Analyse van het stedelijke bomenlandschap met behulp van grond- en luchtgebaseerde remote sensing om het behoud van door bomen geleverde ecosysteemdiensten te ondersteunen

Stadsbomen zijn de belangrijkste groene infrastructuur in steden om klimaatverandering tegen te gaan, de stedelijke omgeving te verbeteren en de gezondheid en het welzijn van de mens te bevorderen door tal van kritieke ecosysteemdiensten te leveren. Ze ervaren echter verschillende vormen van druk, zoals het stedelijk hitte-eiland (SHE)-effect, bodemafdekking en luchtvervuiling, die mogelijk van invloed zijn op de gezondheidstoestand van bomen en daarmee op de kwantiteit en kwaliteit van de ecosysteemdiensten die ze de mensheid bieden. Initiatieven voor de introductie van stedelijke bomen en instandhoudingsinitiatieven zijn dus belangrijk en er zijn verschillende beheerstrategieën en -plannen geformuleerd. Ter ondersteuning van dergelijke inspanningen is het essentieel om de dynamiek van belangrijke boomeigenschappen, met name die met betrekking tot het functioneren van bomen, in de ruimte te volgen. Bovendien moet het vermogen van bomen om zich aan te passen aan veranderingen in het milieu en hoe door bomen geleverde ecosysteemdiensten de gezondheid en het welzijn van de mens beïnvloeden, goed worden begrepen. Op basis van deze wetenschappelijke resultaten en inzichten kunnen passende en gerichte beheeractiviteiten worden geïmplementeerd en kan de effectiviteit ervan worden geëvalueerd. Conventionele boominventarisatie wordt echter in de ruimte en in de tijd beperkt door een reeks problemen. Verder onderzoek naar kansrijke oplossingen is daarom nodig. In dit proefschrift hebben we het potentieel van op de grond en in de lucht (hyperspectrale en lichtdetectie en -bereik (LiDAR)) teledetectietechnologie onderzocht en verbeterd om aan de bovengenoemde vereisten van stedelijke boomlandschapanalyse te voldoen. Ons studiegebied was het Brussels Hoofdstedelijk Gewest in België.

Gedreven door een gebrek aan kennis over het vermogen van bomen om zich aan te passen aan de stedelijke omgeving, onderzochten we de variatie binnen soorten in functionele en optische eigenschappen van bladeren (d.w.z. water- en pigmentgerelateerde eigenschappen) en hun fenologie veroorzaakt door het SHE-effect en bodemafdekking met behulp van gegeneraliseerde additieve modellen (Hoofdstuk 2). We hebben ons gericht op Tilia × euchlora-bomen en ontdekten dat de variaties binnen de soort tussen verschillende omgevingsomstandigheden varieerden van 8% tot 38%. Er werd waargenomen dat de bomen die op verzegelde bodems groeiden, in de herfst de neerwaartse regulatie van fotosynthetische pigmenten eerder (tot 13 dagen) startten dan die op onverharde locaties. Deze variaties binnen de soort duiden op de bladplasticiteit van Tilia × euchlora-bomen, waardoor ze zich kunnen aanpassen aan de snel veranderende stedelijke omgeving. We hebben aangetoond dat het gebruik van optische bladkenmerken als een proxy voor bladfunctionele kenmerken veelbelovend is, en mogelijk het onderzoek van milieueffecten op bomen op bredere ruimtelijke schalen mogelijk maakt met behulp van spectrale sensoren aan boord van vliegtuigen of satellietplatforms.

Ondanks hun aanpassingsvermogen kunnen de gezondheidscondities van bomen in verschillende mate worden aangetast door ernstige of chronische omgevingsstress, wat leidt tot degradatie van de door bomen geleverde ecosysteemdiensten. In Hoofdstuk 3 hebben we daarom het potentieel van door een vliegtuig verzamelde hyperspectrale en LiDAR-gegevens beoordeeld met een Random Forest-classificator om ontbladering, verkleuring van stedelijke bomen en een combinatie daarvan op het individuele boomkruinniveau te detecteren. We ontdekten dat de fusie van hyperspectrale en LiDAR-functies de hoogste nauwkeurigheid bereikte, met een algemene nauwkeurigheid van 0,81 tot 0,89. De algemeen betere prestaties van LiDAR-functies ten opzichte van hyperspectrale functies kunnen gevalspecifiek zijn en vereisen verder onderzoek. Belangrijk is dat we hebben aangetoond dat een soortspecifieke modelleringsaanpak moet worden gevolgd bij het in kaart brengen van de gezondheid van stedelijke bomen.

