Värdet av hyperspektrala data för helhetskartläggning av våtmarksvegetation i heterogena landskap

Varför kartläggning av vattenrika landskap är viktig

Våtmarker tillhör jordens mest produktiva och hotade ekosystem. De lagrar kol, dämpar översvämningar och ger skydd åt sällsynta växter och djur — men de är också svåra att nå och ännu svårare att kartlägga i detalj till fots. Denna studie ställer en praktisk fråga som parkkonsulenter och naturvårdare överallt möter: behöver vi verkligen dyra, toppmoderna hyperspektrala flygningar för att förstå våtmarksvegetationen, eller räcker billigare och vanligare flygbilder till i tillräcklig grad?

Ett fågelperspektiv över ett labyrintiskt våtmarkslandskap

Forskarna fokuserade på Narew nationalpark i nordöstra Polen, ett av Europas största flodslättsbaserade våtmarksområden. Här ringlar en forgrening rik på kanaler genom en platt dal fylld av vassbälten, sävmossar, våta ängar, låglänta kärr, pilbuskage och flodnära skogar. Många områden är svåra eller omöjliga att nå till fots, samtidigt som vegetationen förändras när traditionellt jordbruk avtar och vattennivåer sjunker. För att följa dessa skiften kombinerade teamet fältbotanik med flygburen fjärranalys över mer än 300 kvadratkilometer.

Flygplan, laser och många färger av ljus

Sommaren 2020 samlade flygplan in tre sorters data över parken. Hyperspektrala sensorer registrerade hundratals mycket smala färgband från synligt ljus till kortvågigt infrarött och fångade subtila skillnader i bladkemi och fuktighet. En LiDAR-scanner skickade laserpulser för att mäta vegetationens tredimensionella struktur, såsom höjd och kronkomplexitet. En högupplöst RGBN-kamera fångade välkända rött, grönt, blått och närinfrarött vid 10 centimeters detalj, ur vilka teamet även beräknade en vegetationsindex och finskaliga texturmått som beskriver hur pixlarnas ton varierar i små grannskap. På marken kartlade botaniker nästan 2 000 referensytor och särskiljde 30 detaljerade vegetationsklasser som sträckte sig från öppet vatten till specifika kärr- och skogssamhällen.

Lära en dator att känna igen växtmönster

Forskarna tränade sedan en maskininlärningsmodell (CatBoost) att förutsäga vegetationskategori för varje kvadratmeter och testade fyra datakombinationer. Den mest informationsrika uppsättningen förenade hyperspektrala data med LiDAR; en andra använde endast LiDAR; en tredje fusionerade LiDAR med RGBN-bilder; och en fjärde lade till texturlager till den RGBN–LiDAR-kombinationen. Genom att upprepade gånger träna och validera modellen på olika undergrupper av fältplottarna bedömde de hur ofta den korrekt identifierade varje klass. De jämförde också hur lika de resulterande kartorna var sinsemellan och med en befintlig handritad vegetationskarta för parken, både genom visuell inspektion och ett standardiserat överlappningsindex.

Vad som vinns och förloras utan hyperspektrala data

Den kombinerade hyperspektral‑plus‑LiDAR-datasatsen presterade tydligt bäst och klassificerade korrekt ungefär 82 procent av platserna totalt, med starka resultat för många enskilda samhällen, särskilt skogar, vassbälten och pilbestånd. Att använda endast LiDAR sänkte noggrannheten till cirka 63 procent, vilket författarna bedömer som för lågt för beslut inom naturvård. Att ersätta hyperspektrala data med RGBN-bilder förbättrade situationen avsevärt jämfört med bara LiDAR: noggrannheten steg till omkring 72–73 procent, där de tillagda texturlagren gav endast en liten extra förbättring. För vissa vegetationsslag — såsom öppet vatten‑vegetation, vissa vassarter och låglänta kärr — kom RGBN‑plus‑textur‑ansatsen nära hyperspektral prestanda. För andra, i synnerhet högväxta ört­samhällen och vissa säv‑ och busktyper, orsakade förlusten av hyperspektral detalj märkbara försämringar i tillförlitlighet.

Mer att se än vad fältkartor ensamma visar

När de nya fjärranalyskartorna ställdes mot den traditionella fältbaserade vegetationskartan som används i parkens förvaltningsplan var skillnaderna slående. Flygburna data avslöjade många små men ekologiskt viktiga fläckar — till exempel ängar på små minerala kullar och fragment av sällsynt kärrvegetation — som fältkartan hade missat eller generaliserat till breda enheter. Fjärranalys fångade också komplexa mosaiker där olika våtmarkssamhällen vävs in i varandra över flodslätten. Samtidigt förblev vissa finkorniga gräslandstyper som botaniker identifierat svåra att särskilja enbart från bilder, vilket understryker det fortsatta värdet av fackmannamässigt fältarbete.

Vad detta innebär för att skydda våtmarker

För förvaltare av skyddade våtmarker levererar studien ett nyanserat budskap. Om budgeten tillåter ger kombinationen av hyperspektral och LiDAR-data de mest exakta helhetskartorna och bäst stöd för detaljerad habitatförvaltning. Där avancerade flygningar är för kostsamma ger dock fusionen av mer prisvärd RGBN‑bildmaterial med LiDAR fortfarande användbara, relativt noggranna kartor för många vegetationsslag, särskilt när de förstärks med texturinformation. Framför allt visar arbetet att flygburen fjärranalys — vare sig i toppklass eller mer modest utförande — kan avsevärt berika och komplettera traditionell fältkartering genom att avslöja den fina lapptäcksstrukturen i våtmarksvegetationen som ligger till grund för biologisk mångfald och leder till klokare bevarandeinsatser.

Citering: Jarocińska, A., Kopeć, D., Niedzielko, J. et al. Value of hyperspectral data for wall to wall wetland vegetation mapping in heterogeneous landscapes. Sci Rep 16, 13947 (2026). https://doi.org/10.1038/s41598-026-44275-0

Nyckelord: kartering av våtmarker, fjärranalys, hyperspektral avbildning, LiDAR, vegetationsklassificering