Monitoring von Pinguinkolonien in der Antarktis mithilfe von Fernerkundungsdaten

MUSTAFA, Osama, Jan ESEFELD und Hannes GRÄMER, 2017. Monitoring von Pinguinkolonien in der Antarktis mithilfe von Fernerkundungsdaten [online]. Dessau-Roßlau: Umweltbundesamt. Texte, 29/2017. Verfügbar unter: https://openumwelt.de/handle/123456789/6839

Zusammenfassung deutsch

Vor dem Hintergrund der bereits punktuell beobachteten Bestandsveränderungen und Verschiebungen von Pinguinbrutplätzen im Zusammenhang mit dem globalen Klimawandel und der unterschiedlichen Verfügbarkeit von Nahrung erscheint ein möglichst flächendeckendes Monitoring der antarktischen Pinguine sinnvoll. Der vorliegende Bericht soll hierzu einen methodischen Beitrag leisten. Aufgrund der sehr großen Zahl von Kolonien und der in der Regel schwierigen Zugänglichkeit können Vor-Ort-Zählungen in Bezug auf die Größe der Brutpopulation stets nur Stichprobencharakter besitzen. Außerdem ist davon auszugehen, dass es eine nicht unbeträchtliche Anzahl bisher unbekannter Kolonien gibt. Ein weitestgehend umfassendes Monitoring erscheint daher nur auf der Basis von Fernerkundungsdaten möglich. Möglichst alle Pinguinkolonien der Antarktis detektieren zu können, werden Satellitendaten benötigt, die aufgrund der enormen Datenmengen sehr günstig zu akquirieren sind und zum anderen auch flächendeckend vorliegen. In dieser Untersuchung stellten sich die erst seit 2013 verfügbaren Landsat 8-Daten als die geeignetsten für diese Aufgabe heraus. Diese haben im Gegensatz zu dem Vorgänger Landsat 7, der seit Mai 2003 einen Fehler am sogenannten Scan-Line-Corrector aufweist, den großen Vorteil, dass die komplette Aufnahme ausgewertet werden kann, was eine höhere zeitliche Abdeckung der antarktischen Küstengebiete erlaubt. Wenn hingegen die Größe der Kolonien genau bestimmt und kleinräumige Veränderungen detektiert werden sollen, werden Satellitendaten benötigt, die eine sehr hohe räumliche und zeitliche Auflösung haben. In einem solchen Fall haben sich hochaufgelöste, multispektrale Satellitendaten mit Bodenauflösungen von unter 60 cm als am geeignetsten erwiesen. Erstmals wurden auch die hochaufgelösten VNIR-Daten des Worldview 3-Satelliten erfolgreich getestet. Zur Durchführung der Analysen wurden 12 hochaufgelöste und über 50 mittelaufgelöste multispektrale Satellitenaufnahmen der Testgebiete beschafft. Insbesondere gelang es trotz der häufigen Bewölkung in der Saison 2014/15 vier und in der Saison 2015/16 drei hochaufgelöste weitgehend wolkenfreie Aufnahmen von Ardley Island für intrasaisonale Untersuchungen zu akquirieren. Mit Hilfe dieser Daten wurde eine Reihe von Methoden auf ihre Eignung zur Detektion von hoch- und mittelaufgelösten Satellitenaufnahmen hin überprüft. Als schwierig stellte sich die Klassifikation des Guanos in den hochaufgelösten Aufnahmen heraus. Besonders der dunkel erscheinende Guano konnte kaum mit den getesteten Methoden detektiert werden. Im Gegensatz dazu ließ sich der hellere, orange-rötlichen Guano gut klassifizieren. Prinzipiell zeigte sich, dass die Klassifikationen bei der eher kontinental gelegen Cape Bird-Kolonie genauer waren als bei Adélie Land, was auf die relativ großen Flächen dunklen Guanos und der großen Variabilität der Geomorphologie und Vegetation auf Ardley Island zurückzuführen ist. Bei den untersuchten