Conclusies en aanbevelingen

7.1

Potentie van RS voor vegetatie(structuur)monitoring

Voor grove structuurtypen t.b.v. de beoordeling van beheertypen en habitattypen is Remote Sensing (RS) heel bruikbaar. Voor meer gedetailleerdere structuurtypen wordt het lastiger en zeker op het niveau van soorten.

7.2

Verwachtingen van terreinbeheerders en

groenbureaus

Terreinbeheerders en groenbureaus zijn nog wat sceptisch t.a.v. de inzet van RS. Vooral als ieder hier afzonderlijk in moet investeren. De gemeenschappelijke conclusies van de geïnterviewde

terreinbeheerders en groenbureaus kunnen als volgt worden samengevat m.b.t:

• Reguliere operationele methoden: Deze leunen sterk op de vegetatie- en soortkartering waarbij structuurindicatoren afgeleid worden uit de vegetatiekartering, aangevuld met (weinig

arbeidsintensieve) extra informatie. Er worden geen afzonderlijke structuurkarteringen uitgevoerd. RS-data en -technieken worden momenteel weinig tot niet ingezet (uitgezonderd reguliere

toepassing van luchtfoto’s ten behoeve van vaststellen van vegetatie- en/of structuurgrenzen). • Huidige problemen/knelpunten: De meetdoelen en meetmethoden m.b.t. structuurkartering zijn

nog onvoldoende uitgewerkt. Hierdoor is het ook enigszins moeilijk in te schatten of de monitoring en beoordeling van structuurindicatoren tot knelpunten gaat leiden. De huidige frequentie van eens in de 12 jaar een vegetatiekartering met afgeleide structuurindicatoren lijkt uitvoerbaar. Hogere inventarisatiefrequenties (tussentijdse karteringen of PAS-frequenties) zullen vermoedelijk wel tot capaciteitsproblemen gaan leiden. Inventarisatie van kwetsbare of ontoegankelijke vegetaties is niet, of slechts beperkt, mogelijk met reguliere technieken. De beschikbaarheid van luchtfoto’s is niet optimaal (timing, frequentie en kosten).

• Verwachtingen van RS-data en -technieken: Zodra het gaat om soorten, vegetatietypen of habitattypen is de verwachting laag, met uitzondering van de herkenning van bepaalde dominante plantensoorten of vegetatietypen. De verwachting van Remote Sensing voor het karteren van bepaalde structuurindicatoren is hoog. Beheerders verwachten wel dat veldwerk noodzakelijk blijft en RS wat betreft structuurkartering reguliere methoden niet volledig kan vervangen. Voor de kartering van kwetsbare vegetaties zien de beheerders kansen voor de toepassing van UAV’s (hoewel regelgeving, materiaal en expertise momenteel een bottleneck vormt).

• Huidige belemmeringen: Er is momenteel nog weinig/geen noodzaak voor de inzet van alternatieve methoden en technieken, omdat men met reguliere methoden zijn verplichtingen na kan komen. Er is geen weerstand tegen de inzet van RS-data en -technieken. Indien blijkt dat RS de kwaliteit en/of efficiëntie kan verhogen, zijn beheerders bereid hierin mee te gaan. Momenteel ontbreekt nog wel vaak de expertise en/of middelen (software, data) voor de inzet van RS-data en - technieken.

7.3

Aanbevelingen voor vervolg

Een van de belangrijkste conclusies is dat goede geografische basisinformatie door iedereen als onontbeerlijk wordt gezien voor de objectieve interpretatie en het maken van goede vegetatie-, habitat- en structuurkaarten. De huidige resolutie van actuele luchtfoto’s sluit hier goed op aan. Ervaringen met luchtfoto’s zeer zijn goed, al hebben sommige organisaties, zoals Natuurmonumenten, niet altijd vrije toegang tot de luchtfoto’s, zoals SBB dit wel heeft. Het beschikbaar stellen van

luchtfoto’s vaak alleen vroeg in het voorjaar worden gemaakt, zijn de verwachting ook hoog van de inzet van UAV’s (drones) die op het gewenste tijdstip voor een specifiek gebied opnamen kunnen maken volgende de gewenste technische criteria. Vooral voor kwetsbare en niet gemakkelijk

toegankelijke gebieden is de inzet van UAV’s gewenst. Expertise op het gebied van satellietbeelden is vaak beperkt, en ruimtelijke resolutie sluit nog niet goed aan op resolutie luchtfoto’s. Echter,

