Ενίσχυση πειραμάτων για τις παγκόσμιες αλλαγές μέσω ενσωμάτωσης τεχνικών τηλεπισκόπησης

Από RemoteSensing Wiki

Πρωτότυπος Τίτλος: Enhancing global change experiments through integration of remote- sensing techniques

Συγγραφείς: Alexey N Shiklomanov, Bethany A Bradley, Kyla M Dahlin, Andrew M Fox, Christopher M Gough, Forrest M Hoffman, Elizabeth M Middleton, Shawn P Serbin, Luke Smallman, and William K Smith

Πηγή: Front Ecol Environ 2019; 17(4):215–224 [1]

Εισαγωγή

Το παρόν άρθρο ασχολείται με την βελτίωση των πειραμάτων που αφορούν την όποια παγκόσμια αλλαγή μέσω τεχνικών τηλεπισκόπησης. Τα πειράματα αυτά βοηθούν στην αναγνώριση σημαντικών μελλοντικών οικολογικών αλλαγών, όμως μέχρι στιγμής υλοποιούνται σε μικρές χωρικές και χρονικές κλίμακες, περιορίζοντας έτσι την εξαγωγή σημαντικών αποτελεσμάτων. Μέσω όμως της επιστήμης της τηλεπισκόπησης, τις τελευταίες δεκαετίες έχει γίνει εφικτή η μελέτη του οικοσυστήματος σε μικρή και μεγάλη κλίμακα, από χαρακτηριστικά των φύλλων έως διαδικασίες του οικουστήματος και οικολογικές διαταράξεις. Επιπλέον, οι τεχνικές τηλεπισκόπησης συμπληρώνουν τις μετρήσεις πεδίου, μειώνοντας την προσπάθεια, προσφέροντας χωρική και χρονική κάλυψη, διευκολύνοντας την επαναληψιμότητα και αυτοματοποιώντας τη συλλογή δεδομένων. Παρουσιάζονται πέντε τεχνικές κοντά στην επιφάνεια: φασματοσκοπία, θερμικές απεικονίσεις και απεικονίσεις φθορισμού, επίγεια σάρωση με λέιζερ, ψηφιακή επανάληψη φωτογραφίας και μη επανδρωμένα εναέρια συστήματα. Οι τεχνικές αυτές ελαττώνουν το κόστος και βελτιώνουν την ακρίβεια και την πληρότητα των πειραμάτων.

Τεχνικές τηλεπισκόπησης

Φασματοσκοπία: βιοχημικό και βιοφυσικό αποτύπωμα

Εικόνα 1) Επίδραση δύο χαρακτηριστικών των φύλλων στην ανάκλαση της βόρειας κόκκινης βελανιδιάς (Quercus rubra): (a) κλάσμα μάζας αζώτου (%Ν) και (b) περιεκτικότητα σε χλωροφύλλη (Chl). Tα φύλλα διαιρούνται σε εκατοστημόρια 33ου ("lo"), 66ου ("mid") και 100ου ("hi") των αντίστοιχων χαρακτηριστικών. Οι συμπαγείς γραμμές αντιστοιχούν σε μέσες τιμές ενώ οι διακεκομμένες σε τυπικές αποκλίσεις για όλες τις φασματικές περιοχές.

Είναι πλέον γνωστό πως η σωστή λειτουργία της βλάστησης συνδέεται με συγκεκριμένα χαρακτηριστικά των φύλλων (Violle et al. 2007), όπως η μορφολογία και η χημική σύνθεσή τους που δείχνουν την αντίδραση ενός φυτού σε περιβαλλοντικές αλλαγές (Gornish and Prather 2014). Συνεπώς, μια διεξοδική τεχνική μελέτης τους η οποία επιπλέον αφήνει ανεπηρέαστο το δείγμα, όπως η φασματική παρατήρηση, είναι αναγκαία για την εξαγωγή χρήσιμων αποτελεσμάτων. Πιο συγκεκριμένα, μελετώντας την μετάδοση και ανάκλαση του φωτός από συγκεκριμένα συστατικά των φύλλων (χρωστικές, πρωτεΐνες, δομικά μόρια) μέσω φορητών φασματοραδιομέτρων, λαμβάνονται δεδομένα για διάφορα χαρακτηριστικά των φύλλων, όπως η μάζα φύλλου ανά επιφάνεια, συγκεντρώσεις αζώτου και φωσφόρου αλλά και μέγιστοι ρυθμοί καρβοξυλίωσης και μετάπτωσης ηλεκτρονίων (Serbin et al. 2012).

Φθορισμός και υπέρυθρη θερμογραφία

Εικόνα 2) Θερμογραφία ενός φύλλου ήλιου (Helianthus annuus). Η κατανομή της θερμοκρασίας απεικονίζει την πυκνότητα των στομάτων και της σχετιζόμενης με αυτήν ψύξη.

