Spatial Predictions of Evapotranspiration from Tropical Landscapes Using Remote Sensing Data

by Darlyn Alejandra Valdes Uribe
Doctoral thesis
Date of Examination:2025-08-21
Date of issue:2025-12-11
Advisor:Prof. Dr. Dirk Hoelscher
Referee:Prof. Dr. Dirk Hoelscher
Referee:Prof. Dr. Alexander Knohl
Referee:Prof. Dr. Dominik Seidel
Persistent Address: http://dx.doi.org/10.53846/goediss-11690

 

 

Files in this item

Name:PhD Thesis.pdf
Size:27.8Mb
Format:PDF
Description:PhD Thesis_Cummulative Publications_Alejandra Valdes Uribe

The following license files are associated with this item:

Abstract

English

Tropical forests play a crucial role in global terrestrial evapotranspiration (ET). As these forests continue to be converted to other land uses, the resulting changes in ET could have significant implications for both regional and global climate systems. However, many questions about forest ET remain open, particularly in drylands with varying aridity, mountainous areas, and forest fragments that create variable conditions across the space. Recent advances in remote sensing have opened new possibilities for studying ET in the tropics. Key developments include improvements in spaceborne thermal imaging capabilities, LiDAR for vegetation structure assessments, and the availability of open-source datasets. These, combined with advanced spatial analysis methods, provide unprecedented opportunities for studying ET in the tropics. Building on these developments, the overall objective of this dissertation is to advance understanding of how critical biophysical factors, including vegetation structure, topographic features, climatic conditions, and landscape configuration, influence spatial ET variation across tropical forest landscapes. Study 1 addressed ET across a dryland ecotone in western Ecuador, where the spatial distribution of vegetation characteristics is shaped by environmental conditions, with aridity being a key factor. We hypothesized that vegetation structural features significantly contribute to the spatial variation in ET during both wet and dry seasons. We assessed three-dimensional vegetation structure using a ground-based mobile laser scanner on 75 plots representing different forest types. ET data were retrieved from MODIS satellite observations. During the wet season, models incorporating spatial autocorrelation through Moran’s Eigenvector Maps explained 35% and 36% of spatial ET variability using plant area index and structural complexity (Db), respectively. In the dry season, same predictors explained over 70% of the spatial variation in ET. Our results demonstrate that differences in vegetation structure, particularly Db, significantly contribute to explaining spatial ET variation, with this relationship being especially pronounced during the dry season. We propose that dry-season aridity drives structural adaptations in vegetation that reduce ecosystem ET rates. Our findings emphasize the importance of preserving the complex structural diversity of dryland ecosystems to ensure their continued functionality. Study 2 investigated ET patterns across a large, protected tropical forest region on the western slope of the Andes. Our objectives were to identify the combination of variables most relevant for spatial ET prediction across the region and to determine the specific role of forest structure in spatial ET modelling. We employed a random forest (RF) approach following established best practices for spatial predictions to address spatial autocorrelation. The analysis utilized topographic, meteorological, and forest structure variables derived from open-source products including GEDI, PROBA-V, and ERA5, excluding any variables incorporated in the ECOSTRESS-L3 algorithm to ensure model independence. The models demonstrated high accuracy for spatially explicit ET prediction across different locations, achieving R2 values ranging from 0.61 to 0.74. Notably, no single predictor dominated the models, with five key variables collectively explaining 60% of model performance. Leaf area index emerged