Phenological characterization of Fagus sylvatica L. in Mediterranean populations of the Spanish Central Range with Landsat OLI/ETM+ and Sentinel-2A/B

  1. Gómez, C. 1
  2. Alejandro, P. 2
  3. Montes, F. 1
  1. 1 INIA-CIFOR, Dep. of Forest Dynamics and Management, Ctra. La Coruña km 7.5, 28040 Madrid, Spain
  2. 2 Quasar Science Resources, Ctra. La Coruña km 22.3, Las Rozas, 28232 Madrid, Spain
Revista:
Revista de teledetección: Revista de la Asociación Española de Teledetección

ISSN: 1133-0953

Año de publicación: 2020

Número: 55

Páginas: 71-80

Tipo: Artículo

DOI: 10.4995/RAET.2020.13561 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista de teledetección: Revista de la Asociación Española de Teledetección

Resumen

Algunas de las poblaciones más meridionales de Fagus sylvatica L. (haya) se encuentran en el Sistema Central español. La cartografía reciente de estas poblaciones indica que están expandiéndose a lo largo de arroyos y ganando terreno a robledales de Quercus pyrenaica Willd., brezales, y pinares. Conocer la fenología espectral de estos hayedos mediterráneos de montaña, cuya apertura de hojas se adelanta a la de otras formaciones vegetales permitiría inferir su dinámica reciente y modelizar su comportamiento frente a futuras oscilaciones climáticas. Se utilizaron 211 imágenes Landsat OLI/ETM+ adquiridas entre abril 2013-diciembre 2019 y 217 imágenes Sentinel-2A/B adquiridas entre abril 2017-diciembre 2019 para caracterizar la fenología espectral de hayedos y otras cinco formaciones vegetales en 108000 ha. Se calcularon y analizaron índices de vegetación: Normalized Difference Vegetation Index (NDVI) y Tasseled Cap Angle (TCA) con datos Landsat, NDVI y Enhanced Vegetation Index (EVI) con Sentinel-2. Se extrajeron las series temporales de estos índices en píxeles muestra para analizar mediante software TIMESAT, ajustando modelos Savitzky-Golay y función logística, y describiendo paramétricamente la fenología espectral: inicio, fin, y duración de temporada, así como momento y valor máximo del índice. Las series NDVI de Landsat y Sentinel-2 representaron una duración similar de la temporada fenológica (214 y 211 días para el periodo común de análisis, 2017-2019), aunque inicio y fin no coincidieron. Comparando con las curvas NDVI homólogas, la temporada TCA comenzó y alcanzó el pico máximo antes, y la temporada EVI fue más corta. Los valores máximos de NDVI en las series Sentinel-2 fueron más altos que los de Landsat. Los hayedos comenzaron la temporada fenológica de media 21 días antes que los robledales. El análisis conjunto de datos de la constelación virtual Landsat/Sentinel-2 y la calibración con observaciones de campo permitirá conocer mejor la fenología a escala de paisaje.

€ Ver financiación

Información de financiación

This work was funded by the Spanish Ministry of Science, Innovation and University through projects: AGL2013-46028-R ?Forest management facing the change in forest ecosystems dynamics: a multiscale approach (SCALyFOR)? and AGL201676769-C2-1-R ?Influence of natural disturbance regimes and management on forests dynamics, structure and carbon balance (FORESTCHANGE)?. Field work assistance by Diego Gal?n, Bel?n O?ate, and Gregorio Cerezo, and the support of Jos? Ju?rez Ben?tez, director of the Sierra Norte de Guadalajara Natural Park are much appreciated.

