Parcel-based classification of agricultural crops via multitemporal Landsat imagery for monitoring habitat availability of western burrowing owls in the Imperial Valley agro-ecosystem

Abstract

Agricultural production has a large impact upon the sustainability of wildlife populations. Certain species decline in the presence of intensive agriculture, while others thrive. Thus, quantifying changes in habitat within agricultural systems is paramount to understanding the underlying ecological mechanisms influencing species' range shifts and may facilitate the development of management strategies for sensitive wildlife species that depend on agricultural systems. Remotely sensed data can provide an efficient means to assess and monitor agricultural crop dynamics across large spatial extents. The objective of this study was to classify field-level agricultural crop types via a time series of Landsat imagery across the 3 620 000 ha agro-ecosystem in the Imperial Valley in California. The primary impetus was to generate data to characterize short-term changes in habitat for the western burrowing owl (Athene cunicularia), a species of concern that has an affinity for agricultural systems. The parcel-based classification method attained overall accuracies of 84% and 69% for level II (3 crop groups) and level III (31 crop types) agricultural crops, respectively. Given the large number of crop categories classified, these accuracies were quite high, especially when compared with existing crop type classifications across the region (e.g., the National Cropland Data Layer). These results suggest that the crop type classifications presented herein could potentially be used to evaluate owl demographic and space use parameters in light of shifting crop patterns across the study area.

La production agricole a un impact considérable sur la durabilité des populations fauniques. Certaines espèces déclinent en présence d'agriculture intensive tandis que d'autres prospèrent. Ainsi, la quantification des changements dans les habitats à l'intérieur des systèmes agricoles est essentielle à la connaissance des mécanismes écologiques sous-jacents influençant les déplacements des aires de répartition des espèces et peut faciliter le développement de stratégies de gestion pour les espèces fauniques sensibles qui dépendent des systèmes agricoles. Les données de télédétection peuvent fournir un moyen efficace pour évaluer et faire le suivi de la dynamique des cultures à travers de grandes étendues spatiales. L'objectif de cette étude était de classifier les types de culture au niveau des parcelles par le biais d'une série chronologique d'images de Landsat pour l'ensemble de l'agro-écosystème de 3 620 000 ha dans l'Imperial Valley de la Californie. Le premier objectif était de générer des données pour caractériser les changements à court terme dans les habitats de la chevêche des terriers de l'ouest (Athene cunicularia), une espèce menacée qui a une affinité pour les systèmes agricoles. La méthode de classification basée sur les parcelles utilisait les précisions globales obtenues de 84 % et de 69 % respectivement pour les cultures de niveau II (trois groupes de culture) et de niveau III (31 types de culture). Étant donné le grand nombre de catégories de cultures classifiées, ces précisions étaient plutôt élevées, spécialement par rapport aux classifications existantes des types de culture dans la région (p. ex. le « National Cropland Data Layer »). Ces résultats suggèrent que les classifications des types de culture présentées ici pourraient potentiellement fournir un moyen pour évaluer les paramètres démographiques et d'utilisation spatiale de la chevêche à la lumière des patrons changeants des cultures dans la région d'étude.

[Traduit par la Rédaction]

Acknowledgments

This study was funded in part by the Imperial Irrigation District's Water Transfer Project Joint Powers Authority, with oversight provided by the Imperial Irrigation District's Habitat Conservation Plan Implementation Team. We thank W. Leimgruber for contributing expertise in crop identification and S. Borrego and L. Macfarland for assistance in the collection of ground reference data.