as one of the three most influential variables for ET prediction across all study days, alongside the topographic variables of elevation and aspect. We conclude that the random forest approach provides robust ET predictions that could help address observation gaps in tropical regions. Our findings highlight the importance of considering both terrain characteristics and vegetation properties in understanding tropical forest water cycles. Study 3 examined forest fragments within human-dominated landscapes across the lowlands and Andes of western Ecuador. We analysed the spatial pattern of ET from 83 forest fragments using spaceborne ECOSTRESS data. Our objective was to investigate the extent and direction of edge effects on ET, focusing on changes relative to interior forest conditions, while considering how abiotic and biotic factors interact to contribute to these observed variations at forest edges. We applied changepoint analysis and found that the frequency of ET shifts increased progressively from the interior of fragments toward the edge, where ET was enhanced in most cases (61%). A RF model with target-oriented crossvalidation achieved a spatial prediction accuracy of 64%, identifying elevation, aridity, and distance to edge as the most important predictors. SHAP analysis also highlighted the importance of edge effects and indicated greater enhancement of ET, particularly at mid-elevations and in areas with high canopy cover. These patterns likely resulted from a combination of factors, including climatic conditions, forest structure, edge orientation, and surrounding land-use types. Our findings suggest that forest fragments may enhance ET through edge effects, though the high variability observed at edges indicates need for further investigation. While conserving large old-growth forests remains the primary strategy for maintaining climate regulation functions in tropical landscapes, our study indicates that the numerous small forest fragments—which have been disappearing rapidly in recent decades—may also play an important role in regional water cycles. Study 4 investigated a heterogeneous tropical landscape in northeastern Madagascar, encompassing continuous old-growth forest, forest fragments, agricultural land, agroforests, and recovering forests. Our research had three primary objectives: to identify combinations of meteorological, topographical, soil, and vegetation structure variables most relevant for spatially predicting ET in the region; to address observation gaps in ET data; and to quantify the relative contributions and interactions of vegetation structure variables in spatial prediction models. Daily ET data were obtained from ECOSTRESS, while predictor variables were sourced from multiple open datasets. To address potential spatial autocorrelation, we implemented forward feature selection combined with target-oriented cross-validation. RF models demonstrated high predictive accuracy for spatial ET estimation, achieving R2 values ranging from 0.7 to 0.9 across different days. Using SHAP for model interpretation, we found that meteorological variables contributed most substantially to predictions (51 - 62%), followed by vegetation structure (15 - 18%), topographical features (6 - 24%), and soil properties (8 - 13%). The SHAP analysis further revealed critical interactions between variables, particularly demonstrating how vegetation structure influences ET responses under varying rainfall and wind speed conditions. In conclusion, the four studies show that the spatial variations of ET in tropical landscapes can be explained from the interplay between vegetation structure, topography, meteorology, and spatial configuration. Forest structural characteristics repeatedly ranked among the strongest predictors, and showed interactions with topography and climate. Forest edges further modulated ET patterns, highlighting the potential role of forest fragments in the water cycle.
Keywords: ECOSTRESS; Vegetation structural complexity; random forest; spatial autocorrelation; SHAP analysis; Ecuador