Methoden zeigte sich, dass die Maximum-Likelihood- und die ACE-Klassifikation die besten Ergebnisse für die Detektion von Guano in hochaufgelösten Aufnahmen lieferten. Beim Vergleich der Satellitenaufnahmen mit den Bodenkartierungen wurde auch festgestellt, dass es auf Ardley Island nicht möglich ist, alle Nestgruppen in Satellitenaufnahmen zu identifizieren, auch nicht manuell. Gute Ergebnisse wurden mit der ACE- und SAM-Klassifizierung bei den mittelaufgelösten Landsat 8-Aufnahmen der kontinentalen und maritimen Antarktis erreicht. Beiden Methoden scheinen für eine automatisierte Klassifizierung der gesamten Antarktis geeignet. Das eine automatische Detektion von Adéliepinguinkolonien der kontinentalen und auch der maritimen Antarktis mit Landsat 7-Aufnamen möglich ist, wurde bereits von Schwaller et al. (2013b) und Lynch & Schwaller (2014) eindrucksvoll bewiesen. Um die Aussagekraft bzw. die Genauigkeit der aus den Satellitenbildern gewonnenen Informationen beurteilen zu können, werden möglichst genaue Bodenkontrolldaten benötig. Vier verschiedene Methoden zur Schaffung solcher Referenzdaten wurden in diesem Projekt untersucht und miteinander verglichen. Die Panoramafotografie ist die schnellste Methode, liefert aber nur relativ ungenaue Ergebnisse, ähnlich wie die GPS-basierte Teilkartierung. Mit der GPS-basierten Vollkartierung erfolgt hingegen die genauste Bestimmung der Brutpaarzahlen aller untersuchten Methoden. Diese benötigt aber auch die meiste Zeit und hat den Nachteil, dass die brütenden Pinguine am stärksten gestört werden. Einen Mittelweg bietet die Kartierung mit sehr hochaufgelösten UAV-Orthophotomosaiken, mit der in kurzer Zeit große Gebiete untersucht werden können. Es wurde gezeigt, dass RGB-Orthophotomosaike am geeignetsten sind um die Brutpaare zu identifizieren, während sich NIR-Orthophotomosaike besonders für die Detektion des Guanos und der Vegetation eignen. Thermalinfrarot-Orthophotomosaike haben ein großes Potenzial bei der Identifizierung von Pinguinen, wenn diese sich auf oder neben einem Nest befinden. Die Methode ist aufgrund der geringen Auflösung der Thermalsensoren jedoch noch nicht praxistauglich. Erstmalig fand eine detaillierte Untersuchung des Störungspotenzials der UAV-gestützten Kartierung statt. Das Ergebnis zeigt, dass Überflughöhen von mehr als 50 m über Grund (entspricht der minimalen Flughöhe der UAV-Kartierungsflüge) nur geringe Verhaltensreaktionen der Pinguine im Vergleich zu niedrigeren Flughöhen hervorrufen. Weiterhin wurde untersucht, ob es Unterschiede bei der Guanofärbung einer Kolonie im Saisonverlauf oder zwischen den einzelnen Arten gibt, die mittels fernerkundlichen Methoden erkannt werden können. Die Ergebnisse der Versuche mit Munsell-Farbtafeln, Fotografien am Boden sowie UAV- und Satellitenaufnahmen aus zwei Saisons zeigen, dass sich die Probeflächen mit den Adéliepinguinen am Anfang der Saison von denen mit den Eselspinguinen unterscheiden. Der Unterschied äußert sich darin, dass zu Beginn der Brutsaison der relative Rot- und Grünanteil des Guanos sehr nahe beieinander liegt, das heißt die Guanofarbe erscheint grünlich. In der restlichen Saison hingegen dominiert bei allen Arten der Rotanteil. Aufgrund dieses Farbunterschiedes war es möglich, in einer hochaufgelösten Satellitenaufnahme die Adéliepinguinnestgruppen