Options
Costantini, Maria Letizia
Loading...
Preferred name
Costantini, Maria Letizia
1 results
Now showing 1 - 1 of 1
- PublicationOpen AccessMapping litter decomposition by remote-detected indicators(2006-02)
; ; ; ; ; ; ; ; ;Sabetta, L.; Laboratorio di Ecologia, Dipartimento di Scienze e Tecnologie Biologiche ed Ambientali, Università degli Studi di Leccce, Ecotekne, Lecce, Italy ;Zaccarelli, N.; Laboratorio di Ecologia del Paesaggio, Dipartimento di Scienze e Tecnologie Biologiche ed Ambientali, Università degli Studi di Leccce, Ecotekne, Lecce, Italy ;Mancinelli, G.; Laboratorio di Ecologia, Dipartimento di Scienze e Tecnologie Biologiche ed Ambientali, Università degli Studi di Leccce, Ecotekne, Lecce, Italy ;Mandrone, S.; Istituto sull’Inquinamento Atmosferico (IIA), CNR, Roma, Italy ;Salvatori, R.; Istituto sull’Inquinamento Atmosferico (IIA), CNR, Roma, Italy ;Costantini, M. L.; Dipartimento di Genetica e Biologia Molecolare - Area Ecologica, Università degli Studi di Roma «La Sapienza», Roma, Italy ;Zurlini, G.; Laboratorio di Ecologia del Paesaggio, Dipartimento di Scienze e Tecnologie Biologiche ed Ambientali, Università degli Studi di Leccce, Ecotekne, Lecce, Italy ;Rossi, L.; Dipartimento di Genetica e Biologia Molecolare - Area Ecologica, Università degli Studi di Roma «La Sapienza», Roma, Italy; ; ; ; ; ; ; Leaf litter decomposition is a key process for the functioning of natural ecosystems. An important limiting factor for this process is detritus availability, which we have estimated by remote sensed indices of canopy green biomass (NDVI). Here, we describe the use of multivariate geostatistical analysis to couple in situ measures with hyper-spectral and multi-spectral remote-sensed data for producing maps of litter decomposition. A direct relationship between the decomposition rates in four different CORINE habitats and NDVI, calculated at different scales from Landsat ETM+ multi-spectral data and MIVIS hyper-spectral data was found. Variogram analysis was used to evaluate the spatial properties of each single variable and their common interaction. Co-variogram and co-kriging analysis of the two variables turned out to be an effective approach for decomposition mapping from remote-sensed spatial explicit data.168 298