Integration of LIDAR, optical remotely sensed and ancillary data for forest monitoring and Grizzly bear habitat characterization

Integração de LIDAR, sensores remotos óticos e dados auxiliares para o monitoramento fl orestal e caracterização do habitat dos ursos Grizzly

Michael A. Wulder, Joanne C. White, Nicholas C. Coops, Gregory J. McDermid, Thomaz Hilker, Steven E. Franklin

Resumo


Forest management and reporting information needs are becoming increasingly complex in Canada. Inclusion of timber and non-timber considerations for both management and reporting has resulted in opportunities for integration of data from differing sources to provide the desired information. Canada’s forested land-base is over 400 million hectares in size and fulfills important ecological and economic functions. In this communication we describe how remotely sensed data and other available spatial data layers capture different forest characteristics and conditions, and how these varying data sources may be combined to provide otherwise unavailable information. For instance, light detection and ranging (LIDAR) confers information regarding vertical forest structure; high spatial resolution imagery captures (in detail) the horizontal distribution and arrangement of vegetation and vegetation conditions; and, moderate spatial resolution imagery provides consistent wide-area depictions of forest conditions. Furthermore, coarse spatial resolution imagery, with a high temporal density, can be blended with data of a higher spatial resolution to generate moderate spatial resolution data with a high temporal density. These remotely sensed data sources, when combined with existing spatial data layers such as forest inventory and digital terrain models, provide useful information that may be used to address, through modeling, questions regarding forest condition, structure, and change. In this communication, we discuss the importance of data integration and ultimately, information generation, in the context of Grizzly bear habitat characterization. Grizzly bear habitat in western Canada is currently undergoing pressure from a combination of anthropogenic activities and a widespread outbreak of mountain pine beetle, resulting in a variety of information needs, including: detailed depictions of horizontal and vertical vegetation structure over large areas to support bark beetle susceptibility mapping and habitat modeling; moderate spatial resolution data to capture changes in infestation conditions over time to support change detection and wall-to-wall mapping; and, coarse spatial resolution data to provide increased temporal detail enabling capture of within-year alterations to Grizzly habitat.

Resumo

As necessidades do gerenciamento de florestas e do relato de informações estão ficando cada vez mais complexas no Canadá. A inclusão de considerações sobre madeira e não-madeira, tanto para o gerenciamento como para o relato de disponibilidade de recursos florestais, resultou em oportunidades para a integração de dados de diferentes fontes para a obtenção da informação desejada. As terras florestadas de uso potencial no Canadá têm um tamanho acima de 400 milhões de hectares e possui importantes funções ecológicas e econômicas. Nesta comunicação descrevemos como dados de sensoriamento remoto e outros dados espaciais disponíveis detectam as diferentes condições e características da floresta e como estas fontes de dados diversos podem ser combinadas, fornecendo informações que estariam indisponíveis de outra forma. Por exemplo, LIDAR (acrônimo de light detection and ranging) fornece informações sobre a estrutura vertical de florestas; imagens de alta resolução espacial detectam detalhadamente a distribuição horizontal e o arranjo da vegetação e as suas condições; enquanto imagens de resolução espacial moderada fornecem uma consistente visão das condições florestais em extensas áreas. Além disso, imagens com resolução espacial grosseira, com elevada densidade temporal, pode ser combinada com dados de resolução espacial mais fi na para gerar dados com uma resolução espacial moderada, porém com alta densidade temporal. Estas fontes de dados de sensoriamento remoto, quando combinadas com camadas de dados espaciais, tais como inventários florestais e modelos digitais de terreno fornecem informações úteis que podem ser usadas para, através de modelagem, analisar questões referentes a condição florestal, estrutura e mudanças. Nesta comunicação discutimos a importância da integração de dados e finalmente a geração de informação no contexto da caracterização do habitat dos ursos Grizzly. O habitat deste urso no oeste canadense está atualmente sendo pressionado devido a uma combinação de atividades humanas e por uma infestação ampla do besouro do pinheiro (pine beetle), tornando necessária uma série de informações, incluindo: detecção da estrutura horizontal e vertical da estrutura da vegetação para mapear as áreas de susceptibilidade deste inseto e para modelar o seu habitat; dados de resolução espacial moderada para capturar as mudanças das condições de infestação ao longo do tempo, para suportar a detecção de mudanças e mapeamento detalhado; dados de resolução espacial grosseira para fornecer um aumento de detalhe temporal, para detectar as alterações inter-anuais do habitat do Grizzly.


Palavras-chave


Sensoriamento remoto; SIG; Inventário florestal; Mapeamento; Monitoramento; Habitat; urso Grizzly; LIDAR; resolução espacial; Landsat; MODIS.tal videography; native forest; carbon.

Texto completo:

PDF


AMBIÊNCIA

Alameda Élio Antonio Dalla Vechia, n. 838,
Bairro Vila Carli – CEDETEG
85040-167  Guarapuava-Paraná-Brasil
ISSN 1808-0251 (Print) - Ambiência ISSN 2175-9405 (Online)

        Logotipo do Crossref               

Periódicos Qualis - Plataforma Sucupira

Qualis B2 - Ensino

Qualis B3 - Interdisciplinar

Qualis B3 - Planejamento Urbano e Regional / Demografia

Qualis B2 - GEOGRAFIA

InfoBase Index - IBI Factor 2016 = 2,5


Large Visitor Globe     

                        Copyright © 2005-2019 Editora Unicentro
Creative Commons License
This work is licensed under a Creative Commons Attribution 3.0 Unported License.