von den Eselspinguinnestgruppen zu unterscheiden. Neben der Guanofarbe wurde auch der Habitus sowie die Brutbiologie und -phänologie der Pinguine als mögliches Unterscheidungsmerkmal zwischen den Pygoscelis-Arten mit Hilfe der Fernerkundungsdaten untersucht. So ist es in UAV-Aufnahmen mit Bodenauflösungen von mindestens 1 cm unter optimalen Aufnahmebedingungen möglich, die Küken der drei Arten voneinander zu unterscheiden. Bei den Adulten hingegen konnte als einziges zuverlässiges Bestimmungsmerkmal der sanduhrförmige weiße Fleck auf dem Scheitel von Eselspinguinen ausgemacht werden, aber nur bei aufrecht gehaltenem Kopf. Auch anhand der unterschiedlichen Brutbiologie konnten Zügelpinguinnestgruppen mit noch brütenden Adulten von Eselspinguinnestgruppen mit bereits geschlüpften Küken mit Hilfe eines UAV-Orthophotomosaiks von Narebski Point zweifelsfrei voneinander unterschieden werden. Auch die intrasaisonal Variation in der Kolonieausdehnung und Nbesetzung wurde ausführlich anhand von GPS-basierten Teilkartierungen und der Brutphänologie auf Ardley Island untersucht. So zeigte sich, dass die Größe der Nestgruppenflächen über den Untersuchungszeitraum (Anfang Dezember bis Anfang Januar) weitestgehend konstant blieb, im Gegenzug die Anzahl der Nester und somit auch die Dichte der Nestgruppen aber stark abnahm. Auch wurde beobachtet, dass Nestgruppen mit 1-10 Nestern am deutlichsten innerhalb des Untersuchungszeitraumes vom Rückgang betroffen waren, was möglichweise an deren Kolonierandlage und dem damit einher gehenden größeren Prädationsdruck liegt. Die Untersuchungen von Cape Bird mit Landsat 8-Aufnahmen ergaben, dass dort keine intrasaisonalen Veränderungen in der Kolonieausdehnung festgestellt werden konnten. Lediglich die Wahrscheinlichkeit, dass die Kolonie mit Schnee bedeckt ist und somit nur teilweise oder nicht detektiert werden kann, steigt am Anfang und am Ende der Saison. Mit hochaufgelösten Satellitenaufnahmen konnte bei Ardley Island hingegen eine deutliche intrasaisonale Variation der Guanoflächen festgestellt werden. So nimmt die Guanofläche der Kolonie zum Saisonende hin stark zu, bis sie unter dem Einfluss von nachlassenden Guanoeintrag bei weiterhin vorhandener Erosion wieder abnimmt. Eine weitere Analyse zeigte, dass eine Korrelation (R?= 0,84) zwischen dem Aufnahmezeitpunkt der Satellitenaufnahme und der durchschnittlichen Nestdichte der Guanobedeckten Flächen besteht. Die Detektierbarkeit intersaisonaler Variationen in der Kolonieausdehnung und Nbesetzung wurde mit hoch- und mittelaufgelösten Satellitenaufnahmen anhand der Kolonien von Ardley Island und Cape Bird untersucht. Für Ardley Island konnte kein Zusammenhang (R? = 0,05) zwischen der Anzahl der Nester und der mit Hilfe der Bodenkartierung ermittelten Nestgruppenfläche festgestellt werden. Ähnliches zeigte sich für die Adéliepinguinkolonie Cape Bird Nord anhand hoch- und mittelaufgelösten Satellitenaufnahmen. Weiterhin konnten mit Landsat-Aufnahmen keine Veränderungen der Brutpaarzahlen anhand der Guanofläche detektiert werden, selbst dann nicht, wenn sich die Brutpaarzahlen mehr als verdreifachten. Dies ergaben Analysen an der Kolonie Cape Bird Nord im Zeitraum zwischen 1985 und 2016. Die Ursache dafür liegt wahrscheinlich in der Dichteänderung innerhalb der Nestgruppen. Quelle: Forschungsbericht

