Using airborne laser scanning to model potential abundance and assemblages of forest passerines

Modelling and forecasting of the distribution and abundance of organisms using environmental variables is a major focus of applied ecological research. High-resolution airborne laser scanning is a recently developed remote-sensing method that provides data that can be used as surrogates for the vertical structure of the vegetation. These data can be used for modelling the occurrence and abundance of species or species assemblages. Until now, few studies evaluated the potential of these data for use in such models, or compared the suitability of data obtained by airborne systems with data gained by alternative methods. To fill part of this gap, we used forest passerine bird species to evaluate airborne laser scanning data for statistical modelling of potential bird abundances and composition of assemblages. Birds were counted in a mixed montane forest, on 223 1-ha plots along four transects. In the same period, these areas were scanned using Light Detection And Ranging (LiDAR) to characterise canopy structure. Additionally, we used visual interpretations of aerial photographs and field measurements on the same plots to derive habitat variables for comparison. We found clear correlations between the LiDAR variables and the other two variable sets using canonical correlation analysis. With a few exceptions, predictive power of the LiDAR data set for modelling abundances of single species, with up to 40% explained variance, was superior to that of the other two data sets. Models agreed with existing ecological knowledge for these species. For modelling of species composition with redundancy analysis, LiDAR was also superior to the other two data sets with more than 20% unique contribution to the explained variance. Our results clearly showed that LiDAR provides valuable data for describing and modelling single species as well as assemblages of forest organisms.

ZusammenfassungDie Modellierung und Vorhersage der Verbreitung und Abundanz von Organismen ist ein Schwerpunkt in der angewandten Ökologie. Neue entwickelte Anwendungen von Lasern aus Flugzeugen liefern Daten, die sich zur Charakterisierung der Vegetation eignen. Mit diesen Daten lassen sich Vorkommen und Häufigkeit von Arten in Wäldern modellieren. Bis heute haben aber nur wenige Arbeiten das Potential solcher Daten für den Gebrauch in Habitatmodellen geprüft oder die Eignung der Daten mit Parametern aus anderen Quellen verglichen. Um diese Lücke zumindest teilweise zu schließen, haben wir die Abundanz von Sperlingsvögeln und sowie die Artenzusammensetzungen verwendet, um die Eignung von solchen durch Fernerkundung gewonnene Charakterisierung der Vegetationsstruktur für statistische Modellierung zu evaluieren. In einem Bergmischwald wurden auf 223 Ein-Hektar Quadranten entlang von vier Transekten Vögel standardisiert erfasst. Parallel dazu wurde die Fläche mit Hilfe von Light Detection And Ranging (LiDAR) aus der Luft erfasst. Darüber hinaus wurden Luftbilder interpretiert und auch Strukturvariablen im Gelände erhoben. Kanonische Korrelationsanalysen Analysen zeigten eine klare Korrelation der drei verschiedenen Datensätze. Mit wenigen Ausnahmen zeigten die aus LiDAR abgeleiteten Umweltdaten die beste Vorhersagekraft bei der Modellierung der Abundanz einzelner Arten und erreichten eine Varianzerklärung von 40%. Darüber hinaus standen die Ergebnisse auch im Einklang mit dem bestehenden Wissen zur Ökologie der Vogelarten. Auch bei Modellierung der Artenzusammensetzung mit Hilfe einer Redundanzanalyse zeigten die aus LiDAR abgeleiteten Variablen mit 20% unabhängiger erklärter Varianz den größten unabhängigen Erklärungsbeitrag. Unsere Ergebnisse unterstreichen das Potential von LiDAR-Daten für die Modellierung von Arten und auch Artengemeinschaften in Wäldern.