Boomsoorten zijn een belangrijke eigenschap van bomen en bepalen het vermogen van bomen om ecosysteemdiensten te leveren, en kunnen dienen als basisinformatie om het in kaart brengen van andere boomeigenschappen (bijvoorbeeld de gezondheid van bomen) te verbeteren met behulp van teledetectie. Hoofdstuk 4 was daarom gewijd aan het beoordelen en verbeteren van het potentieel van door een vliegtuig verzamelde hyperspectrale en bi-temporele LiDAR-gegevens (leaf-on en leaf-off) in de classificatie van stedelijke boomsoorten op het niveau van de individuele boomkruin. Wat nog belangrijker is, we hebben gekeken naar hoe plantlocaties (d.w.z. straten versus parken) spectrale en structurele variaties tussen soorten veroorzaken en bijgevolg de nauwkeurigheid van de classificatie beïnvloeden. We ontdekten dat het belang van hyperspectrale en LiDAR-kenmerken voor soortdiscriminatie binnen soorten varieerde tussen straat- en parkbomen. De proporties van variatie binnen de soort in spectrale reflectie, leaf-on en leaf-off LiDAR-kenmerken, verklaard door plantlocaties, waren respectievelijk tot 40,6%, 63,9% en 64,6%. Deze resultaten ondersteunden onze bevinding dat een locatiespecifieke modelleringsaanpak voor het planten de mapping van stedelijke boomsoorten aanzienlijk verbeterde, met de hoogste classificatienauwkeurigheden (85,1%) bereikt door gebruik te maken van de gecombineerde hyperspectrale en leaf-on en leaf-off LiDAR-gegevens. Op basis van deze bevindingen stellen we voor om een stap van semantische classificatie van bomen te integreren in het onderscheid tussen boomsoorten.

Centraal in de door bomen geleverde ecosysteemdiensten staat het verbeteren van de gezondheid en het welzijn van de mens. In Hoofdstuk 5 hebben we onderzocht hoe door een vliegtuig verzamelde LiDAR-technologie kan worden gebruikt om de kwantificering van blootstelling aan bomen te verbeteren en ons begrip van de associaties met cardiovasculaire en mentale gezondheid te vergroten. We hebben een complete workflow ontwikkeld, inclusief individuele boomafbakening, screening van onjuiste bomen en schatting van boomkenmerken, om driedimensionale boomkenmerken op stadsniveau in kaart te brengen. We toonden aan dat de verkoop van medicijnen voor hart- en vaatziekten en psychische stoornissen negatief geassocieerd was met kroonvolumes, maar positief geassocieerd met boomdichtheid in modellen die beide blootstellingsindicatoren bevatten. We veronderstellen daarbij dat wonen in gebieden met grotere kruinvolumes en lagere boomdichtheden gunstiger kan zijn voor de cardiovasculaire en mentale gezondheid, vergeleken met wonen in gebieden met hogere boomdichtheden en kleinere kruinvolumes. Deze bevindingen onderstrepen de noodzaak om grote bomen in steden te behouden.

Het onderzoek in dit proefschrift heeft het potentieel bevestigd van remote sensing op de grond en in de lucht (hyperspectraal en LiDAR) voor een uitgebreide en geavanceerde analyse van stedelijk bomenlandschap ter ondersteuning van de beoordeling, instandhouding en verbetering van ecosysteemdiensten die bomen bieden aan de menselijke samenleving. Ondanks de operationaliteit van de ontwikkelde methodologieën, zou toekomstig onderzoek verschillende onzekerheden in de monitoring van stedelijke bomen verder moeten aanpakken door een goed ontworpen stedelijk laboratorium te koppelen aan gegevens uit meerdere bronnen (bijv. teledetectie, sensornetwerken, burgerwetenschap) en state-of-the-art technieken om management en beleid beter te informeren.