Bare ground abundance is an important rangeland health indicator and its detection is a fundamental part of range management. Remote sensing of bare ground might offer solutions for land managers but also presents challenges as modeling in semiarid environments usually involves a high frequency of spectral mixing within pixels. Classification tree analysis (CTA) and maximum likelihood classifiers were used to model bare ground in the semiarid steppes of the middle Ebro valley, Aragon, Spain using Satellite Pour l'Observation de la Terre 4 (SPOT 4) imagery and topographic data such as elevation, slope, aspect, and a morphometric characterization model. A total of 374 sample points of bare-ground fraction from sixteen 500-m transects were used in the classification and validation process. Overall accuracies were 85% (Kappa statistic = 0.70) and 57% (Kappa statistic = 0.13) from the CTA and maximum likelihood classifiers, respectively. Although spectral attributes were essential in bare-ground classification, the topographic and morphometric properties of the landscape were equally critical in this modeling effort. Although the specific layers best suited for each specific model will vary from region to region, this study provided an important insight on both bare-ground modeling and the potential advantages of CTA.
La cantidad de suelo desnudo es un indicador importante del estado de los pastizales y su cuantificación es una parte fundamental para el manejo de los mismos. La medición por medio de sensores remotos del suelo desnudo puede ofrecer soluciones a los usuarios de este recurso y al mismo tiempo representa un reto dado que su modelización en ambientes semiáridos implica una alta frecuencia de mezclas espectrales en los píxeles. Se han empleado tanto análisis de árboles de clasificación (CTA) como clasificadores de máxima verosimilitud para modelar el suelo desnudo en los pastizales semiáridos del valle medio del Ebro en Aragón, España. Se usaron imágenes del “Satellite Pour l'Observation de la Terre 4” (SPOT 4) y datos topográficos tales como elevación, pendiente, orientación, y un modelo de caracterización morfométrica. Un total de 374 puntos de muestreo, provenientes de dieciseis transectos de la fracción de suelo desnudo, se usaron en los procesos de clasificación y validación. La exactitud total fue un 85% (Kappa = 0.70), y un 57% (Kappa = 0.13) respectivamente para el análisis de árboles de clasificación y de máxima verosimilitud. Mientras que los atributos espectrales fueron esenciales en la clasificación del suelo desnudo, las propiedades topográficas y morfométricas del paisaje fueron igualmente críticas en el esfuerzo de modelización. Aunque las capas específicas que mejor se ajustan a cada modelo CTA varían de una región a otra, este estudio proporciona un importante avance en la modelización de suelo desnudo y en la potencial utilidad del CTA.