Onderzoekers van het Amazon Research Team van de Universiteit van Turku zijn erin geslaagd verspreidingskaarten te maken voor een selectie van belangrijke tropische boomsoorten in het Peruaanse laagland Amazonia. Dit werd bereikt door gebruik te maken van machine learning-methoden die satellietbeelden en veldgegevens combineren. De studie toont aan dat het mogelijk is om de verspreiding van boomsoorten te modelleren met een ruimtelijke resolutie die fijn genoeg is om het praktische beheer van bosbestanden te vergemakkelijken.

Amazonia is het grootste tropische woud ter wereld. Het is een zeer divers en complex ecosysteem dat waarschijnlijk meer dan 15, 000 soorten bomen. Een enkele hectare kan meer dan 300 boomsoorten bevatten, dat is meer dan in heel Europa.

Omdat de kruinsoorten moeilijk te bereiken en te identificeren zijn, soorten inventarissen zijn traag, moeizaam, en duur. Daarom, veldinventarisaties beslaan zelden gebieden die groot genoeg zijn om relevante informatie te verschaffen voor de planning van natuurbehoud en bosbeheer. Er is dringend behoefte aan een geïnformeerde planning, omdat momenteel grote gebieden worden ontbost door oprukkende landbouw, mijnbouw, wegenbouw, en andere menselijke activiteiten.

De nieuwe studie maakte gebruik van vrij beschikbare informatie van de Landsat- en Aster-satellieten. Beide registreren zonlicht dat wordt gereflecteerd door het grondoppervlak of het bladerdak in verschillende golflengtebanden.

De Landsat-gegevens zijn vooral nuttig voor het identificeren van variatie in vegetatie, omdat boomsoorten met verschillende bladerstructuren of bladeigenschappen het licht op verschillende manieren weerkaatsen. De Aster-gegevens, beurtelings, geeft informatie over hoogte, die in laagland Amazonia vaak indicatief is voor bodemvocht en drainage.

"Landsat biedt een zeer goede dekking van Amazonië, zowel ruimtelijk als tijdelijk. We weten al geruime tijd dat de Landsat-afbeeldingen kunnen worden gebruikt om ecologisch relevante milieu- en biotische variatie in Amazone-regenwouden te identificeren, maar dit is de eerste keer dat we satellietbeelden gebruiken om de verspreiding van soorten daadwerkelijk te voorspellen, " zegt professor Hanna Tuomisto, leider van het Amazon Research Team van de Universiteit van Turku.

Bevindingen bieden belangrijke informatie voor bosbeheer en -behoud

De betrouwbare interpretatie van de patronen die zichtbaar zijn in satellietbeelden vereist grondwaarheidsgegevens, d.w.z. gegevens uit het veld. De onderzoekers haalden dergelijke gegevens uit de bosconcessie Forestal Otorongo in het zuiden van Peru. Volgens de Peruaanse bosbouw- en natuurwet, bosconcessies moeten een bosinventarisatie uitvoeren voordat met houtkap wordt begonnen. Forestal Otorongo gaf hun gegevens aan de onderzoekers om te analyseren om de kennisbasis voor het verbeteren van bosbeheerpraktijken in de Peruaanse bosbouwsector te vergroten.

"De hoeveelheid gegevens die de bostellingen bevatten is enorm. Het zou praktisch onmogelijk zijn om met normale botanische expedities zo grote gebieden zo gedetailleerd te behandelen, " zegt universitair docent Kalle Ruokolainen, die ook meededen aan het onderzoek.

Elke boom die in de bostelling is geregistreerd, kan worden uitgezet op de satellietbeelden, die het mogelijk maakt om spectrale waarden en aanwezigheid van boomsoorten met elkaar in verband te brengen. Machine learning-algoritmen kunnen vervolgens voorspellingen doen over de waarschijnlijkheid van de aanwezigheid van de soort in niet-bezochte gebieden op basis van hoe spectraal ze lijken op de locaties waar de soort is gevonden.

"Ontbossing vordert snel in het zuidelijke Peruaanse Amazonegebied. Deze studie draagt ​​bij aan het in kaart brengen van de verspreiding van belangrijke boomsoorten en het identificeren van geschikte gebieden voor beheer- en instandhoudingsdoeleinden. Het overkoepelende doel is om eenvoudige en praktische hulpmiddelen te bieden voor besluitvormers, " zegt Pablo Pérez Chaves, Peruaanse promovendus aan de Universiteit van Turku.