Return to search

Remote Sensing of Woodland Structure and Composition in the Sudano-Sahelian zone : Application of WorldView-2 and Landsat 8

Woodlands constitute the subsistence base of the majority of people in the Sudano-Sahelian zone (SSZ), but low availability of in situ data on vegetation structure and composition hampers research and monitoring. This thesis explores the utility of remote sensing for mapping and analysing vegetation, primarily trees, in the SSZ. A comprehensive literature review was first conducted to describe how the application of remote sensing has developed in the SSZ between 1975 and 2014, and to identify important research gaps. Based on the gaps identified in the literature review, the capabilities of two new satellite systems (WorldView-2 and Landsat 8) for mapping woodland structure and composition were tested in an area in central Burkina Faso. The results shows that WorldView-2 represents a useful data source for mapping individual trees: 85.4% of the reference trees were detected in the WorldView-2 data and tree crown area was estimate with an average error of 45.6%. In addition, WorldView-2 data produced high classification accuracies for five locally important tree species. The highest overall classification accuracy (82.4%) was produced using multi-temporal WorldView-2 data. Landsat 8 data proved more suitable for mapping tree canopy cover as compared to aboveground biomass in the woodland landscape. Tree canopy cover and aboveground biomass was predicted with 41% and 66% root mean square error, respectively, at pixel level. This thesis demonstrates the potential of easily accessible data from two satellite systems for mapping important tree attributes in woodland areas, and discusses how the usefulness of remote sensing for analyzing vegetation can be further enhanced in the SSZ. / Merparten av befolkningen i Sudano-Sahel zonen (SSZ) är beroende av naturresurser och ekosystemtjänster från woodlands (öppen torrskog) för att säkra sin försörjning. Tillgången av fältmätningar av vegetationens struktur och sammansättning är mycket låg i detta område, vilket utgör ett problem för forskning och miljöövervakning. Denna avhandling undersöker nyttan av fjärranalys för att kartlägga och analysera vegetation, främst träd, i SSZ. En omfattande litteraturöversikt genomfördes först för att undersöka hur tillämpningen av fjärranalys har utvecklats i SSZ mellan 1975 och 2014, samt att identifiera viktiga forskningsluckor. Några av de luckor som konstaterades i litteraturgenomgången låg till grund för de följande studierna där två nya satellitsystem (Worldview-2 och Landsat 8) utvärderades för deras användbarhet att kartlägga trädtäckets struktur och artsammansättning i ett woodland-område i centrala Burkina Faso. Resultaten visar att Worldview-2 är en värdefull datakälla för kartering av enskilda träd: 85.4% av referensträden detekterades och trädkronornas storlek uppskattades med ett medelfel av 45.6%. Worldview-2-data producerade även hög klassificeringsnoggrannhet för de fem lokalt viktigaste trädslagen. Den högsta noggrannheten (82.4%) uppnåddes med multi-temporal Worldview-2-data. Landsat 8 data visade sig mer lämpade för kartering av krontäcke, jämfört med biomassa. Medelfelet för karteringen var 41% för krontäcke och 66% för biomassa, på pixelnivå. Avhandlingen visar att lättillgängliga data från två satellitsystem är användbara för kartläggning av viktiga trädattribut i woodlands, samt diskuterar hur nyttan av fjärranalys för vegetationsanalys kan ökas ytterligare i SSZ.

Identiferoai:union.ndltd.org:UPSALLA1/oai:DiVA.org:liu-121536
Date January 2015
CreatorsKarlson, Martin
PublisherLinköpings universitet, Tema Miljöförändring, Linköpings universitet, Filosofiska fakulteten, Linköping
Source SetsDiVA Archive at Upsalla University
LanguageEnglish
Detected LanguageSwedish
TypeDoctoral thesis, comprehensive summary, info:eu-repo/semantics/doctoralThesis, text
Formatapplication/pdf
Rightsinfo:eu-repo/semantics/openAccess
RelationLinköping Studies in Arts and Science, 0282-9800 ; 658

Page generated in 0.0018 seconds