Klassifikasjon av vegetasjonstyper basert på digitale terrenganalyser : Eksempel fra Dovre, Norge

Abstract

Formålet med oppgaven har vært å finne ut hvorvidt topografiske parametre kan gi et nyttig bidrag til vegetasjonskartleggingen i norske fjellandskap. Det har vært forsøkt å finne ut om vegetasjonsmønsteret styres av topografien og om det kan være mulig å klassifisere vegetasjonstyper i et norsk fjellandskap ved bruk av topografiske parametre. For å finne ut av dette er klassifikasjonsmetoden maximum likelihood brukt til å utføre klassifikasjon, og det er utført statistiske analyser.

Terrengparametrene som ble benyttet var høyde, aspekt, helning, kurvaturer, innstråling, wetnessindeks, snøpotensialeindekser, profilparametre og ruhet i tillegg til gjennomsnitt og standardavvik av mange av disse parametrene. Variansanalysen viste at for alle de utprøvde parametrene var variasjonen mellom vegetasjonstypene mye større enn innenfor vegetasjonstypene. Klassifikasjonsnøyktighetene ble 33% og 41% for styrt klassifikasjon av 13 vegetasjonstyper og 47% og 63% for 6 vegetasjonstyper. For ikke-styrt klassifikasjon ble klassifikasjonsnøyaktighet på 27% for 13 vegetasjonstyper og 59% for 6 vegetasjonstyper.

De parametrene som best klassifiserte og best skilte mellom vegetasjonstypene var høyde og wetnessindeks og midlede verdier av disse, samt profilparameter for høyde. Andre særlig viktige parametre var helning, standardavvik av høyde, ruhet og standardavvik av aspekt sett i forhold til innstråling. Snøpotensialeindeks var bedre enn andre parametre til å klassifisere snøleie. Myr ble bedre klassifisert av wetnessindeks enn noen av de andre parametrene. Også andre relasjoner mellom vegetasjonstyper og terrengparametre gjennom klassifikasjonsresultater og boksplott reflekterte godt de reelle vegetasjon-topografiforholdene.

Topografien modifiserer de andre miljøfaktorene som bestemmer hvilke plantesamfunn som vil opptre hvor, men det er likevel en komplisert oppgave å skulle modellere hver enkelt av terrengelementene som er med på å bestemme vegetasjonsmønsteret. De gode resultatene som ble oppnådd med ANOVA tyder imidlertid på at det burde være mulig å få til bedre klassifikasjonsresultater ved bruk av terrengparametrene som har vært brukt i oppgaven. Andre modelleringsmetoder som er bedre enn maximum likelihood klassifikasjon ville trolig gitt bedre resultater. Det samme ville nok også et mer tilfeldig utvalg av treningsdata fordelt utover hele forskningsområdet.