Portal de Periódicos da CAPES

Near-Ground Remote Sensing of Green Area Index on the Shortgrass Prairie

2006; Elsevier BV; Volume: 59; Issue: 4 Linguagem: Espanhol

10.2111/05-059r1.1

1551-5028

Agnieszka Przeszlowska, M. J. Trlica, Mark A. Weltz,

Plant Water Relations and Carbon Dynamics

Accurate and efficient leaf area measurements of shortgrass prairie vegetation are difficult to obtain. Few studies have considered the green area index (GAI) as an approximation of the total area of photosynthetically active tissue per unit of ground area. The main objective of this study was to evaluate several near-ground remote sensing methods as reliable and cost efficient measures of GAI on the shortgrass prairie. GAI measured with a standard leaf area meter was compared to 1) spectral vegetation indices calculated from multispectral radiometer data, 2) GAI obtained from laser point-frame measurements, and 3) green cover estimates derived from digital camera images. All methods were assessed for accuracy, time, and cost efficiency. Data were collected in 2001 at the Central Plains Experimental Range in northern Colorado. The standard leaf area meter method was neither time nor cost efficient in comparison with the other methods evaluated in this study. The cost of GAI measurement with the traditional leaf area meter method ($225 per plot) was 20 times greater than GAI estimation with the multispectral radiometer ($11 per plot). Comparison of GAI obtained with the standard leaf area meter method with red-band reflectance index values (0.63–0.69 μm) obtained with a portable multispectral radiometer resulted in the best model predictions (R2 = 0.76, Akaike's information corrected criterion [AICC] = 182.9) and the most cost efficient method for GAI estimation. Green cover estimates from digital image analysis resulted in a good correlation with the leaf area meter GAI (R2 = 0.72, AICC = 178.1). However, classification accuracies of digital images were decreased by limited spectral separability between green vegetation, brown vegetation, and soil background. Further calibration and refinement of near-ground remote sensing techniques for vegetation might establish these methods as efficient ground-truth alternatives to satellite-based remote-sensing applications of rangelands such as the shortgrass prairie. En los pastizales de zacates cortos es difícil obtener mediciones certeras y eficientes del área foliar de la vegetación. Pocos estudios han considerado el índice de área verde (GAI) como una aproximación del área total de tejido fotosintéticamente activo por unidad de área de suelo. El principal objetivo de este estudio fue evaluar varios métodos de sensores remotos cercanos al suelo para obtener mediciones, confiables y eficientes en costo, del GAI en pastizales zacates cortos. El GAI obtenido con un medidor estándar de área foliar fue comparado con: índices espectrales de vegetación calculados a partir de datos de un radiómetro multiespectral, 2) GAI obtenido a partir de mediciones del marco de puntos láser y 3) estimaciones de la cobertura de tejido verde derivadas de imágenes de cámara digital. Todos los métodos fueron evaluados para determinar su certeza y eficiencia en tiempo y costo. Los datos fueron colectados en el 2001 en la Estación Experimental de Pastizales Central Plains en el norte de Colorado. El método estándar de medición de área foliar no fue efectivo ni en costo ni en tiempo en comparación con los otros métodos evaluados en este estudio. El costo de las mediciones de GAI con el método tradicional de medición de área foliar ($225/parcela) fue 20 veces mayor que la estimación de GAI con el radiómetro multiespectral ($11/parcela). La comparación del GAI obtenido con el medidor estándar de área foliar con los valores del índice RED (Reflejo de la banda roja, 0.63–0.69 μm) obtenidos con un radiómetro multiespectral portátil produjeron el mejor modelo de predicción (R2 = 0.76, AICC = 182.9) y fue el método más efectivo en costo de la estimación de GAI. Las estimaciones de cobertura verde a partir del análisis de las imágenes de la cámara digital produjeron una buena correlación con el GAI del medidor de área foliar (R2 = 0.72, AICC = 178.1). Sin embargo, la clasificación de las certezas de las imágenes de la cámara digital fueron reducidas por la limitada separación espectral entre la vegetación verde, la café y el fondo del suelo. Una mayor calibración y refinamiento de las técnicas de sensores remotos cercanos al suelo pudiera situar a estos métodos como alternativas terrestres verdaderas eficientes para la aplicación de los sensores remotos satelitales en pastizales tal como los de zacates cortos.