Klaus Ecker

Improving predictive mapping in Swiss mire ecosystems through re-calibration of indicator values

ABSTRACT Question: How may Landolt indicator values be re-calibrated to improve the performance of predictive models? Location: Mires Gross Moos Schwändital (1250 m a.s.l.) in the Prealps, Burgmoos (465 m. a.s.l.) on the Central Plateau and La Burtignière (1000 m a.s.l.) in the Jura, Switzerland. Methods: Habitat distribution models based on high resolution remotely sensed data and vegetation field data are applied to monitor 130 mires. Instead of plant species or communities we used mean indicator values of vegetation records as response variables. To improve the differential power of indicator values for wetland habitat conditions, we calibrated these values using field data. Different methods were tested with our predictive models in three mires to see which calibration method is best in enhancing model performance. To assess the effect of the uneven distribution of vegetation records along environmental gradients, calibrations based on random and evenly distributed samples were compared. As a test of the predictive power of the models we used r2 between ground truth and model prediction. This approach is illustrated through an application with nutrient indicator values in the mire La Burtignière. Results: Model performances were not the same for the three mires. The predictive power was better for the nutrient values, soil reaction and humus values than for light and moisture values. 2000 records were sufficient as basis for re-calibration. Models based on original Landolt indicator values were overall the weakest compared with re-calibrated values. By comparing the predictive power of Models based on randomly or evenly selected records were about equally predictive. Conclusions: 1. A habitat-specific re-calibration of the Landolt indicator values enhances the predictive mapping of the Swiss mire ecosystems. 2. The re-calibration based on weighted averaging gives a better performance than the one based on Gaussian logistic regression. 3. The uneven distribution of indicator values due to the over-representation of mire habitats does not hamper model performance. 4. 2000 vegetation records are a sufficient basis for an optimal re-calibration of the vegetation types. An illustration of the method is given by using the soil fertility pattern of the mire La Burtignière.

Contribution of multi-source remote sensing data to predictive mapping of plant-indicator gradients within Swiss mire habitats

Remote-sensing plays an important role in wetland monitoring on the regional and global scale. In this study we assessed the potential of different optical sensors to map floristic indicator gradients across complex mire habitats at the stand level. We compared traditional CIR photographs from RC30 cameras with modern digital ADS40 data and SPOT5 satellite images as well as fine-scale topo-structure derived from LIDAR data. We derived about 70 spectral and 30 topo-structural variables and evaluated their ability to predict the mean ecological indicator values of the vegetation across a sample of 7 mire objects. The airborne images (RC30, ADS40) and the LIDAR data were found to have a high potential for use in vegetation mapping; they explained on average 50% of the variation in observed ecological indicator values. The RC30 data slightly outperformed the less optimally collected ADS40 data. The LIDAR topo-structural variables showed equal overall predictive power as the airborne images, but they performed clearly better in predicting soil moisture, soil dispersion and light. Combining both airborne images and topo-structural data improved the predictions of all indicator values considerably. The combined use of these data sources is therefore recommended for use in fine-scale monitoring of priority habitats in nature conservation.ZusammenfassungFernerkundung spielt eine bedeutende Rolle in der Dauerbeobachtung von Feuchtgebieten auf regionaler Ebene. Die vorliegende Studie untersuchte deren Eignung zur räumlichen Modellierung floristischer Zeigerwertgradienten auf der Bestandesebene komplexer Moorhabitate. Aus operationellen Gründen eines nationalen Beobachtungssystems waren nur landesweit abrufbare Datenquellen von Interesse. Traditionelle Infrarot-Luftbilder (RC30) wurden daher mit modernen ADS40 Luftbilddaten und SPOT5 Satellitenbildern verglichen. Zusätzlich standen erstmals präzise Gelände- und Oberflächenmodelle (LIDAR) zur Verfügung, welche die Relief- und Gehölzstruktur kleinsträumig abbilden. Der Sensorenvergleich erfolgte in sieben Moorhabitaten und bezüglich sieben Zeigerwerten (49 Testsituationen). Die Modelle basierten auf einem einheitlichen Satz von 100 erklärenden Variablen (70 spektrale und 30 topo-strukturelle Merkmale). Als Modelltyp wurde PLS-Regression gewählt. Die Analyse der sensor-spezifischen Modellbeiträge (rcv2) erfolgte mittels beschreibender Statistik und informellen multiplen Paartests (Vorzeichen-Rangsummen-Test). Die spektralen Luftbild- (RC30, ADS40) und Höhendaten (LIDAR) zeigten ein beträchtliches Prognosepotential. Die traditionellen RC30 Daten erwiesen sich den zeitlich weniger optimiert erhobenen ADS40 Daten als leicht überlegen. Die Relief- und Gehölzstrukturdaten bewiesen ein zumindest gleichwertiges Vorhersagepotenzial mit Vorteilen in der Modellierung von Feuchte, Dispersität und Licht. Alle Zeigerwerte profitierten von der Kombination beider Informationstypen. Die Zeigerwert-spezifischen Verbesserungen variierten je nach spektralem Partner (RC30, ADS40, SPOT5). Einheitlich maximale Gewinne zeigten die ADS40 Daten, womit ihr individuelles Defizit gegenüber den RC30 Daten grossteils verfällt. Umgekehrt verbesserte die zusätzliche Spektralinformation besonders Modelle zu Bodenreaktion, Nährstoffgehalt und Humus. Die gewonnenen Erkenntnisse dienen der Potenzialabschätzung von Fernerkundungsdaten für vergleichbare Studien. Die Beiträge der individuellen oder paarweise kombinierten Datentypen lassen sich zudem ökologisch interpretieren. Sie deuten an, wie stark floristische Zeigerwertgradienten in Moorhabitaten von Reliefeigenschaften und Gehölzstruktur oder von anderen ökologischen Faktoren mit Bezug zu Biomasse und Produktivität bestimmt sind, welche nur von den Spektraldaten erfasst werden. Aufgrund der Übertragbarkeit der Methode auf weitere Lebensräume sollten die Resultate von allgemeinem Interesse sein, sowohl aus Sicht des lokalen Naturschutzmanagements als auch aus Sicht der operationellen Biotopbeobachtung im Naturschutz.