Kootwijk EJ van ,
Rossum GA van ,
Schoenmakers BJ ,
Bakema AH ,
Meijers R
43 p
in Dutch
1995
Toon Nederlands
English Abstract The objective of this study was to map the grass cover
in Dutch heathland nature reserves using Landsat-TM satellite imagery. The
grass cover data will be used to initialize the HEATHSOL-model. This model
is used for biomass predictions of heather and grass species in natural
heathlands in the Netherlands, as influenced by nitrogen deposition from the
atmosphere. Two images of the Landsat TM satellite sensor were used, both
of 7 September 1993. To calibrate the images, field data were collected in
the 'Dwingelose heide' and 'Strabrechtse heide' nature reserves by measuring
the vegetation cover. The MICROFIND software, a module within the HEIMON
heathland monitoring system operated by K&M, was used for the calibration
and subsequent prediction. MICROFIND predicts cover values of heather,
grass and bare soil for areas of 30x30 m which correspond to the Landsat TM
pixel size. We used digitized 1:50,000 scale topographical map to isolate
the heathland nature reserves in the images. Remaining irrelevant cover
types like forests, meres and roads were then removed. Very small reserves
and heathlands in dune areas were excluded. A few reserves in the eastern
part of the country were not covered by the images. After masking some
24,000 ha of heathland remained for the analysis. It was found that 45% of
the study area was coverd by grass, with a tendency of increasing grass
cover from the north of the country to the south. Similar inventories of
grass cover have been made earlier in 1986 and 1989. This time the
procedure was hampered by the presence of haze over southern scene. As a
result predictions may be less accurate for part of the southern scene. The
main accuracy of a grass cover prediction for an individual pixel was
comparable to the accuracy found in the earlier studies: +- 1% when the
models were applied to the reserves in which field data had been collected,
up to +- 30% when they were extrapolated to other areas.
Rapport in het kort
Het doel van deze studie was de kartering van de
grasbedekking in Nederlandse heideterreinen, gebruik makend van Landsat-TM
satellietbeelden. Deze grasbedekkingsgegevens dienen voor de initialisatie
van het HEATHSOL-model. Dit model voorspelt de biomassa van heide- en
grassoorten in heideterreinen onder invloed van stikstofdepositie vanuit de
atmosfeer. Er is gebruik gemaakt van twee satellietbeelden van 7 september
1993. Om de beelden te kunnen ijken is veldwerk verricht in de Dwingelose
heide en Strabrechtse heide. Hierbij zijn bedekkingen door heide en gras in
het veld gemeten. De ijking en de daarop volgende voorspelling van
bedekkingspercentages is uitgevoerd met de MICROFIND software, onderdeel van
het HEIMON heidemonitoringsysteem dat door K&M geexploiteerd wordt.
MICROFIND voorspelt met behulp van multivariate lineaire regressietechnieken
bedekkingen van heide, gras en kale bodem voor oppervlakten ter grootte van
het Landsat pixel: 30x30 m. Om heideterreinen uit deze beelden te kunnen
isoleren is het thema Heide van de gedigitaliseerde topografische kaart
1:50.000 gebruikt. Binnen deze selectie zijn niet-relevante
bedekkingstypen (bossen, vennen, wegen en paden, e.d.) verwijderd.
Duinheide en hele kleine terreintjes zijn buiten beschouwing gelaten.
Bovendien werden een aantal terreinen in het oosten van het land niet door
de satelietbeelden bedekt. Uiteindelijk is over zo'n 24.000 ha een
uitspraak gedaan. Uit de analyse bleek 45% van het onderzochte gebied
bedekt te zijn met gras, waarbij de hogere bedekkingen meer naar het zuiden
toe voorkwamen. Deze kartering, de derde na eerdere karteringen in 1986 en
1989, werd bemoeilijkt door de aanwezigheid van sluierbewolking in het
zuidelijke beeld. Als gevolg hiervan kunnen de voorspellingen voor een deel
van het zuidelijke beeld minder betrouwbaar zijn. De gemiddelde
voorspellingsnauwkeuringheid van de grasbedekking van een individueel pixel
bleek in overeenstemming te zijn met die van eerdere karteringen:+- 10%
wanneer de modellen worden toegepast op het terrein waarin de veldgegevens
zijn verzameld, tot +- 30% als er wordt geextrapoleerd naar andere
terreinen.
