Stima della biomassa delle paludi salmastre con la telecamera drone MicaSense a 10 bande e LiDAR

Le paludi salmastre hanno un valore inestimabile per la protezione delle coste, la filtrazione dell'acqua e lo stoccaggio del carbonio. Questi ecosistemi proteggono dalle inondazioni e dall’erosione, rimuovono i metalli pesanti dall’acqua e agiscono come riserve vitali di carbonio blu, contribuendo a mitigare il cambiamento climatico. Proteggere questi habitat è essenziale per mantenere un pianeta sano.

I professori Luis Barbero e Gloria Peralta, insieme al dottor Andrea Celeste Curcio dell'Università di Cadice, nel sud della Spagna, stanno sviluppando modelli statistici precisi per stimare la biomassa nelle paludi salmastre. La biomassa, la massa totale degli organismi viventi in una determinata area, è un indicatore chiave della salute dell’ecosistema e dello stoccaggio del carbonio.

Questi modelli aiutano a identificare la vegetazione stressata e a determinare quanto stress ambientale le paludi possono sopportare prima di essere danneggiate. Consentono inoltre la distinzione tra le specie, i loro meccanismi di crescita unici e il loro contributo alla produzione di biomassa. Inoltre, la ricerca mira a migliorare le capacità di stoccaggio del carbonio, fondamentale per la mitigazione dei cambiamenti climatici.

Sfida: integrazione di dati satellitari, iperspettrali o multispettrali e LiDAR?

L’innovazione del progetto risiede nell’integrazione dei dati dei droni provenienti sia da sensori multispettrali che LiDAR, creando un quadro tecnologico all’avanguardia. Questa configurazione avanzata consente la raccolta di dati ad alta risoluzione, consentendo una differenziazione precisa degli habitat e migliorando significativamente la precisione delle stime della biomassa.

Il team ha utilizzato un sensore multispettrale MicaSense a 10 bande, come il RedEdge-P doppio, in abbinamento al sistema LiDAR DJI Zenmuse L1, entrambi montati sul drone DJI Matrice 300 RTK.

Per il Professor Luis Barbero, i dati satellitari tradizionali, sebbene efficaci per il monitoraggio su larga scala, non hanno la risoluzione spaziale necessaria per catturare i dettagli più fini delle zone umide costiere e degli ecosistemi delle paludi salmastre. Questa limitazione spesso si traduce in imprecisioni nelle stime della biomassa e nell’identificazione delle specie.

Il team riconosce il potenziale dei dati iperspettrali nell’identificazione dei tipi e delle specie di vegetazione, ma sottolinea che il loro approccio rappresenta un miglioramento significativo, poiché i metodi iperspettrali sono inefficienti a causa della ridondanza, dei costi elevati, della complessità e delle esigenze computazionali.

Professor Luis Barbero

“L’uso di dati LiDAR e multispettrali è fondamentale per distinguere con precisione gli habitat palustri primari e creare modelli dettagliati di biomassa, con una precisione senza precedenti. Questo metodo è facile da usare, ripetibile ed economico, consentendo lo studio delle paludi salmastre, delle tendenze evolutive e della risposta ai cambiamenti climatici che richiedono meno lavoro sul campo”.

Principali vantaggi dell’approccio multispettrale-LiDAR:

• Analisi multispettrale migliorata: i dati raccolti utilizzando il Fotocamera MicaSense ha consentito il calcolo di vari indici di vegetazione, facilitando il rilevamento di pigmenti vegetali come antociani e clorofilla. Questi pigmenti sono indicatori cruciali dello stress delle piante e della biomassa.
• Modelli di elevazione accurati: LiDAR ha generato dati di elevazione precisi, un fattore cruciale per distinguere le specie in base all’elevazione dell’habitat nelle paludi salmastre.
• Monitoraggio stagionale della biomassa: la combinazione di indici multispettrali (ad esempio ARI2, NDVI e SIPI) con i dati LiDAR ha consentito il monitoraggio dettagliato dei cambiamenti stagionali della biomassa.

Esplora la doppia fotocamera RedEdge-P

Il sito di studio: mappatura stagionale dell'ecosistema dinamico di una baia

La ricerca si è concentrata sulla baia di Cadice, situata sulla costa sud-occidentale della Spagna. Questo ecosistema atlantico poco profondo ospita le zone umide costiere europee più meridionali, caratterizzate da un ambiente intercotidale dinamico, ideale per studiare modelli di biomassa stagionali e specie-specifici.

Per catturare la variabilità stagionale dell’ecosistema, il team ha condotto un lavoro sul campo in più stagioni (2022-2023), combinando indagini dettagliate sulla vegetazione con dati provenienti dai droni.