Financiadores

Referencias bibliográficas

  • Augspurger, C.K. 2013. Reconstructing patterns of temperature, phenology, and frost damage over 124 years: Spring damage risk is increasing. Ecology 94, 41-50. https://doi.org/10.1890/12-0200.1
  • Bolton, D.K., Gray, J.M, Melaas, E.K., Moon, M., Eklundh, L., Friedl, M.A. 2020. Continental-scale land surface phenology from harmonized Landsat 8 and Sentinel-2 imagery, Remote Sensing of Environment, 240, 111685. https://doi.org/10.1016/j.rse.2020.111685
  • Bucha T, Koren, M. 2017. Phenology of the beech forests in the Western Carpathians from MODIS for 2000-2015. iForest (Biosciences and Forestry), 10, 537-546. https://doi.org/10.3832/ifor2062-010
  • Crist, E.P. 1985. A TM Tasseled Cap equivalent transformation for reflectance factor data. Remote Sensing of Environment, 17, 301-306. https://doi.org/10.1016/0034-4257(85)90102-6
  • Delhon, C., Thiébault, S. 2005. The migration of beech (Fagus sylvatica L.) up the Rhone: the Mediterranean history of a "mountain" species. Veget. Hist. Archaeobot., 14, 119-132. https://doi.org/10.1007/s00334-005-0068-9
  • Dittmar, C., Elling, W. 2006. Phenological phases of common beech (Fagus sylvatica L.) and their dependence on region and altitude in Southern Germany. European Journal of Forest Research, 125, 181-188. https://doi.org/10.1007/s10342-005-0099-x
  • Drusch, M., Del Bello, U., Carlier, S., Colin, O., Fernández, V., Gascon, F., Hoesrch, B., Isola, C., Labertini, P., Marimort, P., Meygret, A., Spoto, F., Sya, O., Marchese, F., Bargellini, P. 2012. Sentinel-2: ESA's optical high-resolution mission for GMES operational services. Remote Sensing of Environment, 120, 25-36. https://doi.org/10.1016/j.rse.2011.11.026
  • Eklundh, L., Jönsson, P. 2017. Timesat 3.3 Software Manual, Lund and Malmö University, Sweden.
  • Fang, J., Lechovicz, M.J. 2006. Climatic limits for the present distribution of beech (Fagus L.) species in the world. Journal of Biogeography, 33, 1804-1819. https://doi.org/10.1111/j.1365-2699.2006.01533.x
  • Fu, Y.H., Piao S., Op de Beeck, M.O., Cong, N., Zhao, H., Zhang, Y., Menzel, A., Janssens, I.A., 2014. Recent spring phenology shifts in western Central Europe based on multiscale observations. Global Ecology and Biogeography, 23(11), 1255-1263. https://doi.org/10.1111/geb.12210
  • Gerard F.F., George, C.T., Hayman, G., Chavana- Bryant, C., Weedon, G.P. 2020. Leaf phenology amplitude derived from MODIS NDVI and EVI: maps of leaf phenology synchrony for Meso- and South America. Geosciences Data Journal, 00, 1-14. https://doi.org/10.1002/gdj3.87
  • Gao, B.C. 1996. NDWI-A normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment, 58(3), 257-266. https://doi.org/10.1016/S0034-4257(96)00067-3
  • Gil, L., Náger, J.A., Aranda-García, I., González- Doncel, I., Gonzalo-Jiménez, J., López de Heredia, U., Millerón, M., Nanos, N., Perea García-Calvo, R., Rodríguez-Calcerrada, J., Valbuena-Carabaña, M. 2010. El Hayedo de Montejo: una gestión sostenible. Dirección General del Medio Ambiente, Spain, 151 pp.
  • Gómez, C., Alejandro, P., Aulló-Maestro, I., Hernández, L., Sánchez de Dios, R., Sainz-Ollero, H., Velázquez, J.C., Montes, F. 2019. Presence of European beech in its Spanish southernmost limit characterized with Landsat intra-annual time series. Proceedings of the AIT 2018, IX Conference of the Italian Society of Remote Sensing.
  • Gonzalo, J. 2010. Diagnosis fitoclimática de la España peninsular. Hacia un modelo de clasificación funcional de la vegetación y de los ecosistemas peninsulares españoles. Serie Técnica: Naturaleza y Parques Nacionales. Ministerio de Medio Ambiente y Medio Rural y Marino. Organismo Autónomo Parques Nacionales.
  • Herrera, S., Gutiérrez, J.M., Ancell, R., Pons, M.R., Frías, M.D., Fernández, J. 2012. Development and Analysis of a 50 year high-resolution daily gridded precipitation dataset over Spain (Spain02). International Journal of Climatology, 32, 74-85. https://doi.org/10.1002/joc.2256
