Luchtfoto's helpen gebieden te identificeren die geschikt zijn voor herstel
Geospatiale en emissiemodellering
De beoordeling van de historische dynamiek van het landgebruik in kustgebieden is gebaseerd op een geospatiale analyse van een reeks satellietbeelden. Het classificeert categorieën van landgebruik en hoe hun oppervlakte in de loop van de tijd verandert. Door gebruik te maken van deze dynamiek kan de koolstofuitstoot die gepaard gaat met de omzetting van mangrovebossen naar ander landgebruik door middel van modellering worden geschat. Dit levert zowel een beoordeling op van de verloren koolstofvoorraden als een identificatie van gebieden die geschikt zijn voor herstel. Dit kan ook worden gekoppeld aan schattingen van verloren natuurlijk kapitaal in de loop van de tijd.
De belangrijkste vereiste is de beschikbaarheid van een consistente reeks satellietbeelden die vrij zijn van bewolking en voldoende ruimtelijke resolutie bieden om mangroveopstanden (en -types), omringende landbouw en ander menselijk gebruik van het landschap te onderscheiden. Lokale of nationale capaciteiten voor de verwerking van teledetectie en geavanceerde GIS-analyses van kustkenmerken zijn ook belangrijk. Emissiemodellering is een uitdaging die moet worden opgelost door de capaciteit te vergroten.
Hoewel GIS-faciliteiten en getraind personeel ruimschoots beschikbaar zijn, ontbreekt het in het GIS/remote sensing-veld nog steeds aan de capaciteit om de verschillende soorten mangroves binnen een opstand goed te classificeren, vooral wanneer beelden met een hogere resolutie worden gebruikt. We hebben de toepassing van innovatieve beeldverwerkings- en classificatietechnieken met goede resultaten onderzocht. Het proces kan echter niet volledig worden geautomatiseerd en de analyses vereisen tijd en een deskundig oordeel.
De toegang tot een consistent wolkenvrije reeks beelden over verschillende data is een uitdaging. Dit gaat gepaard met de storing van een bekende satelliet, waardoor de beschikbaarheid van beelden die geschikt zijn voor analyses nog verder beperkt wordt.
Het opschalen van analyses van lokale naar subnationale naar regionale schalen brengt extra uitdagingen met zich mee op het gebied van ruimtelijke resolutie, datavolume voor analyses en benodigde tijd.