Quantification of bare soil and its spatio-temporal dynamic using different image classification methods

• Autorzy: Fernández M. P. , Lavado Contador J. F. , Gutiérrez Á. G. , Lozano Parra F. J. F. J.

Warianty tytułu

PL

Kwantyfikacja odsłoniętej gleby oraz jej dynamika czasoprzestrzenna z wykorzystaniem różnych metod klasyfikacji obrazu

• Języki publikacji: EN

Abstrakty

EN

Soil is essential for the development of a wide range of vital functions. Its availability and productivity in the long-term is sometimes seriously threatened by human activities. In a general term, soil degradation is defined as the deterioration of the soil function, causing a reduction of its biological potential and productivity that include multiple processes affecting their physical, chemical and biological properties (Imeson, 1998). In rangelands, physical, and also biological degradation, are mainly related to mismanagement. As an example, excessive trampling by livestock usually produces an increase in the bulk density of the soil and a decrease in porosity, significantly reducing the water holding capacity and infiltration rate, finally affecting the pasture productivity, degree of soil cover and soil vulnerability. (Gamougoun et al., 1984; Mulholland and Fullen, 1991). In this respect, the degree of ground cover is known to be one of the key elements in reflecting the soil condition and protecting soil from degradation. The amount and type of vegetation cover strongly depends on climate, topographic factors, lithology and human factors such as the history of land use. The reduction of vegetative biomass and degree of soil cover in rangelands due to grazing causes a decrease in the interception of rainfall, an increase in the percentage of bare soil and, consequently, less protection against the direct impact of raindrops on the soil surface. Indirectly the reduction of biomass, with the consequent reduction of soil organic matter, leads to the physical degradation of the soil, negatively affecting infiltration capacity and water retention properties, and increasing the amount of surface runoff (Imeson, 1998). In the Mediterranean regions, the existence of long summer drought periods coupled with the intense autumn rains, are likely to cause considerable loss of soil material by rainfall erosion. Therefore, rate of uncovered versus covered soil in rangelands is considered as an indicator of soil quality. Quantification of uncovered or bare soil can be done in different ways and at different spatiotemporal scales. Quantifying bare soil surface and its temporal dynamics by field work can be a highly demanding activity in terms of both time and economic costs for medium-to-large scale areas, such as rangeland farms. Using satellite images overestimates or underestimates bare soil surfaces at farm level. This leads to the need for exploring other methods for the quantification of bare soil surfaces. Among the objectives of this study are: (1) to test a set of available techniques and methods for quantifying bare soil surfaces, (2) to analyse the possibilities of orthophotos for land cover analysis and the detection of land degradation phenomena, (3) to compare the efficiency of different methods of image classification and to improve them in order to monitor changes in vegetation cover and bare soil as a soil health indicator. The study was carried out on the 1024 ha farm "Parapunos de Dona María", located in Monroy municipalty, Cáceres province, SW Spain (Fig. 1). Located about 24 kilometres northeast of the city of Cáceres, bounded to the south by the Almonte River, one of the main tributaries of the Tagus river. The farm can be considered as representative of the rangelands (dehesas) of the peneplain geomorphological domain of Cáceres province (Spain), characterized by the presence of thin soils, mainly developed on schist and subject to typical Mediterranean climate characteristics. Vegetation is characteristic of the dehesa wooded rangelands systems, with the presence of therophitic pasture communities with more or less dense shrubs and scattered trees (Quercus rotundifolia). The predominant land use is livestock grazing of sheep, cows and pigs.

