere dati importanti su foreste e altri ecosistemi, essenziali per capire come proteggere meglio i nostri amici piumati e le loro case.
Cos'è il Telerilevamento?
Il telerilevamento consiste nel raccogliere informazioni su un’area senza doverci essere fisicamente. Pensalo come usare una fotografia super tecnologica. Droni, satelliti e altre macchine volanti scattano foto e raccolgono dati sulla superficie terrestre. Queste immagini arrivano in diverse colorazioni e possono essere usate per valutare la salute delle piante, lo spessore degli alberi e altri problemi ambientali. È un po’ come poter vedere se la casa di un amico è in disordine o in ordine dall’alto!
Come il Telerilevamento Aiuta gli Ecologi
Gli ecologi, che studiano gli esseri viventi e i loro ambienti, hanno iniziato a usare i dati del telerilevamento più spesso. Questa tecnologia consente loro di esaminare rapidamente grandi aree, cosa particolarmente importante perché raccogliere dati camminando in giro con un taccuino è lento e a volte un po' costoso. Con il telerilevamento, possono raccogliere informazioni su vegetazione, suolo, temperatura e altro, aiutandoli ad analizzare come diversi fattori influenzano gli animali che vivono lì.
Ad esempio, se volessi capire quali tipi di piante crescono meglio in un'area, invece di andare in ogni singolo posto, potresti usare il telerilevamento per raccogliere dati su un’area più ampia in una volta. È come avere una mappa magica che mostra tutti i posti migliori!
Uccelli e i Loro Habitat
Gli uccelli sono piuttosto schizzinosi riguardo a dove gli piace vivere, e le loro scelte possono dirci molto sull'ambiente. Diverse specie di uccelli preferiscono diversi tipi di habitat, e comprendere queste preferenze è fondamentale per gli sforzi di conservazione. Usando i dati del telerilevamento, gli scienziati possono creare modelli che predicono dove è più probabile trovare gli uccelli in base alle caratteristiche ambientali dei loro habitat.
Studiare la relazione tra i dati del telerilevamento e gli habitat degli uccelli consente ai ricercatori di identificare aree importanti per varie specie di uccelli. Questo è cruciale per prendere decisioni informate sulla conservazione. Se possiamo prevedere dove gli uccelli prospereranno, possiamo concentrare meglio i nostri sforzi di conservazione.
Il Ruolo dell'Indice di Vegetazione Differenziale Normalizzato (NDVI)
Uno strumento importante nel telerilevamento è l'Indice di Vegetazione Differenziale Normalizzato, o NDVI. L'NDVI aiuta a misurare la quantità di vegetazione verde in un'area confrontando quanta luce viene riflessa in diversi colori. Un valore NDVI alto indica molte piante verdi e sane, mentre un valore basso indica vegetazione scarsa. Questi dati possono informare i ricercatori sulla salute delle piante, che influisce direttamente sulle popolazioni di uccelli.
Immagina l'NDVI come la versione vegetale di un tracker per il fitness. Se le piante sono sane, gli uccelli sono più propensi a sentirsi a casa, ma se non lo sono, gli uccelli potrebbero volare via per trovare un posto migliore.
Combinare i Dati: Un'immagine Migliore della Biodiversità
Per ottenere un quadro più chiaro degli habitat, gli scienziati usano diversi tipi di dati di telerilevamento insieme. Ad esempio, i dati dei satelliti possono mostrare la copertura vegetale complessiva, mentre i dati dei sensori specializzati possono fornire informazioni dettagliate sull'altezza e la struttura degli alberi in una foresta. Combinando questi diversi tipi di informazioni, si può creare una comprensione più dettagliata di un habitat.
Questa tecnica, nota come Fusione dei Dati, è un po’ come mescolare ingredienti per preparare un piatto delizioso. La miscela di diverse fonti di dati può portare a intuizioni migliori, aiutando i ricercatori a capire cosa rende gli habitat adatti agli uccelli.
