Use of remote sensing for mapping of non-native conifer species

Abstract

Non-native species are by many considered a threat to local biodiversity. In Norway, conifer species have been introduced in order to find species with better timber production than the native species. Several of these introduced species have been considered to be invasive, and put on an official “blacklist”. Thus, from a management perspective, more information about the extent, occurrences and potential dispersal are important information. To gather such information solely based on field surveys are time-consuming and costly, and it has therefore been suggested to develop methods based on remote sensing. In this report we review different types of remote sensing data and how these can be used to map and monitor non-native species.

Natural species distributions of Norway spruce and Scots pine were created based on available literature and existing remote sensing-based forest maps. The same maps were used to create a non-native species map, i.e. a map of areas where spruce occur outside its natural distribution. We evaluated the accuracy of the map by photo-interpretation, and assessed the consistency with other occurrence data. We further estimated the area of non-native species on a county and national level in Norway. The area covered by non-native species outside the natural distribution of spruce was estimated to be 1200 km2, with a standard error of 275 km2.

A specific challenge when using remote sensing for mapping of non-native species in Norway is to separate species of the same genera. We therefore conducted a study in Fusa and Tysnes municipalities where we evaluated the ability to discriminate between Norway spruce and Sitka spruce using different types of remote sensing data. Data from Landsat 8 satellite images, aerial imagery and airborne laser scanning were tested. Slight to moderate ability to separate between the two species were found, with a best overall accuracy of 78%. The results suggest that Landsat 8 imagery can be used to discriminate between stands dominated by Norway spruce and Sitka spruce. Additional data from airborne sensors contributed not substantially in this case.

Based on our own analyses and a review of relevant literature we discuss a possible establishment of a national mapping and monitoring programme for non-native tree species.

Fremmede arter blir av mange betraktet som en trussel mot det biologiske mangfoldet. I Norge har flere bartrearter blitt innført med tanke på å bedre produksjonspotensialet i skogen, og flere av disse artene finnes nå på den offisielle «svartelista». For forvaltningen er det derfor et økende behov for kunnskap om utbredelse og potensiell spredning av disse artene. Det er både tidkrevende og kostbart å samle denne informasjonen utelukkende basert på feltundersøkelser, og det er derfor foreslått å utvikle metoder basert på fjernmåling for kartlegging og overvåkning. I denne rapporten har vi gjennomgått ulike typer fjernmålingsdata med hensyn på potensiale for kartlegging og overvåking av fremmede bartrær.

Vi har videre etablert utbredelsekart for vanlig gran og furu basert på gjennomgang av eksisterende litteratur samt nasjonale skogkart fra fjernmålingsdata. De eksisterende skogkartene ble også bruk til å etablere et kart over fremmede bartrær, dvs. grantrær utenfor sin naturlige utbredelse. Nøyaktigheten av utbredelseskartet ble evaluert ved hjelp av fototolkning. Videre undersøkte vi hvordan kartet stemte overens med andre tilgjengelige kilder om lokaliteter av fremmede treslag, og estimerte arealet med fremmede bartrær på fylkes- og landsnivå. Arealet av fremmede bartrær utenfor den naturlige utbredelsen til gran i Norge ble estimert til 1200 km2, med en standardfeil på 275 km2.

En spesifikk utfordring i fjernmåling av fremmede bartrær er å skille mellom arter av samme slekt. Vi etablerte en test i Fusa og Tysnes dere vi vurderte potensialet for å skille mellom vanlig gran og sitkagran med ulike typer fjernmålingdata. Fjernmålingsdata som ble testet var satellittbilder fra Landsat 8, flyfoto fra omløpsfotograferingen og flybåren laserskanning. Vi fant en svak til moderat evne til skille mellom de to artene. Den beste totale nøyaktigheten var på 78%, dvs. at 78% av lokalitetene var riktig bestemt. Testen indikerer at Landsat 8 bilder kan brukes til å skille mellom bestand med vanlig gran og sitkagran og at resultatene ikke bedres vesentlig ved bruk av flybårne sensorer.

Basert på en litteraturgjennomgangen og våre analyser diskuterer vi en mulig etablering av et kartleggings- og overvåkingopplegg for fremmede treslag.