Kartierung von gemäßigten Hochlandlebensräumen mithilfe von hochauflösenden Satellitenbildern und maschinellem Lernen

Zusammenfassung Hochlandlebensräume bieten wichtige ökologische Dienstleistungen, sind jedoch stark durch natürliche und anthropogene Stressfaktoren bedroht. Die Überwachung dieser vulnerablen Lebensräume ist grundlegend für den Naturschutz und umfasst die Bestimmung von Informationen über ihre räumlichen Standorte und Bedingungen. Die Fernerkundung hat sich als vielversprechendes Werkzeug zur Kartierung der Verteilung von Hochlandlebensräumen in Raum und Zeit entwickelt. Allerdings sind die Auflösungen der meisten frei verfügbaren Satellitenbilder (z. B. 10 m Auflösung für Sentinel-2) möglicherweise nicht ausreichend, um relativ kleine Merkmale abzubilden, insbesondere in der heterogenen Landschaft – hinsichtlich der Habitatzusammensetzung – der Hochländer. Zudem kann die Verwendung traditioneller Fernerkundungsmethoden, die diskrete Grenzen zwischen Lebensräumen ziehen, Hochlandlebensräume möglicherweise nicht genau darstellen, da sie oft in Mosaiken auftreten und miteinander verschmelzen. In diesem Kontext haben wir hochauflösende (2 m) Pleiades-Satellitenbilder und Random Forest (RF) maschinelles Lernen verwendet, um Lebensräume an zwei irischen Hochlandstandorten zu kartieren. Insbesondere haben wir die Auswirkungen variierender räumlicher Auflösungen auf die Klassifizierungsgenauigkeit untersucht und einen ergänzenden Ansatz zu traditionellen Methoden zur Kartierung komplexer Hochlandlebensräume vorgeschlagen. Die Ergebnisse zeigten, dass die Genauigkeit im Allgemeinen mit feiner aufgelösten räumlichen Daten zunahm, wobei die höchsten Genauigkeitswerte (80,34 % und 79,64 %) für beide Standorte mit den 2-m Auflösungsdatensätzen erreicht wurden. Die Wahrscheinlichkeitskarten, die aus der RF-basierten unscharfen Klassifikationstechnik abgeleitet wurden, können komplexe Mosaike und allmähliche Übergänge in Hochlandlebensräumen darstellen. Der vorgestellte Ansatz kann potenziell unser Verständnis der spatiotemporalen Dynamik von Lebensräumen über große Flächen hinweg verbessern.