PL

Pomiar obszarów odsłoniętej gleby na pastwiskach jest bardzo ważny, gdyż silny wpływ na stopień erozji gleby mają jej podatność na degradację i stan zdrowia. Szczególnie w ubogich w roślinność obszarach śródziemnomorskich, na początku sezonu deszczowego, duża intensywność wypasu zwierzyny hodowlanej może prowadzić do ogołocenia i degradacji gleby, zwłaszcza w miejscach stale odsłoniętych i tych o mniejszym udziale roślinności trawiastej. Zatem ważnym wydaje się opracowanie metody umożliwiającej identyfikację oraz kwantyfikację obszarów odsłoniętej gleby oraz opis ich dynamiki czasowej. W artykule przedstawiono metodę służącą do kwantyfikacji obszarów odsłoniętej gleby i analizy jej czasoprzestrzennej dynamiki, przy użyciu ortofotomap lotniczych. Ortofotomapy z okresów letniego, wiosennego i zimowego przedstawiają farmę położoną na mało zalesionym obszarze, z dużą ilością terenów wypasu (dehes), typowym dla południowo-zachodniej części Półwyspu Iberyjskiego. Do analizy tych ortofotomap zastosowano algorytmy klasyfikacji obrazu. W badaniu wykorzystano obraz panchromatyczny z zimy 1998, dwa trójkanałowe obrazy (RGB) zarejestrowane latem 2002 i wiosną 2006 wraz z komponentem jasności, wszystkie z pikselem o wymiarze 0.4 m. W celu określenia obszarów odsłoniętej gleby zdjęcia zostały sklasyfikowane przy użyciu klasyfikacji nienadzorowanej, nadzorowanej oraz obiektowej. Porównano wyniki uzyskane różnymi metodami. Stopień dokładności klasyfikacji był bardzo zbliżony dla wszystkich porównywanych metod (powyżej 90%). Wykorzystując najlepszą metodę klasyfikacji, określono dynamikę w obszarach o glebie odsłoniętej i porośniętej jako funkcję czasu, analizując zmiany powstałe na obszarach zarówno porośniętych, jak i nieporośniętych. 2009

Słowa kluczowe

EN

bare soil; pasturelands; image classification; dynamics; algorithms

PL

odsłonięta gleba; pastwiska; klasyfikacja obrazu; dynamika; algorytmy

• Wydawca: Polskie Towarzystwo Informacji Przestrzennej
• Czasopismo: Roczniki Geomatyki
• Rocznik: 2009
• Tom: T. 7, z. 2
• Strony: 33--40
• Opis fizyczny: Bibliogr. 25 poz.

Twórcy

autor

Fernández M. P.

autor

Lavado Contador J. F.

autor

Gutiérrez Á. G.

autor

Lozano Parra F. J. F. J.

• GeoEnvironmental Research Group, Philosophy and Letters Faculty University of Extemadura, Cáceres, Spain,

