Supporting habitat conservation with automated change detection in Google Earth Engine.

ABSTRACT

A significant limitation in biodiversity conservation has been the effective implementation of laws and regulations that protect species' habitats from degradation. Flexible, efficient, and effective monitoring and enforcement methods are needed to help conservation policies realize their full benefit. As remote sensing data become more numerous and accessible, they can be used to identify and quantify land-cover changes and habitat loss. However, these data remain underused for systematic conservation monitoring in part because of a lack of simple tools. We adapted 2 algorithms that automatically identify differences between pairs of images. We used free, publicly available satellite data to evaluate their ability to rapidly detect land-cover changes in a variety of land-cover types. We compared algorithm predictions with ground-truthed results at 100 sites of known change in the United States. We also compared algorithm predictions to manually created polygons delineating anthropogenic change in 4 case studies involving imperiled species' habitat oil and gas development in the range of the Greater Sage Grouse (Centrocercus urophasianus); sand mining operations in the range of the dunes sagebrush lizard (Sceloporus arenicolus); loss of Piping Plover (Charadrius melodus) coastal habitat after Hurricane Michael (2018); and residential development in St. Andrew beach mouse (Peromyscus polionotus peninsularis) habitat. Both algorithms effectively discriminated between pixels corresponding to land-cover change and unchanged pixels as indicated by area under a receiver operating characteristic curve >0.90. The algorithm that was most effective differed among the case-study habitat types, and both effectively delineated habitat loss as indicated by low omission (min. = 0.0) and commission (min. = 0.0) rates, and moderate polygon overlap (max. = 47%). Our results showed how these algorithms can be used to help close the implementation gap of monitoring and enforcement in biodiversity conservation. We provide a free online tool that can be used to run these analyses (https//conservationist.io/habitatpatrol).

RESUMEN

Respaldo a la Conservación de Hábitat con la Detección Automatizada de Cambio en Google Earth Resumen Una limitación significativa en la conservación de la biodiversidad ha sido la implementación efectiva de las leyes y regulaciones que protegen los hábitats de las especies de la degradación. El monitoreo flexible, eficiente y efectivo y los métodos de aplicación son necesarios para que las normas de conservación puedan llevar a cabo su potencial completo. Conforme los datos de telemetría se vuelven cada vez más numerosos y accesibles, su uso puede extenderse a la identificación y cuantificación de los cambios en la cobertura del suelo y la pérdida del hábitat. Sin embargo, estos datos todavía están subutilizados en cuanto al monitoreo sistemático de la conservación en parte debido a la falta de herramientas simples y sencillas. Adaptamos dos algoritmos que identifican automáticamente las diferencias entre pares de imágenes. Utilizamos datos satelitales gratuitos y disponibles para el público para con ellos evaluar la habilidad que tienen los algoritmos para detectar rápidamente los cambios en la cobertura del suelo dentro de una variedad de tipos de cobertura de suelo. Comparamos las predicciones algorítmicas con los resultados de algunas investigaciones en 100 sitios con cambios conocidos en los Estados Unidos. También comparamos las predicciones algorítmicas con polígonos creados manualmente que delinean el cambio antropogénico en cuatro estudios de caso que involucran al hábitat de una especie en peligro desarrollos de petróleo y gas en la distribución de Centrocercus urophasianus; minas de arena en la distribución de Sceloporus arenicolus; la pérdida del hábitat costero de Charadrius melodus después del huracán Michael (2018); y los desarrollos residenciales en el hábitat de Peromyscus polionotus peninsularis. Ambos algoritmos discriminaron efectivamente entre los píxeles que correspondían al cambio en la cobertura del suelo y los píxeles sin cambio así indicados por el área bajo la curva de característica de receptor operante >0.90. El algoritmo más efectivo difirió entre los tipos de hábitat para los estudios de caso, mientras que ambos algoritmos delinearon efectivamente la pérdida de hábitat así indicada por la baja tasa de omisión (min. = 0.0) y comisión (min. = 0.0) y el traslape moderado de polígonos (max. = 47%). Nuestros resultados mostraron cómo pueden usarse estos algoritmos para ayudar a cerrar la brecha en la implementación del monitoreo y aplicación en la conservación de la biodiversidad. Proporcionamos una herramienta gratuita en línea que puede usarse para realizar estos análisis https//conservationist.io/habitatpatrol.