La Sfida delle Foreste Giovani
Le foreste giovani, in particolare, possono essere difficili da studiare. Queste aree possono cambiare rapidamente e la varietà di piante le rende più difficili da analizzare. I metodi tradizionali hanno problemi con questi paesaggi dinamici. Tuttavia, il telerilevamento offre una soluzione. Consente ai ricercatori di monitorare i cambiamenti nel tempo e valutare come questi cambiamenti influenzano le popolazioni di uccelli. Stabilendo come evolvono le giovani foreste, possiamo capire meglio quali tipi di habitat preferiscono gli uccelli man mano che queste foreste maturano.
I Siti di Studio
In un recente studio, sono stati esaminati due siti di foreste giovani nel Regno Unito: "New Wilderness" e "Old Wilderness." Questi posti erano campi agricoli abbandonati che avevano iniziato a tornare foreste. Monitorando i cambiamenti in queste foreste nel tempo, i ricercatori miravano a capire come questi habitat influenzano le comunità di uccelli.
Selezione delle Specie di Uccelli
Quattro specie di uccelli sono state scelte per questo studio: Cinciallegra, Fringuello, Cincia dal ciuffo e Canapiglia. Ognuno di questi uccelli ha preferenze diverse per i loro habitat, rappresentando una gamma di bisogni ecologici. I ricercatori hanno usato i dati del telerilevamento per capire come i cambiamenti negli habitat forestali potrebbero influenzare queste specie.
Raccolta Dati di Telerilevamento
I ricercatori hanno utilizzato sia il Laser Aerotrasportato (ALS) che i dati Landsat per raccogliere informazioni sulla struttura della foresta e sui tipi di vegetazione. L'ALS fornisce misurazioni precise dell'altezza e della densità degli alberi, mentre i dati Lansat offrono una visione più ampia della salute della vegetazione e della copertura del suolo. Questa combinazione aiuta a creare un quadro completo della foresta, rivelando dettagli preziosi per le esigenze habitat di ciascun uccello.
Prevedere gli Habitat degli Uccelli Usando il Telerilevamento
Lo studio mirava a sviluppare modelli che predicono gli habitat degli uccelli utilizzando entrambi i tipi di dati di telerilevamento. Inserendo le caratteristiche strutturali della foresta derivate dai dati ALS e le informazioni spettrali dai dati Landsat, i ricercatori potevano creare modelli più accurati della distribuzione degli uccelli.
Valutare l'Accuratezza dei Modelli
Per determinare quanto bene funzionassero i loro modelli, i ricercatori hanno confrontato i dati raccolti da sondaggi sul campo con le loro previsioni. Hanno scoperto che i loro modelli erano generalmente accurati nel predire dove si sarebbero trovati gli uccelli, dimostrando che il telerilevamento è un metodo efficace per studiare gli habitat degli uccelli.
Sfide e Limitazioni
Anche se il telerilevamento fornisce dati preziosi, ci sono ancora delle sfide. Ad esempio, la tecnologia può avere problemi in determinate condizioni, come nel caso del maltempo o in aree forestali dense dove la visibilità è limitata. Inoltre, gli uccelli possono reagire ai cambiamenti ambientali in modi difficili da prevedere, complicando gli sforzi per modellare accuratamente i loro habitat.
Direzioni Future
La ricerca suggerisce che combinare diversi tipi di dati di telerilevamento potrebbe migliorare ulteriormente la nostra comprensione degli habitat degli uccelli. I futuri studi potrebbero concentrarsi sull'integrare nuove tecnologie, come i droni, che forniscono immagini ad alta risoluzione e consentono un monitoraggio più dettagliato.
Importanza della Conservazione
In definitiva, comprendere gli habitat degli uccelli attraverso il telerilevamento è cruciale per gli sforzi di conservazione. Identificando quali habitat sono più importanti per gli uccelli, i ricercatori possono contribuire a plasmare strategie di conservazione che proteggono questi ambienti essenziali.
Conclusione
In sintesi, il telerilevamento è uno strumento potente per studiare gli habitat degli uccelli. Usando tecnologia avanzata per raccogliere e analizzare dati, gli scienziati possono ottenere intuizioni su come i cambiamenti nell'ambiente influenzano gli uccelli. Questa conoscenza è essenziale per guidare gli sforzi di conservazione e garantire che proteggiamo gli spazi in cui i nostri amici piumati prosperano. Quindi, la prossima volta che vedi un uccello, ricorda che c'è un sacco di dati in giro per aiutare a tenerlo al sicuro e in salute!