Bibliografia

• Arroyo Méndez L.A., Cocero Matesanz D., Manzanera de la Vega J.A., García Montero L.G., Pascual Castaño C., 2005: El empleo de clasificadores de contexto para la obtención de cartografía en la interfase urbano forestal. Geofocus, 5: 115-128.
• Benz U.C., Hofmann P., Willhauck G., Lingenfelder I., Heynen M., 2004: Multi-resolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information. Photogrammetry & Remote Sensing, 58: 239-258.
• Carmel Y., Ronen K., 1998: Computerized classification of Mediterranean vegetation using panchromatic aerial photographs. Journal of Vegetation Science, 9: 445-454.
• Chen K.S., Huang W.P., Tsay D.H., Amar F., 1996: Classification of multifrequency polarimetric SAR imagery using a dynamic learning neural network. IEEE Transactions on Geoscience and Remote Sensing, 34 (3): 814-820.
• De Bello F., 2006: Consecuencias de cambios de presión ganadera sobre la estructura de la vegetación a lo largo de gradientes climáticos. Ecosistemas, 15 (2): 106-112.
• Foody G.M., 2002: Status of land cover classification accuracy assessment. Remote Sensing of Environment, 80:. 185-201.
• Gamougoun N.D., Smith R.P., Wood K., Pieper R.D., 1984: Soil vegetation and hydrologic response to grazing management at Fort Stanton, New Mexico. Journal of Range Management, 37: 538-541.
• Gao Y., Mas J.F., Niemeyer I., Marpu P.R., Palacio J.L., 2007: Object-based image analysis for mapping land cover in a forest area. Spatial Data Quality 2007.
• Hansen M.C., DeFries R.S., Townshend J.R.G., Sohlberg R., 2000: Global land cover classification at 1 km spatial resolution using a classification tree approach. International Journal of Remote Sensing, 21 (6-7): 1331-1364.
• Imeson A.C., 1998: Una vía de ataque eco-geomorfológica al problema de la degradación y erosión del suelo. [In:] Desertificación en Europa, MOPU, Madrid, Spain, pp. 161-181.
• Kosmas C., Kirkby M.J., Geeson N., 1999: Manual on key indicators of desertification and mapping environmentally sensitive areas to desertification. The Medalus project Mediterranean desertification and land use. European Commission, Brussels, Belgium.
• Lavado Contador J.F., Schnabel S., Trenado Ordóñez R., 2002: Relación entre cubierta vegetal y humedad edáfica bajo diferentes usos de suelo del suroeste peninsular. [In:] Pérez-González A., Vegas J., Machado M.J. (eds) Aportaciones a la Geomorfología de España en el inicio del tercer milenio, pp. 283-291.
• Lecerf R., 2008: Detection and analysis of winter bare soils variability in intensive farming areas with medium resolution images. Symposium Spatial landscape modelling: from dynamic approaches to functional eva luations. Toulouse. France.
• López de Ullibarri Galparsoro I., Pita Fernández S., 1998: Curvas ROC. Cadernos de Atención Primaria, 5 (4): 229-235.
• Mac Queen J., 1967: Some methods for classification and analysis of multivariate observations. [In:] Le Cam L.M., Neyman J. (eds.) Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, Volume 1: Statistics. University of California Press, Berkeley, California, United States, pp. 281-297.
• Marpu P.R., Gloaguen R., Niemeyer I., 2006: Evaluation of the efficiency of object-based classification in the identification of geological structures. Case study: Extraction of the morphology of the normal faults. Proceedings IEEE International Geosciences and Remote Sensing. IGARSS’06. Denver. United States.
• Mulholland B., Fullen M.A., 1991: Cattle trampling and soil compaction on loamy sands. Soil Use and Management, 7: 189-193.
• Nussbaum S., Niemeyer I., Canty M.J., 2008: SeaTH – A new tool for automated feature extraction in the context of object-based image analysis. [In:] Nussbaum S., Menz G. (eds.) Object-based image analysis and treaty verification. New approaches in Remote Sensing – Applied to nuclear facilities in Iran. Springer, Netherlands.
• Oruc M., Marangoz A.M., Buyuksalih G., 2004: Comparison of pixel-based and object-oriented classification approaches using Landsat-7 ETM spectral bands. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. 35 (4): 1118-1122.
• Schnabel S., Gómez Amelia D., Bernet Herguijuela R., 1996: La pérdida de suelo y su relación con la cubierta vegetal en una zona de dehesa. [In:] Campesino A.J., Velasco C. (eds) Portugal-España: Ordenación territorial del suroeste comunitario, Universidad de Extremadura, Cáceres, Spain, pp. 195-206.
• Schnabel S., 2003: Variabilidad espacio-temporal de la pérdida de suelo en áreas con aprovechamiento silvopa storil. [In:] Bienes R., Márquez M.J. (eds.) Control de la erosión y degradación del suelo, Instituto Madrileño de Investigación Agraria y Alimentaria, Alcalá de Henares, Madrid, Spain, pp. 475-478.
• Shakesby R.A., Coelho C.O.A., Schnabel S., Keizer J.J., Clarke M.A., Lavado Contador J.F., Walsh R.P.D., Ferreira A.J.D., Doerr S.H., 2002: A ranking methodology for assessing relative erosion risk and its application to dehesas and montados in Spain and Portugal. Land Degradation & Development, 13: 129-140.
• Stuckens J., Coppin P.R., Bauer M.E., 2000: Integrating contextual information with per-pixel classification for improved land cover class. Remote Sensing of Environment, 71(3): 282-296.
• Taboada M.A., 2007: Efectos del pisoteo y pastoreo animal sobre suelos en siembra directa. 4º Simposio de Ganadería en Siembra Directa, Aapresid, Potrero de los Funes, San Luis, Argentina, pp. 71-83.
• Wegmüller U., Werner C., 1997: Retrieval of vegetation parameters with SAR interferometry. IEEE Transactions on Geoscience and Remote Sensing, 35(1): 18-24.