Zusammenfassung englisch

In the context of the already observed population changes at specific time intervals and the shift in penguin breeding sites because of global warming and the fluctuations in availability of food, full-scale monitoring of Antarctic penguins seems reasonable. This report should contribute to choosing among the possible methods. Given the large number of colonies and their general inaccessibility, on-site counts can only sample bits of the breeding population. It can also be assumed that there is a considerable number of currently unidentified colonies. An extensive and comprehensive monitoring thus seems only possible based on remote sensing data. To be able to detect preferably all the penguin colonies in Antarctica, satellite data will be required, which should be relatively cheap to acquire given the enormous quantities of data needed, and coverage of the entire region is available. In this study, the Landsat 8 data, available since 2013, appeared to be most suitable for this purpose. In contrast to its predecessor, Landsat 7, which has had an error in its scan-line corrector since May 2003, it has the advantage that the complete image can be evaluated, which allows a higher temporal coverage of the entire Antarctic coastline. If the intention is to measure precisely the size of the colonies and detect small-scale changes, satellite data are required, as they have a high spatial and temporal resolution. In such cases, high-resolution, multi-spectral satellite data with ground resolutions of less than 0.6 m have proven to be the most suitable option. First of all, the high-resolution VNIR data from Worldview 3 satellites were also successfully tested. For the analysis, 12 high-resolution and over 50 medium-resolution, multi-spectral satellite images of the test region were obtained to investigate intra- and interseasonal variations. We were able to acquire four high-resolution, practically cloud-free images of Ardley Island in the 2014/15 season and three in the 2015/16 season despite frequent cloud cover. Using these data, a series of methods was tested for their capacity to detect details on high- and medium-resolution satellite images. The most difficult task proved to be classifying guano on the high-resolution images. Dark-appearing guano could hardly be detected with the methods tested. In contrast, the bright orange-reddish guano was easy to spot. This demonstrates in general that the classification conducted on the continentally located Cape Bird colony was more precise than that on Ardley Island, which could be ascribed to the relatively large areas of dark guano and the great variability in geomorphology and vegetation on Ardley Island. The tested methods revealed that the maximum likelihood and ACE classifications produced the best results for the detection of guano on high-resolution images. By comparing satellite images to the ground surveys, it became evident that it is not possible to identify all nest groups on Ardley Island from satellite images, not even manually. Good results were obtained with the ACE and SAM classifications using medium-resolution Landsat 8 images of continental and maritime Antarctica. Both methods seem suitable for an automated classification of the whole of Antarctica. Schwaller et al. (2013b) and Lynch & Schwaller (2014) have already impressively demonstrated that an automated detection of Adélie penguin colonies on continental and maritime Antarctica is possible with Landsat 7 images. To be able to evaluate the validity and the precision of information obtained from the satellite images, precise control data from the ground are required. Four different methods to obtain such reference data were investigated in this project and compared to one another. Panorama photography is the fastest method, but provides relatively imprecise results, just like GPS-based partial surveying. GPS-based full surveying produced the most accurate count of breeding pairs of all of the methods tried. It demands the greatest time investment, however, and has the disadvantage that it disturbs the breeding penguins the most. An intermediate option is provided by surveying with very high-resolution UAV orthomosaics, which can survey large areas in a short period of time. RGB orthomosaics were found to be most suitable for identifying breeding pairs, while NIR orthomosaics were the best for detecting guano and vegetation. Thermal infrared orthomosaics have a great potential for identifying penguins on or next to a nest. However, the method is not practical given the low resolution of thermal sensors. We started with a detailed examination of the potential of UAV-supported surveying to disturb the birds. Results showed that flyovers conducted more than 50 m above the ground (corresponding to the minimum flight altitude for UAV survey flights) triggered mild reactions compared to the behaviour of penguins in response to lower flying heights. Furthermore, we investigated whether the guano coloration of a colony varied over the course of a season or whether there were differences between species which could be recognised with remote sensing methods. The results of tests with Munsell colour charts, photography on site and UAV and satellite images from two seasons revealed that the test areas with Adélie penguins could be distinguished from the gentoo penguin areas at the beginning of one season. The distinction consisted of the relative red and green components of guano being close together at the start of the breeding season, so the guano appeared greenish. In the rest of the season, the red component predominated for all species. Given this colour difference, it was possible to distinguish the Adélie penguin nest groups from the gentoo penguin ones on high-resolution satellite images. Along with guano coloration, the habitus as well as the breeding biology and phenology of penguins was explored as a possible distinguishing characteristic between Pygoscelis species using remote sensing data. It is possible to distinguish the chicks of the three species on UAV images with a ground resolution of at least 10 mm under optimal recording conditions. With adults, however, the only reliable characteristic detectable was the hourglass-shaped white patch on the top of gentoo penguins' heads, and even that only when the head is held upright. Differences in the breeding biology allowed chinstrap penguin nest groups (adults still breeding) to be distinguished clearly from gentoo penguin nest groups (chicks already hatched) using an UAV orthomosaic of Narebski Point. The intraseasonal variation in colony expansion and occupation was also extensively investigated with GPS-based partial surveying of the nest groups and the breeding phenology on Ardley Island. Results showed that the size of nest group areas remained extremely constant over the period examined (beginning of December to beginning of January), in contrast to the number of nests and thus the density of the nest groups, which decreased greatly. It was also observed that nest groups with 1-10 nests declined most clearly in the period investigated, which could possibly be ascribed to their location on the colony periphery and thus the entailing greater predation pressure. The investigation of Cape Bird with Landsat 8 images revealed that no intraseasonal variations in colony expansion could be determined there. The likelihood that the colony is covered with snow, and thus allowing only partial or no detection, increases at the beginning and end of the season. However, high-resolution satellite images revealed clear confirmation of intraseasonal variation of the guano-covered areas on Ardley Island. The guano-covered areas of the colony increase radically at the end of the season until they decrease again under the influence of diminishing guano deposits and the constant presence of erosion. Further analysis showed that a correlation (R?= 0.84) exists between the time at which the satellite image was taken and the mean nest density of the guano-covered areas. The detectability of interseasonal variations in colony expansion and occupation were investigated with high- and medium-resolution satellite images of colonies on Ardley Island and Cape Bird. For Ardley Island, no correlation was found (R? = 0.05) between the number of nests and the nest group area determined from ground surveys. A similar result was noted for the Adélie penguin colony Cape Bird North according to high- and medium-resolution satellite images. Furthermore, Landsat images could not detect any changes in the number of breeding pairs from the guano-covered area data, not even when the number of breeding pairs more than tripled. This was the outcome of analyses of the Cape Bird North colony in the period between 1985 and 2016. The cause is probably the change in density within the nest groups. Quelle: Forschungsbericht

URI

https://openumwelt.de/handle/123456789/6839

Sammlungen

Texte

Komplettanzeige