German

Tropische Wälder spielen eine zentrale Rolle bei der globalen terrestrischen Evapotranspiration (ET). Durch die fortschreitende Umwandlung dieser Wälder in andere Landnutzungsformen könnten sich Veränderungen der ET mit weitreichenden Folgen für regionale und globale Klimasysteme ergeben. Dennoch bestehen weiterhin erhebliche Wissenslücken bezüglich der ET tropischer Wälder, insbesondere in Trockengebieten mit variierender Aridität, in Gebirgsregionen sowie in Waldfragmenten, die zu räumlich heterogenen Bedingungen führen. Jüngste Fortschritte in der Fernerkundung eröffnen neue Möglichkeiten zur Untersuchung der ET in den Tropen. Zu den wichtigsten Entwicklungen zählen verbesserte satellitengestützten Thermalinfrarotbildgebung, LiDAR-basierte Analysen der Vegetationsstruktur sowie die Verfügbarkeit von Open-Source-Datensätzen. In Kombination mit fortschrittlichen Methoden der räumlichen Analyse, eröffnen diese Innovationen bislang unerreichte Möglichkeiten zur Erforschung der ET in tropischen Regionen. Aufbauend auf diesen Entwicklungen verfolgt diese Arbeit das Ziel, ein besseres Verständnis darüber zu erlangen, wie Vegetationsstruktur, topografische Merkmale, meteorologische Bedingungen und die räumliche Konfiguration der Landschaft die räumlichen Muster der ET in tropischen Waldlandschaften Ecuadors und Madagaskars beeinflussen. Studie 1 untersucht die ET entlang eines Trockenökotonos in West-Ecuador, wo die räumliche Verteilung der Vegetationsmerkmale maßgeblich durch Umweltfaktoren, insbesondere durch Aridität geprägt ist. Wir stellten die Hypothese auf, dass strukturelle Vegetationsmerkmale maßgeblich zur räumlichen Variation der ET in der Trocken- als auch Regenzeiten beitragen. Die dreidimensionale Vegetationsstruktur wurde mittels eines mobilen, bodengestützten Laserscanner auf 75 Probeflächen verschiedener Waldtypen erfasst. Die ET-Daten stammten aus MODIS-Satellitenprodukten. In der Regenzeit erklärten Modelle, die räumliche Autokorrelation über Moran’s Eigenvector Maps berücksichtigten, 35% bzw. 36 % der räumlichen ET-Variabilität anhand des Pflanzenflächenindex bzw. der strukturellen Komplexität (Db). In der Trockenzeit erklärten dieselben Prädiktoren über 70% der räumlichen Variation. Unsere Ergebnisse belegen, dass Unterschiede in der Vegetationsstruktur - insbesondere der strukturellen Komplexität (Db) - die räumliche Variation der ET signifikant beeinflussen, wobei dieser Zusammenhang in der Trockenzeit besonders ausgeprägt ist. Wir schlagen vor, dass aride Bedingungen in der Trockenzeit strukturelle Anpassungen der Vegetation fördern, welche die ET-Raten im Ökosystem reduzieren. Die Ergebnisse unterstreichen die Bedeutung des Erhalts der strukturellen Vielfalt von Trockengebieten zur Sicherung ihrer ökologischen Funktionen. Studie 2 analysierte ET-Muster in einer großflächigen, geschützten tropischen Waldregion an der Westflanke der Anden. Ziel war es, diejenige Kombination von Variablen zu identifizieren, die für die räumliche ET-Vorhersage am relevantesten ist, sowie die spezifische Rolle der Vegetationsstruktur im Modellierungsprozess zu bestimmen. Hierfür wurde ein Random-Forest-Ansatz unter Berücksichtigung räumlicher Autokorrelation gemäß bewährter Verfahren für räumliche Vorhersagen eingesetzt. Die Analyse umfasste topografische, meteorologische und vegetationsstrukturelle Variablen, die aus Open-Source-Produkten wie GEDI, PROBA-V und ERA5 abgeleitet wurden; Variablen, die im ECOSTRESS-L3-Daten Algorithmus verwendet werden, wurden ausgeschlossen, um die Unabhängigkeit der Modelle zu gewährleisten. Die Modelle erzielten eine hohe Genauigkeit bei der räumlichen ET-Vorhersage mit R2-Werten zwischen 0.61 und 0.74. Keine einzelne Variabel dominierte die Modelle; fünf Schlüsselvariablen erklärten gemeinsam 60% der Modellleistung. Der Blattflächenindex zählte neben topographischen Variablen wie Höhe und Exposition zu den drei wichtigsten Prädiktoren. Wir schließen