Titolo: Predicting woodland bird species habitat with multi-temporal and multisensor remote sensing data
Estratto: Remote sensing data capture ecologically important information that can be used to characterize, model and predict bird habitat. This study implements fusion techniques using Random Forests (RF) with spectral Landsat data and structural airborne laser scanning (ALS) data to scale habitat attributes through time and to characterize habitat for four bird species in dynamic young forest environments in the United Kingdom. We use multi-temporal (2000, 2005, 2012/13, 2015) multi-sensor (Landsat and ALS) data to (i) predict structural attributes via pixel-level fusion at 30 metre spatial resolution, (ii) model bird habitat via object-level fusion and compare with models based on ALS, Landsat and predicted structural attributes, and (iii) predict bird habitat through time (i.e., predict 2015 habitat based on 2000-2012 data). First, we found that models predicting mean height from spectral information had the highest accuracy, whilst maximum height, standard deviation of heights, foliage height diversity, canopy cover and canopy relief ratio had good accuracy, and entropy had low accuracy. The green band and the normalized burn ratio (NBR) were consistently important for prediction, with the red and shortwave infrared (SWIR) 1 bands also important. For all structural variables, high values were underpredicted and low values were overpredicted. Second, for Blue Tit (Cyanistes caeruleus) and Chaffinch (Fringilla coelebs), the most accurate model employed Landsat data, while object-level fusion performed best for Chiffchaff (Phylloscopus collybita) and Willow Warbler (Phylloscopus trochilus). ALS mean, maximum and standard deviation of heights and Landsat tasseled cap transformations (TCT) (i.e., wetness, greenness and brightness) were ranked as important to all species across various models. Third, we used our models to predict presence in 2015 and implemented a spatial intersection approach to assess the predictive accuracy for each species. Blue Tit and Willow Warbler presences were well predicted with the Landsat, ALS, and objectlevel fusion models. Chaffinch and Chiffchaff presences were best predicted with the ALS model. Predictions based on pixel-level predicted structure surfaces had low accuracy but were acceptable for Chaffinch and Willow Warbler. This study is significant as it provides guidance for Landsat and ALS data application and fusion in habitat modelling. Our results highlight the need to use appropriate remote sensing data for each study species based on their ecology. Object-level data fusion improved habitat characterization for all species relative to ALS, but not to Landsat for Blue Tit and Chaffinch. Pixel-level fusion for predicting structural attributes in years where ALS data are note available is increasingly being used in modelling but may not adequately represent within-patch wildlife habitat. Finally, incorporating predicted surfaces generated through pixel-level fusion in our habitat models yielded low accuracy. HighlightsO_LIWe used object- and pixel-level fusion with ALS and Landsat to examine bird habitat C_LIO_LIPixel-level fusion predicted surfaces yielded low accuracy in habitat models C_LIO_LIBest models: Landsat (Blue Tit, Chaffinch); fusion (Chiffchaff, Willow Warbler) C_LIO_LIBest prediction: ALS (Chaffinch, Chiffchaff) C_LIO_LIBest prediction: ALS, Landsat, object-level fusion (Blue Tit, Willow Warbler) C_LI Graphical abstract O_FIG O_LINKSMALLFIG WIDTH=200 HEIGHT=127 SRC="FIGDIR/small/625964v1_ufig1.gif" ALT="Figure 1"> View larger version (77K): [email protected]@75133dorg.highwire.dtl.DTLVardef@420d1aorg.highwire.dtl.DTLVardef@6a5f8a_HPS_FORMAT_FIGEXP M_FIG C_FIG
Autori: Rachel J Kuzmich, Ross A Hill, Shelley A Hinsley, Paul E Bellamy, Ailidh E Barnes, Markus Melin, Paul M Treitz
Ultimo aggiornamento: 2024-12-03 00:00:00
Lingua: English
URL di origine: https://www.biorxiv.org/content/10.1101/2024.11.28.625964
Fonte PDF: https://www.biorxiv.org/content/10.1101/2024.11.28.625964.full.pdf
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia biorxiv per l'utilizzo della sua interoperabilità ad accesso aperto.