Прогностическая модель обеспечивает точное дистанционное картирование растительных сообществ

Аспирантка Лидсского университета разработала быстрый, точный и недорогой метод создания детальных карт растительных сообществ на очень больших площадях, комбинируя аэрофотоснимки с данными карт. В сотрудничестве с администрацией национального парка Йоркшир-Дейлс Уте Брадтер из Факультета биологических наук собрала существующие данные (тип почвы, высота, уклон, экспозиция) и с помощью сложной статистической модели предсказала распространение растительных сообществ с высоким разрешением на территории парка площадью более 1600 км².

Её результаты, опубликованные в Journal of Applied Ecology Британского экологического общества, показали точность до 92%, что сопоставимо с традиционным методом картирования путём полевых обследований, проводимых опытными экологами. Детальные карты растительности с информацией о распределении видов являются ключевым ресурсом для управления земельными ресурсами, планирования охраны природы, экологического мониторинга и исследований. Однако ручное картирование — медленный и дорогой процесс, и необходимы более быстрые и надёжные методы.

«То, чего достигла Уте, впечатляет, — говорит её научный руководитель и соавтор профессор Тим Бентон. — Для перспективы: опытному экологу потребовалось бы шестнадцать лет ежедневных полевых работ, чтобы вручную повторить это конкретное картографирование».

Исследование объединило информацию из ряда общедоступных источников: почвенных карт, топографических карт и аэрофотоснимков. Прогнозы были классифицированы на 24 группы Национальной классификации растительности с разрешением 5 метров. «Статистическая модель высокоточная благодаря разнообразному спектру использованной информации, — отмечает Брадтер. — Высокодетальные аэрофотоснимки дали нам дополнительные данные о цвете и текстуре, но мы также включили в модель дополнительную физическую информацию, такую как топографические измерения уклонов и высот».

Если дальнейшие исследования подтвердят, что метод работает так же хорошо в других условиях, например, на равнинных территориях, его можно будет использовать для точной оценки природоохранной ценности земель в других регионах и странах, где доступны аналогичные наборы данных.