Quantifying Tropical Dry Forest Type and Succession: Substantial Improvement with LiDAR

Improved technologies are needed to advance our knowledge of the biophysical and human factors influencing tropical dry forests, one of the world's most threatened ecosystems. We evaluated the use of light detection and ranging (LiDAR) data to address two major needs in remote sensing of tropical dry forests, i.e., classification of forest types and delineation of forest successional status. We evaluated LiDAR-derived measures of three-dimensional canopy structure and subcanopy topography using classification-tree techniques to separate different dry forest types and successional stages in the Guanica Biosphere Reserve in Puerto Rico. We compared the LiDAR-based results with classifications made from commonly used remote sensing data, including Landsat satellite imagery and radar-based topographic data. The accuracy of the LiDAR-based forest type classification (including native- and exotic-dominated forest classes) was substantially higher than those from previously available data (kappa=0.90 and 0.63, respectively). The best result was obtained when combining LiDAR-derived metrics of canopy structure and topography, and adding Landsat spectral data did not improve the classification. For the second objective, we observed that LiDAR-derived variables of vegetation structure were better predictors of forest successional status (i.e., mid-secondary, late-secondary, and primary forests) than was spectral information from Landsat. Importantly, the key LiDAR predictors identified within each classification-tree model agreed with previous ecological knowledge of these forests. Our study highlights the value of LiDAR remote sensing for assessing tropical dry forests, reinforcing the potential for this novel technology to advance research and management of tropical forests in general. Resumo Nuevas tecnologias son necesarias para avanzar en el conocimiento de los factores biofisicos y humanos que afectan a los bosques tropicales secos, uno de los ecosistemas mas amenazados del mundo. En este estudio evaluamos el uso de la tecnologia LiDAR (light detection and ranging) para cubrir dos limitaciones importantes en la teledeteccion de los bosques tropicales secos, incluidas la clasificacion de los tipos de bosques y la delimitacion de estados sucesionales. Especificamente, evaluamos el potencial de las variables tridimensionales de la estructural del bosque y la topografia derivados de LiDAR, mediante tecnicas de arboles de clasificacion, para separar distintos tipos de bosques y estados sucesionales en la Reserva de Biosfera de Guanica, en Puerto Rico. Comparamos los resultados obtenidos de LiDAR con aquellos derivados de fuentes de datos de sensores remotos comunmente utilizados, como las imagenes Landsat y datos topograficos de radar. La precision de la clasificacion de los tipos de bosques obtenida con LiDAR (incluida la presencia de clases dominadas por especies nativas asi como exoticas) fue sustancialmente superior a aquella obtenida con datos de los otros sensores (kappa=0.90 y 0.63 respectivamente). El mejor resultado se obtuvo al combinar variables estructurales del dosel y topografia, todas ellas de LiDAR. La incorporacion de informacion espectral de las imagenes Landsat no mejoro la clasificacion. Como parte del segundo objetivo, encontramos que las variables estructurales de vegetacion de LiDAR lograron separar los estados sucesionales (bosques secundario tardio, medio, y bosque primario), en una forma superior a los datos espectrales de Landsat. Importante, las variables de LiDAR identificadas mediante los modelos de clasificacion como las mas importantes en nuestro estudio, concordaron con aquellas esperadas en base al conocimiento ecologico previo de estos bosques. Nuestro trabajo muestra el valor de la tecnologia LiDAR para el estudio de los bosques tropicales secos, y resalta el potencial de esta tecnologia para avanzar en el manejo y la investigacion de los bosques tropicales en general.