daraus, dass der Random-Forest-Ansatz robuste ET-Schätzungen liefert, die dazu beitragen können Beobachtungslücken in tropischen Regionen zu schließen. Die Ergebnisse unterstreichen die Bedeutung, Gelände- und Vegetationsmerkmale gemeinsam zu berücksichtigen, um die Wasserkreisläufe tropischer Wälder zu verstehen. Studie 3 untersuchte Waldfragmente in anthropogen geprägten Landschaften der Tiefland- und Andenregionen West-Ecuadors. Die räumlichen Muster der ET von 83 Waldfragmenten wurden mithilfe von ECOSTRESS-Satellitendaten analysiert. Ziel war es, das Ausmaß und die Richtung von Randeffekten auf die ET im Vergleich zu den Bedingungen im Waldinneren zu untersuchen und dabei die Wechselwirkungen zwischen abiotischen und biotischen Faktoren zu berücksichtigen. Die Anwendung einer Changepoint-Analyse zeigte, dass die Häufigkeit von ET-Änderungen vom Inneren zum Rand hin zunahm, wobei in 61% der Fälle erhöhte ET-Werte am Rand beobachtet wurden. Ein Random-Forest-Modell mit zielgerichteter Kreuzvalidierung erreichte eine Vorhersagegenauigkeit von 64 %; Höhe, Aridität und Entfernung zum Rand waren die wichtigsten Prädiktoren. Die SHAP-Analyse unterstrich die Bedeutung von Randeffekten und zeigte eine erhöhte ET insbesondere in mittleren Höhenlagen und in Gebieten mit hoher Kronendichte. Diese Muster sind vermutlich auf das Zusammenspiel klimatischer Bedingungen, Vegetationsstruktur, Randausrichtung und angrenzender Landnutzungen zurückzuführen. Unsere Ergebnisse deuten darauf hin, dass Waldfragmente durch Randeffekte die ET erhöhen, wobei die hohe Variabilität an den Rändern weiteren Forschungsbedarf aufzeigt. Während der Schutz großflächiger Primärwälder weiterhin zentral für die Klimaregulation tropischer Landschaften ist, legen unsere Ergebnisse nahe, dass auch kleinere Waldfragmente eine bedeutsame Rolle in regionalen Wasserkreisläufen spielen. Studie 4 untersuchte eine heterogene tropische Landschaft im Nordosten Madagaskars, die aus zusammenhängendem Primärwald, Fragmenten, landwirtschaftlichen Flächen, Agroforsten und sich regenerierenden Wäldern besteht. Die drei Hauptziele waren: (1) die relevanten Kombinationen meteorologischer, topografischer, bodenbezogener und vegetationsstruktureller Variablen für die räumliche ET-Vorhersage zu identifizieren, (2) Beobachtungslücken in den ET-Daten zu adressieren und (3) die relativen Beiträge und Interaktionen der Vegetationsstruktur in den Vorhersagemodellen zu quantifizieren. Tägliche ET-Werte wurden aus ECOSTRESS-Daten gewonnen; die Prädiktorvariabeln stammten aus verschiedenen offenen Datensätzen. Um räumliche Autokorrelation zu berücksichtigen, kombinierten wir Forward Feature Selection mit zielgerichteter Kreuzvalidierung. Die Random-Forest-Modelle erzielten hohe Genauigkeiten mit R²-Werten zwischen 0.7 und 0.9. Die SHAP-Analyse zeigte, dass meteorologische Variablen den größten Beitrag zu den Vorhersagen leisteten (51 - 62%), gefolgt von Vegetationsstruktur (15 - 18%), Topografie (6 - 24%) und Bodeneigenschaften (8 - 13%). Die Analyse offenbarte zudem wichtige Interaktionen, insbesondere wie Vegetationsstruktur ET-Reaktionen bei unterschiedlichen Niederschlags- und Windverhältnissen beeinflusst. Zusammenfassend zeigen die vier Studien, dass räumliche Variationen der Evapotranspiration in tropischen Landschaften durch das Zusammenspiel von Vegetationsstruktur, Topografie, meteorologischen Bedingungen und der räumlichen Konfiguration der Landschaft erklärt werden können. Strukturelle Merkmale der Vegetation zählen durchgängig zu den wichtigsten Prädiktoren und zeigen Wechselwirkungen mit topografischen und klimatischen Variablen. Zudem modulieren Waldränder die ET-Muster, was die potenzielle Bedeutung von Waldfragmenten für den Wasserkreislauf tropischer Ökosysteme unterstreicht. Darüber hinaus modulieren Waldränder die ET-Muster, was die Bedeutung von Waldfragmenten im Wasserkreislauf tropischer Ökosysteme unterstreicht.
 
Statistik