La realizzazione di una mappa della biodiversità è una priorità fondamentale per la sua conservazione, soprattutto adesso che le minacce derivanti dalla perdita o dalla frammentazione di habitat, o dagli effetti dei cambiamenti climatici, continuano ad aumentare. Gli accordi internazionali per contrastare la perdita di biodiversità (per esempio, gli obiettivi per la biodiversità di Aichi, Convenzione sulla diversità biologica – CBD Convention on Biological Diversity, 2010) hanno bisogno di solide basi per definire una lista di priorità d’intervento.
Questa esigenza interessa in particolar modo le foreste tropicali, fra le principali riserve di biodiversità vegetale al mondo, che hanno un ruolo cruciale nel ciclo globale del carbonio, nella mitigazione dei cambiamenti climatici, come ben evidenziato in meccanismi e processi di rilevanza internazionale come i REDD. Tuttavia, una sistematica mappatura su larga scala della biodiversità delle foreste tropicali si è rivelata tutt’altro che facile, e le informazioni al momento disponibili sono ancora piuttosto scarse.

In uno studio pubblicato di recente sulla rivista PLOS ONE, un gruppo di scienziati (tra questi, i ricercatori G. Vaglio Laurin e R. Valentini della Divisione IAFENT) hanno esplorato i potenziali usi di dati aerei iperspettrali  per stimare e mappare la biodiversità vegetale di una foresta umida dell’Africa occidentale, nel Gola National Park, in Sierra Leone.
I risultati evidenziano come i sensori aerei iperspettrali siano particolarmente indicati per determinare la diversa composizione di piante della canopia (canopy), cosa che in futuro potrebbe renderli validi strumenti per il monitoraggio della biodiversità forestale per scale geografiche molto grandi.

L’abstract dell’articolo:
Tropical forests are major repositories of biodiversity, but are fast disappearing as land is converted to agriculture. Decision-makers need to know which of the remaining forests to prioritize for conservation, but the only spatial information on forest biodiversity has, until recently, come from a sparse network of ground-based plots. Here we explore whether airborne hyperspectral imagery can be used to predict the alpha diversity of upper canopy trees in a West African forest. The abundance of tree species were collected from 64 plots (each 1250 m2 in size) within a Sierra Leonean national park, and Shannon-Wiener biodiversity indices were calculated. An airborne spectrometer measured reflectances of 186 bands in the visible and near-infrared spectral range at 1 m2 resolution. The standard deviations of these reflectance values and their first-order derivatives were calculated for each plot from the c. 1250 pixels of hyperspectral information within them. Shannon-Wiener indices were then predicted from these plot-based reflectance statistics using a machine-learning algorithm (Random Forest). The regression model fitted the data well (pseudo-R2 = 84.9%), and we show that standard deviations of green-band reflectances and infra-red region derivatives had the strongest explanatory powers. Our work shows that airborne hyperspectral sensing can be very effective at mapping canopy tree diversity, because its high spatial resolution allows within-plot heterogeneity in reflectance to be characterized, making it an effective tool for monitoring forest biodiversity over large geographic scales

Leggi e scarica l’articolo completo:
Vaglio Laurin G., Chan JC-W., Chen Q., Lindsell J. A. , Coomes D. A. , Guerriero L., Del Frate F., Miglietta F., Valentini R.
Biodiversity mapping in a tropical West African forest with airborne hyperspectral data
2014, Plos One 9(6): e97910. DOI:10.1371/journal.pone.0097910

Leggi anche:
Vaglio Laurin G., Chen Q., Lindsell J. A. , Coomes D. A. , Del Frate F., Guerriero L., Pirotti F., Valentini R.
Above ground biomass estimation in an African tropical forest with lidar and hyperspectral data
2014, ISPRS Journal of Photogrammetry and Remote Sensing, 89 (2014) 49-58