satellietbeelden als van Worldview-2 (ook ingezet in BIO_SOS)-project hebben een ruimtelijke resolutie van 50 cm panchromatisch en 2 m multispectraal, en daarmee komen de geïntegreerde beelden (pan-sharpened) met 50 cm resolutie aardig in de buurt van luchtfoto’s. Het grote voordeel is dat deze satellietbeelden voor de verschillende seizoenen in het jaar kunnen worden ingewonnen en hiermee extra waardevolle informatie geven over de ruimtelijke variatie door de tijd en bespoedigt hierdoor de interpretatie van de vegetatie-, habitat- en/of structuurtypen. Echter, inwinning van de satellietbeelden zou centraal moeten worden geregeld, net als voor luchtfoto’s. Een goed voorbeeld hiervan is het nationale satellietdataportaal van NSO in samenwerking met o.a. het ministerie van Economische Zaken (http://www.spaceoffice.nl/nl/Satellietdataportaal/). Omdat behalve voor de visuele interpretatie van hoge resolutie satellietbeelden, de verdere processing van satellietbeelden door organisaties erg lastig is, is het centraal maken van halfproducten, zoals object hoogten uit AHN, aanwezigheid zand, water en vegetatiestructuurtypen erg gewenst. Met de inzet vanuit AHN afgeleide vegetatiehoogten en informatie uit luchtfoto’s en/of zeer hoge resolutie satellietbeelden, is het mogelijk om een tussentijdse vegetatiestructuurmonitoring uit te voeren voor specifieke gebieden waar de dynamiek hoog is voor verandering in de grove structuur. Hier moet men vooral denken aan verruiging/verstruweling van terreinen met struiken, bomen en grassen. Ook waar door

managementingrepen bomen, struiken of grassen zijn verwijderd, kan dit goed in kaart worden gebracht. Dit naast veranderingen in infrastructuur, bebouwing, water en kaal zand. Dat wat men met semiautomatische processing uit satellietbeelden, luchtfoto’s, en andere RS-producten als AHN kan halen is consistenter in de tijd te herhalen en daarmee geschikter voor het bepalen van veranderingen in structuur dan op basis van veldmetingen alleen.

Literatuur

Assendorp, D., 2010. Classification of pattern and process in small-scale dynamic ecosystems; with cases in the Dutch coastal dunes. PhD Thesis, University of Amsterdam, Netherlands.

Barkman, J.J., Doing, H., Segal, S., 1964. Kritische Bemerkungen und Vorschläge zur quantitativen Vegetationsanalyse. Acta Bot Neerl 13: 394-419.

Camps-Valls, G., Gomez-Chova, L., Muñoz-Marí, J., Alonso, L., Calpe-Maravilla, J., & Moreno, J. (2006). Multitemporal image classification and change detection with kernels. Paper presented at the Proceedings of SPIE - the International Society for Optical Engineering, 6365.

Chen, F., Guo, H., Ishwaran, N., Zhou, W., Yang, R., Jing, L., Chen., F., Zeng, H., 2014. Synthetic aperture radar (SAR) interferometry for assessing wenchuan earthquake (2008) deforestation in the sichuan giant panda site. Remote Sensing, 6(7), 6283-6299.

Colgan, M.S., Baldeck, C.A., Féret. J.B., Asner, G.P., 2012. Mapping Savanna Tree Species at Ecosystem Scales Using Support Vector Machine Classification and BRDF Correction on Airborne Hyperspectral and LiDAR Data; in: Remote Sensing, vol 4, no 11, pp. 3462-3480.

Delalieux, S., Somers, B., Haest, B., Spanhove, T., VandenBorre, J., Mücher, C.A., 2012. Heathland conservation status mapping through integration of hyperspectral mixture analysis and decision tree classifiers. Remote Sensing of Environment, 126 (2012), 222-231.

Doing Kraft, H., 1954. L'analyse des carrés permanents. Acta Bot. Neerl. 3, p. 421—424

El-Askary, H., Abd El-Mawla, S.H., Li, J., El-Hattab, M., El-Raey, M., 2014. Change detection of coral reef habitat using landsat-5 TM, landsat 7 ETM+ and landsat 8 OLI data in the red sea (hurghada, egypt). International Journal of Remote Sensing, 35(6), 2327-2346.

European Commission, 2011. Assessment, monitoring and reporting under Article 17 of the Habitats Directive. Explanatory Notes & Guidelines for the period 2007-2012. Final version July 2011. Compiled by Doug Evans and Marita Arvela of the European Topic Centre Biodiversity. Ficetola, G.F., Bonardia, A., Mücher, C.A., Gilissen, N.L.M., Padoa-Schioppa, E., 2014. How many

predictors in species distribution models at the landscape scale? Land use versus LiDAR-derived canopy height. Submitted to Special Issue on Earth Observation for Habitat Mapping and

Biodiversity Monitoring, International Journal of Geographical Information Science, 2014, Volume 28, Issue 8, http://dx.doi.org/10.1080/13658816.2014.891222.

