A Landsat-based analysis of tropical forest dynamics in the Central Ecuadorian Amazon

Abstract

Tropical deforestation constitutes a major threat to the Amazon rainforest. Monitoring forest dynamics is therefore necessary for sustainable management of forest resources in this region. However, cloudiness results in scarce good quality satellite observations, and is therefore a major challenge for monitoring deforestation and for detecting subtle processes such as reforestation. Furthermore, varying human pressure highlights the importance of understanding the underlying forces behind these processes at multiple scales but also from an interand transdisciplinary perspective. Against this background, this study analyzes and recommends different methodologies for accomplishing these goals, exemplifying their use with Landsat timeseries and socioeconomic data. The study cases were located in the Central Ecuadorian Amazon (CEA), an area characterized by different deforestation and reforestation processes and socioeconomic and landscape settings. Three objectives guided this research. First, processing and timeseries analysis algorithms for forest dynamics monitoring in areas with limited Landsat data were evaluated, using an innovative approach based in genetic algorithms. Second, a methodology based in image compositing, multisensor data fusion and postclassification change detection is proposed to address the limitations observed in forest dynamics monitoring with timeseries analysis algorithms. Third, the evaluation of the underlying driving forces of deforestation and reforestation in the CEA are conducted using a novel modelling technique called geographically weight ridge regression for improving processing and analysis of socioeconomic data. The methodology for forest dynamics monitoring demonstrates that despite abundant data gaps in the Landsat archive for the CEA, historical patterns of deforestation and reforestation can still be reported biennially with overall accuracies above 70%. Furthermore, the improved methodology for analyzing underlying driving forces of forest dynamics identified local drivers and specific socioeconomic settings that improved the explanations for the high deforestation and reforestation rates in the CEA. The results indicate that the proposed methodologies are an alternative for monitoring and analyzing forest dynamics, particularly in areas where data scarcity and landscape complexity require approaches that are more specialized.

Landsat-basierte Analyse der Dynamik tropischer Wälder im Zentral-Ecuadorianischen Amazonasgebiet: Muster und Ursachen von Abholzung und Wiederaufforstung Die tropische Entwaldung stellt eine große Bedrohung für den AmazonasRegenwald dar. Daher ist die Überwachung von Walddynamiken eine notwendige Maßnahme, um eine nachhaltige Bewirtschaftung der Waldressourcen in dieser Region zu gewährleisten. Jedoch verschlechtert Bewölkung die Qualität der Satellitenaufnahmen und stellt die hauptsächliche Herausforderung für die Überwachung der Entwaldung sowie die Detektierung einhergehender Prozesse, wie der Wiederaufforstung, dar. Darüber hinaus zeigt der unterschiedliche menschliche Nutzungsdruck, wie wichtig es ist, die zugrundeliegenden Kräfte hinter diesen Prozessen auf mehreren Ebenen, aber auch interund transdisziplinär, zu verstehen. Variierender anthropogener Einfluss unterstreicht die Notwendigkeit, unterschwellige Prozesse (oder "Driver") auf multiplen Skalen aus interund transdisziplinärer Sicht zu verstehen. Darauf basierend analysiert und empfiehlt die vorliegende Studie unterschiedliche Methoden, welche unter Verwendung von LandsatZeitreihen und sozioökonomischen Daten zur Erreichung dieser Ziele beitragen. Die Untersuchungsgebiete befinden sich im ZentralEcuadorianischen Amazonasgebiet (CEA). Einem Gebiet, das einerseits durch differenzierte Entwaldungsund Aufforstungsprozesse, andererseits durch seine sozioökonomischen und landschaftlichen Gegebenheiten geprägt ist. Das Forschungsprojekt hat drei Zielvorgaben. Erstens werden auf genetischen Algorithmen basierten Verfahren zur Verarbeitung der Zeitreihenanalyse für die Überwachung der Walddynamik in Gebieten, für die nur begrenzte LandsatDaten vorhanden waren, bewertet. Zweitens soll eine Methode in Anlehnung an Satellitenbildkompositen, Datenfusion von mehreren Satellitenbildern und Veränderungsdetektion gefunden werden, die Einschränkungen der Walddynamik durch Entwaldung mithilfe von ZeitreihenAlgorithmen thematisiert. Drittens werden die Ursachen der Entwaldung/Abholzung im CEA anhand der geographischen gewichteten RidgeRegression, die zur einen verbesserten Analyse der sozioökonomischen Information beiträgt, bewertet. Die Methodik für das WalddynamikMonitoring zeigt, dass trotz umfangreicher Datenlücken im LandsatArchiv für das CEA alle zwei Jahre die historischen Entwaldungsund Wiederaufforstungsmuster mit einer Genauigkeit von über 70% gemeldet werden können. Eine verbesserte Analysemethode trägt außerdem dazu bei, die für die Walddynamik verantwortlichen treibenden Kräfte zu identifizieren, sowie lokale Treiber und spezifische sozioökonomische Rahmenbedingungen auszumachen, die eine bessere Erklärung für die hohen Entwaldungsund Wiederaufforstungsraten im CEA aufzeigen. Die erzielten Ergebnisse machen deutlich, dass die vorgeschlagenen Methoden eine Alternative zum Monitoring und zur Analyse der Walddynamik darstellen; Insbesondere in Gebieten, in denen Datenknappheit und Landschaftskomplexität spezialisierte Ansätze erforderlich machen.