  • Houston Durrant, T., de Rigo, D., Candullo, G. 2016. Fagus sylvatica and other beeches in Europe: distribution, habitat, usage and threats in San Miguel Ayanz, J., de Rigo, D., Candullo, G., Houston Durrant, T., Mauri, A. (eds.) European Atlas of Forest Tree Species. Publication Office of the European Union, Luxembourg, pp.e012b90
  • Jönsson, P., Cai., Z., Melaas, E., Friedl, M., Eklundh, L. 2018. A method for robust estimation of vegetation seasonality from Landsat and Sentinel-2 time series data. Remote Sensing, 10, 365. https://doi.org/10.3390/rs10040635
  • Li, J., Roy, D.P. 2017. A global analysis of Sentinel- 2A, Sentinel-2B and Landsat-8 data revisit intervals and implications for terrestrial monitoring. Remote Sensing, 9, 902. https://doi.org/10.3390/rs9090902
  • Liu, H.Q., Huete, A.R. 1995. A feedback based modification of the NDVI to minimize canopy background and atmospheric noise. IEEE Transactions on Geoscience and Remote Sensing, 33, 457-465. https://doi.org/10.1109/TGRS.1995.8746027
  • Melaas, E.K., Friedl, M.A., Zhu, Z. 2013. Detecting interannual variation in deciduous broadleaf forest phenology using Landsat TM/ETM+ data. Remote Sensing of Environment, 132, 176-185. https://doi.org/10.1016/j.rse.2013.01.011
  • Melaas, E.K., Sulla-Menashe, D., Gray, J.M., Black, T.A., Morin, T.H., Andrew, D.R., Friedl, M.A. 2016. Multisite analysis of land surface phenology in North American temperate and boreal deciduous forests from Landsat. Remote Sensing of Environment, 186, 452-464. https://doi.org/10.1016/j.rse.2016.09.014
  • Powell, S.L., Cohen, W.B., Healey, S.P., Kennedy, R.E., Moisen, G.G., Pierce, K.B., Ohmann, J.L. 2010. Quantification of live aboveground biomass dynamics with Landsat time-series and field inventory data: a comparison of empirical modeling approaches. Remote Sensing of Environment, 114, 1053-1068. https://doi.org/10.1016/j.rse.2009.12.018
  • Rubio-Cuadrado, A., Camarero, J.J., Del Río, M., Sánchez-González, M., Ruiz-Peinado, R., Bravo- Oviedo, A., Gil, L., Montes, F. 2018. Long-term impacts of drought on growth and forest dynamics in a temperate beech-oak-birch forest. Agricultural and Forest Meteorology, 259, 48-59. https://doi.org/10.1016/j.agrformet.2018.04.015
  • Ruiz-Labourdette, D., Nogués-Bravo, D., Sainz- Ollero, H., Schmitz, M.F., Pineda, F.D. 2012. Forest composition in Mediterranean mountains is projected to shift along the entire elevational gradient under climate change. Journal of Biogeography, 39, 162-176. https://doi.org/10.1111/j.1365-2699.2011.02592.x
  • Sánchez de Dios, R., Hernández, L., Montes, F., Sainz- Ollero, H., Cañellas, I. 2016. Tracking the leading edge of Fagus sylvatica in North-Western Iberia: Holocene migration inertia, forest succession and recent global change. Perspectives in Plant Ecology, Evolution and Systematics, 20, 11-21. https://doi.org/10.1016/j.ppees.2016.03.001
  • Sánchez de Dios, R., Gómez, .C, Aulló, I., Cañellas, I., Gea-Izquierdo, G., Montes, F., Sain-Ollero, H., Velázquez, J.C., Hernández, L. 2020. Fagus sylvatica L. peripheral populations in the Mediterranean Iberian Peninsula: climatic or anthropic relicts? Ecosystems. https://doi.org/10.1007/s10021-020-00513-8
  • Stanimirova, R., Cai, Z., Melaas, E.K., Gray, J.M., Eklundh, L., Jönsson, P., Friedl, M.A. 2019. An empirical assessment of the MODIS land cover dynamics and TIMESAT land surface phenology algorithms. Remote Sensing, 11, 2201. https://doi.org/10.3390/rs11192201
  • Tucker, C.J. 1979. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 8(2), 127-150. https://doi.org/10.1016/0034-4257(79)90013-0
  • Van Rossum, G., Drake, F.L., 2009. Python 3 reference manual. Soho Books. Scotts Valley, CA, USA. 244 pp.
  • Wulder, M.A., et al. 2019. Current status of Landsat program, science, and applications. Remote Sensing of Environment, 225, 127-147. https://doi.org/10.1016/j.rse.2019.02.015
  • Zeng, L., Wardlow B.D., Xiang, D., Hu, S., Li, D. 2020. A review of phenological metrics extraction using time-series, multispectral data. Remote Sensing of Environment, 237, 111511. https://doi.org/10.1016/j.rse.2019.111511
Fuente de los datos: Dialnet