Despite much discussion about the utility of remote sensing for effective conservation, the inclusion of these technologies in species recovery plans remains largely anecdotal. We developed a modeling approach for the integration of local, spatially measured ecosystem functional dynamics into a species distribution modeling (SDM) framework in which other ecologically relevant factors are modeled separately at broad scales. To illustrate the approach, we incorporated intraseasonal water-vegetation dynamics into a cross-scale SDM for the Common Snipe (Gallinago gallinago), which is highly dependent on water and vegetation dynamics. The Common Snipe is an Iberian grassland waterbird characteristic of European agricultural meadows and a member of one of the most threatened bird guilds. The intraseasonal dynamics of water content of vegetation were measured using the standard deviation of the normalized difference water index time series computed from bimonthly images of the Sentinel-2 satellite. The recovery plan for the Common Snipe in Galicia (northwestern Iberian Peninsula) provided an opportunity to apply our modeling framework. Model accuracy in predicting the species' distribution at a regional scale (resulting from integration of downscaled climate projections with regional habitat-topographic suitability models) was very high (area under the curve [AUC] of 0.981 and Boyce's index of 0.971). Local water-vegetation dynamic models, based exclusively on Sentinel-2 imagery, were good predictors (AUC of 0.849 and Boyce's index of 0.976). The predictive power improved (AUC of 0.92 and Boyce's index of 0.98) when local model predictions were restricted to areas identified by the continental and regional models as priorities for conservation. Our models also performed well (AUC of 0.90 and Boyce's index of 0.93) when projected to updated water-vegetation conditions. Our modeling framework enabled incorporation of key ecosystem processes closely related to water and carbon cycles while accounting for other factors ecologically relevant to endangered grassland waterbirds across different scales, allowed identification of priority areas for conservation, and provided an opportunity for cost-effective recovery planning by monitoring management effectiveness from space.
Integración de las Dinámicas Intraestacionales de los Pastizales al Modelado de la Distribución a través de Diversas Escalas para Respaldar los Planes de Recuperación de Aves Acuáticas Resumen A pesar A pesar del potencial de la teledetección para la conservación, la inclusión de estas tecnologías en los planes de recuperación de especies es muy poco habitual. En este trabajo, desarrollamos una estrategia de modelado para la integración de dinámicas ecosistémicas funcionales locales medidas espacialmente dentro de un marco de trabajo del modelado de distribución de especies (MDE), en el cual otros factores ecológicamente relevantes se modelan por separado y a escalas más generales. Para ilustrar la estrategia incorporamos las dinámicas Intraestacionales de la vegetación acuática en un MDE multiescala escalas para la agachadiza común (Gallinago gallinago), la cual es sumamente dependiente de las dinámicas del agua y la vegetación. La agachadiza común es un ave acuática de los pastizales ibéricos, característica de las praderas agrícolas de Europa y miembro de uno de los grupos de aves más amenazados. Medimos las dinámicas intraestacionales del contenido de agua de la vegetación con la desviación estándar de la serie temporal del índice de diferencia normalizada de agua a partir de las imágenes bimensuales del satélite Sentinel-2. El plan de recuperación para la agachadiza común en Galicia (noroeste de la península ibérica) proporcionó una oportunidad para aplicar nuestro marco de trabajo. La capacidad del modelo para predecir la distribución de la especie a una escala regional (resultante de la integración de proyecciones climáticas a escala reducida con modelos regionales de idoneidad hábitat-topografía) fue muy alta (área bajo la curva [AUC] de 0.981 e índice de Boyce de 0.971). El poder de predicción aumentó (AUC de 0.92 e índice de Boyce de 0.98) cuando las predicciones de los modelos locales estuvieron restringidos a áreas identificadas por los modelos continentales y regionales como prioritarias para la conservación. Nuestros modelos también tuvieron un buen desempeño (AUC de 0.90 e índice de Boyce de 0.93) cuando los proyectamos hacia las condiciones actualizadas de vegetación acuática. Nuestro marco de trabajo permitió la incorporación de procesos ecosistémicos clave intimamente relacionados con los ciclos del agua y del carbono a la vez que representaba otros factores ecológicamente relevantes para las aves acuáticas amenazadas de pastizal, a través de diferentes escalas. También permitió la identificación de áreas prioritarias para la conservación y proporcionó oportunidades para la planificación rentable de la recuperación al monitorear la efectividad del manejo desde el espacio.
虽然目前有许多关于遥感在有效保护的应用方面的讨论, 但真正将这些技术纳入物种恢复计划很大程度上还没有实现。我们开发了一种建模方法, 将空间测定的局部生态系统功能动态纳入物种分布模型的框架中, 其中其它生态学相关因素可以在大尺度上分别建模。作为示例, 我们在高度依赖水和植被动态变化的物种--扇尾沙锥 (Gallinago gallinago) 的跨尺度物种分布模型中纳入了季节内水-植被动态变化。扇尾沙锥是一种伊比利亚草原水鸟, 是欧洲草地农业生境中的典型物种, 也是最受胁迫的鸟类类群之一。我们利用哨兵-2 卫星两个月一次的图像, 计算了归一化水体指数时间序列的标准差, 来衡量植被中水体含量的季节内动态。加利西亚 (伊比利亚半岛西北部) 扇尾沙锥的恢复计划为应用我们的模型框架提供了机会。结合小尺度气候预测与区域生境地形适宜性模型, 我们的模型预测区域尺度物种分布的准确度非常高, 曲线下面积达到 0.981, 博伊斯指数为 0.971。完全基于哨兵-2 图像的局部水-植被动态模型也是很好的预测因子, 曲线下面积为 0.849, 博伊斯指数为 0.976。将局部模型预测限制在大陆和区域模型确定的优先保护区域时, 预测能力会有所提高 (曲线下面积为 0.92, 博伊斯指数为 0.98) 。我们的模型在新的水-植被条件下也表现得很好 (曲线下面积为 0.90, 博伊斯指数为 0.93) 。这个模型框架可以整合与水和碳循环紧密联系的关键生态系统过程, 同时考虑其它不同尺度上与濒危草地水鸟相关的生态学因素, 有助于确定优先保护区域, 并通过空间监测管理有效性为经济有效的恢复计划创造条件。【翻译: 胡怡思; 审校: 聂永刚】.
Keywords: Agachadiza común; NDWI; Sentinel-2; common snipe; conservation plan; ecosystem functional variables; hierarchical species distribution models; modelos jerárquicos de distribución de especies; normalized difference water index; plan de conservación; variables de funcionamiento ecosistémico; índice de agua de diferencia normalizada; 保护规划; 哨兵-2A 数据; 层级物种分布模型; 归一化水体指数 (NDWI); 扇尾沙锥; 生态系统功能变量.
© 2019 Society for Conservation Biology.