Haveman, R., Pahlplatz, R., 2002. Inventarisatie en Monitoring van Natuurwaarden op Defensie- terreinen Edese en Ginkelse Heide. Inventarisatie natuurwaarden 1997. Ministerie van Defensie, Dienst Gebouwen, Werken en Terreinen in samenwerking met het Experticecentrum LNV.

Janssen, J.A.M. and Mücher, 2009. A quick method for mapping EU habitat types. Poster presented at 18th I.A.V.S. Workshop for the European Vegetation Survey Working Group, March 25- 28, Rome, Italy.

Londo, G. 1976. The decimal score for releves of permanent quadrats. Vegetatio 33: 61-64 Lucas, R.M., Blonda, P., Bunting, P.F., Jones, G., Inglada, J., Arias, M., Kosmidou, V., Petrou, Z.,

Manakos, I., Adamo, M., Charnock, R., Tarantino, C., Mücher, C.A., Kramer, H. Jongman, R., Honrado, J., Mairota, P., 2015. The Earth Observation Data for Habitat Monitoring (EODHaM) System. International Journal of Applied Earth Observation and Geoinformation 37 (2015) 17–28.

Li., J., Hu, B., 2012. Exploring high-density airborne light detection and ranging data for classification of mature coniferous and deciduous trees in complex Canadian forests. J. Appl. Remote Sens. 6(1), 063536.

Lillesand, T.M., Kiefer R.W., and Chipman J.W., 2007. Remote Sensing and Image Interpretation. John Wiley & Sons, New York, NY, sixth edition, 2007.

Mas, J.F., 1999. Monitoring land-cover changes: A comparison of change detection techniques, International Journal of Remote Sensing, 20:1, 139-152,

Mücher, C.A., Hennekens, S.M., Bunce, R.G.H., Schaminée, J.H.J., Schaepman, M.E., 2009. Modelling the spatial distribution of Natura 2000 habitats across Europe. Landscape Urban Plan. 92 (2), 148-159.

Mücher, C.A., Kooistra, L. Vermeulen, M., Vanden Borre, J. Haest, B. Haveman, R., 2013 Quantifying structure and function of Natura 2000 heathland habitats using spectral mixture analysis and segmentation techniques on hyperspectral imagery. Ecological indicators, Special Issue: Biodiversity Monitoring, Vol. 33 (2013) 71-81.

Mücher, C.A., Roupioz, L., Kramer, H., Bogers, M.M.B., Jongman, R.H.G., Lucas, R.M., Petrou, Z., Kosmidou, V.E., Manakos, I., Padoa-Schioppa, E., Adamo, M., Blonda., 2015. Synergy of Airborne LiDAR and Worldview-2 satellite imagery for land cover and habitat mapping: a BIO_SOS-EODHaM case study for the Netherlands. International Journal of Applied Earth Observation and

Geoinformation 37 (2015) 48–55.

Niewiadomska, A., 2007. Reconstruction of heathland management for the Edese and Ginkelse Heide using aerial photographs. Wageningen Universiteit.

Van den Borre, J., Paelinckx, D., Mücher, C.A., Kooistra, L., Haest, B., De Blust, G., Schmidt, A.M., 2011. Integrating Remote Sensing in Natura 2000 habitat monitoring: prospects on the way forward. Journal for Nature Conservation, 19 (2), 116-125.

Ragheb, A., et al., 2012. Simultaneous Fusion and Denoising of Panchromatic and Multispectral Satellite Images. Sensing and Imaging: An International Journal 13(3-4): 119-141.

Ravensberg, van M., Gilissen, N., 2012. OT Ederheide en Ginkelse Heide. Monitoring Natuurwaarden 2009. Dienst Vastgoed Defensie (DVD) Directie Noord, Afdeling Terreintechniek Rapport R420- 12/013

Roerink, G.J., Mücher, C.A., 2015. De Groenmonitor: plantengroei in kaart. Geo-Info, 2015-2, pp. 14-17.

Schmidt, A.M., R.J. Bijlsma, L. Soldaat, C.A.M. van Turnhout, C.A.M. van Swaay, D. Zoetebier en I. Woltjer, 2015. Naar een samenhangend monitoring en beoordelingssysteem voor het natuurbeleid. Evaluatie van de bruikbaarheid van gegevens van de Werkwijze Monitoring en Beoordeling Natuurnetwerk en Natura 2000 /PAS voor de Europese rapportages en advies over een samenhangend monitoring- en beoordelingssysteem voor het natuurbeleid. Alterra-rapport, Wageningen, in press.

Van Beek, 2014. Werkwijze Monitoring en Beoordeling Natuurnetwerk en Natura 2000/PAS. Versie 05032014. BIJ 12, Utrecht.

Westhoff, V. en Maarel, E., van der, 1978. The Braun-Blanquet approach. 2nd ed. In R.H. Whittaker (ed.) Classification of plant communities, p. 287-399.

Resoluties in Remote Sensing