Il drone ha esaminato un'area di 20 ettari (50 acri) ad un'altitudine di 100 metri (330 piedi), fornendo dati ad alta risoluzione con una distanza di campionamento dal suolo (GSD) di 7 cm (2,7 pollici). Il doppio sensore MicaSense è stato configurato per acquisire immagini a intervalli di 2,2 secondi, garantendo una sovrapposizione dell'80% frontale e del 70% laterale. Due piani di volo coerenti sono stati replicati in tutte le campagne per garantire la comparabilità dei risultati.

Indici utilizzati per l'analisi

.

Particolarmente importante è stato l’indice Normalized Difference Vegetation Index (NDVI). Ha creato uno strato di maschera per delineare la distribuzione della vegetazione. Questa maschera ha effettivamente escluso le regioni non vegetate, come l’acqua e il suolo nudo, da tutti gli strati raster nell’analisi, garantendo approfondimenti precisi specifici della vegetazione.

Altri indici chiave includevano il Broadband Greenness Vegetation Index (BBVI), l’Anthocyanin Reflectance Index (ARI), il Leaf Pigment Vegetation Index (LPVI), il Light Use Efficiency Vegetation Index (LUEVI) e il Narrowband Greenness Vegetation Index (NBVI).

Principali risultati dello studio

1. Migliore stima della biomassa:

• Combinando i dati multispettrali MicaSense con LiDAR, lo studio ha ottenuto previsioni sulla biomassa più accurate rispetto ai modelli precedenti che utilizzavano dati satellitari.
• L'indice di riflettanza degli antociani 2 (ARI2), catturato utilizzando le bande a doppia fotocamera MicaSense, combinato con il modello digitale di superficie (DSM) è stato cruciale per identificare le due specie dominanti delle paludi salmastre: Sarcocornia e Sporobolus maritimus. ARI2 è stato particolarmente utile nel rilevare i pigmenti legati allo stress salino, che cambiano con le stagioni e differiscono tra le specie.
• Le stime della biomassa hanno mostrato tendenze diverse per le due specie, suggerendo che crescono e si comportano in modo diverso durante tutto l’anno, portando a variazioni nella produzione di biomassa.

2. La stagionalità è importante:

• I dati hanno dimostrato chiare tendenze stagionali, con il picco della biomassa in estate e il calo in primavera. Queste tendenze, catturate con i dati MicaSense, evidenziano perché la tempistica è importante per il campionamento.
• L'analisi degli indici di vegetazione dimostra che Sarcocornia e Sporobolus maritimus seguono pattern di crescita diversi nel corso dell'anno. Ciò dimostra che includere la stagionalità nei modelli è fondamentale per previsioni accurate sulla biomassa.
• La primavera è stata identificata come la stagione più stressante per le piante, con risposte diverse alle sfide ambientali. Comprendere questi modelli è importante per gestire la tolleranza allo stress delle piante.

3. Approfondimenti specie-specifici:

• A differenza dei modelli generali delle paludi, i modelli specie-specifici (abilitati da Dati MicaSense) hanno rivelato risposte di stress uniche alle condizioni ambientali, come la salinità e la siccità. Questo livello di dettaglio è fondamentale per gli sforzi di conservazione mirati.
• Sebbene lo stress salino possa essere considerato il fattore principale che influenza la distribuzione delle piante nell’area di studio, il team ha tenuto conto di altri potenziali fattori di stress, come la mancanza di ossigeno e la compattazione del suolo.
• Ignorare i dati specie-specifici nel modello paludoso porta a un'errata interpretazione del modello ciclico del sistema.

4. Applicazioni più ampie:

• I modelli sviluppati in questo studio possono essere utilizzati per altre paludi salmastre, aiutando a replicare e stimare la biomassa in ecosistemi simili.

Conclusione: trasformare il monitoraggio degli ecosistemi

La combinazione dei sensori multispettrali MicaSense con LiDAR ha consentito un monitoraggio più preciso degli ecosistemi delle paludi salmastre e delle loro variazioni stagionali, superando di gran lunga i limiti dei dati satellitari. Il loro approccio supera anche la complessità associata ai metodi iperspettrali. Questa soluzione innovativa offre a ricercatori, gestori ambientali e ambientalisti approfondimenti unici per:

• Monitorare i cambiamenti stagionali della biomassa per migliorare la gestione delle paludi.
• Identificare e mappare gli habitat specie-specifici per una conservazione mirata.
• Rileva i primi segni di stress delle piante dovuti a fattori come la salinità o la siccità.

A differenza del lavoro sul campo tradizionale, che può essere invasivo e dispendioso in termini di tempo, il monitoraggio dei droni fornisce una stima accurata e non distruttiva della biomassa. Questo approccio riduce anche i costi e la complessità rispetto alla raccolta di dati iperspettrali, che richiede tempi di elaborazione significativi, o all’imaging satellitare, che non dispone della necessaria risoluzione spaziale.

Adottando questo metodo, i ricercatori stanno facendo progressi nel monitoraggio e nella conservazione degli ecosistemi critici.