Modeling tropical montane forest biodiversity – The potential of multispectral remote sensing

In dieser Arbeit wurde das Potenzial multispektraler Fernerkundungsdaten analysiert, taxonomische und funktionelle Aspekte der Biodiversität in einem tropischen Bergregenwald im Süden Ecuadors zu modellieren. Im Speziellen wurden Vegetationsindizes aus multispektralen Reflektanzen sowie auf diesen basierende Texturmaße verwendet. Dazu wurden (i) verschiedene taxonomische Gruppen und Diversitätsmaße (z.B. alpha-/beta-Diversität) untersucht, (ii) ein Vergleich zu topographischen Metriken gezogen und (iii) Sensordaten mit hoher sowie moderater räumlicher Auflösung berücksichtigt. In den drei Studien wurde gezeigt, dass das Potenzial multispektraler Fernerkundung eng mit den Umweltfiltern der jeweiligen Biodiversitätsmaße zusammenhängt, die für räumliche Muster der taxonomischen und funktionellen Diversität verantwortlich sind. Die Taxon-spezifischen Ressourcenanforderungen und ihre spezifische Anpassungsstrategien an die Umwelt sind ausschlaggebend für die Bedeutung der hier verwendeten Prädiktoren. Insbesondere Texturmetriken als Proxys für die Habitatstruktur erklärten neben topographischen Metriken einen hohen Anteil der Diversität. Ihr Potenzial hing jedoch sowohl von der räumlichen Auflösung der multispektralen Daten als auch von der Komplexität der Texturberechnung ab. Die Robustheit multispektraler Bildtexturen als wichtiger Treiber von taxonomischer und funktioneller Diversität sollte somit weiter untersucht werden.In this thesis, the potential of multispectral remote sensing data to model taxonomic and functional aspects of biodiversity in a tropical mountain rainforest in southern Ecuador was analyzed. In particular, vegetation indices from multispectral reflectances and their textural information were used. For this purpose (i) different taxonomic groups and diversity measures (e.g. alpha/beta diversity) were investigated, (ii) a comparison to topographic metrics was made, and (iii) sensor data with high and moderate spatial resolution were considered. The three studies showed that the potential of multispectral remote sensing is closely related to the environmental filters of the respective biodiversity measures, which are responsible for spatial patterns of taxonomic and functional diversity. The taxon-specific resource requirements and their specific adaptation strategies to the environment are decisive for the importance of the predictors used here. In particular texture metrics, as proxies for habitat structure, explained a high proportion of diversity in addition to topographic metrics. However, their potential depended both on the spatial resolution of the multispectral sensor and on the complexity of the texture calculation. The robustness of multispectral image textures as an important driver of taxonomic and functional diversity should therefore be further investigated