O φθορισμός συγκεκριμένων ουσιών αλλά και η θερμοκρασία των φύλλων δίνουν σημαντικές πληροφορίες για την κατάσταση ενός φυτού, ειδικά για την μελέτη ραγδαίων μεταβολών (της τάξης των λεπτών) στη λειτουργία του φυτού που οφείλονται σε βιοφυσικές (θερμοκρασία, κατακρημνίσεις) και βιοχημικές (μεταβολές συγκέντρωσης ατμοσφαιρικού CO2) διαδικασίες. Ενώ μετρήσεις του φθορισμού της χλωροφύλλης-α χρησιμοποιούνται επί δεκαετίες στην έρευνα της φωτοσύνθεσης σε τάξεις μεγέθους φύλλου σε εργαστηριακό επίπεδο (με ενεργές πηγές φωτός), μετρήσεις σε φυσικές συνθήκες, δηλαδή εκμεταλλευόμενοι τον Ήλιο ως παθητική πηγή φωτός (sun-induced chlorophyll fluorescence ή SIF), και η εφαρμογή των τεχνικών αυτών σε κλίμακες μεγαλύτερες των φύλλων ήταν πάντα πολύ δυσκολότερο έργο. Όμως πρόσφατα έχει γίνει δυνατή η μέτρηση της SIF μέσω μεθόδων τηλεπισκόπησης, παρέχοντας έτσι μια συνολικότερη εικόνα της φωτοσύνθεσης που συμβαίνει σε μοριακό επίπεδο. Επιπλέον, ενώ οι μετρήσεις της SIF δίνουν πληροφορίες για πτυχές της λειτουργίας των φυτών που σχετίζονται με την πρόσληψη άνθρακα, ακόμα είναι εφικτό μέσω υπέρυθρης θερμογραφίας να μετρηθούν διαφορές θερμοκρασίας σε ολόκληρες φυλλωσιές (Aubrecht et al. 2016) αλλά και οι μεταβολές τους λόγω της διαπνοής. Ο συνδυασμός των δύο παραπάνω τεχνικών σε πειράματα μεγάλης κλίμακας είναι αναγκαίος για την κατανόηση των μεταβολών στις διαδικασίες φωτοσύνθεσης και διαπνοής και της επίδρασής τους στην παγκόσμια αλλαγή.

Επίγεια σάρωση με λέιζερ: δομή χαρτογράφησης και 3D λειτουργία

Εικόνα 4) Επεξεργασμένα TLS δεδομένα από ένα μεμονωμένο Prunus avium. Τα χρώματα αντιπροσωπεύουν τη δομή των κλαδιών (κύριο, δευτερεύον κτλ). Πηγή: Hackenberg et al. (2015).

Είναι γνωστό ότι οι άμεσες μετρήσεις της φυτικής βιομάζας μέσω ζυγίσματος είναι καταστροφικές, μη πρακτικές και χρονοβόρες (Kloeppel et al. 2007). Αντίθετα, η επίγεια σάρωση με λέιζερ (terrestrial laser scanning ή TLS) προσφέρει ακατέργαστες 3D απεικονίσεις (Εικόνα 3) που περιέχουν έναν τεράστιο όγκο πληροφοριών για την ποσότητα και κατανομή της βιομάζας. Επιπλέον, όταν επαναλαμβάνονται σε μια συγκεκριμένη περιοχή, δείχνουν τη συσσώρευση ή την απώλεια βιομάζας σε αυτήν.

Εικόνα 3) Δεδομένα TLS από τον Βιολογικό Σταθμό La Selva, Costa Rica. Το χρώμα υποδηλώνει απόσταση από τον σαρωτή και ο κορεσμός την ανακλαστικότητα του λέιζερ. Πηγή: Palace et al. (2016).

Όσον αφορά τα πειράματα για την παγκόσμια αλλαγή, η μέθοδος TLS ανοίγει τον δρόμο για την αναλυτική μελέτη των μεταβολών στη δομή των φυτών, οι οποίες προκύπτουν από βιοτικές αλλαγές (πχ επεμβατικά είδη) και αλλαγές των περιβαλλοντικών συνθηκών. Σε συνδυασμό με τα πειράματα, μέσω των εξελιγμένων οργάνων TLS που καταγράφουν την ένταση επιστροφής λέιζερ, μπορούν ταυτόχρονα να ποσοτικοποιηθούν οι φωτοσυνθετικές χρωστικές και η δομή των φυλλωσιών (Εικόνα 4). Αυτό έχει ως αποτέλεσμα την ταυτόχρονα αξιολόγηση των φυσιολογικών και δομικών αποκρίσεων σε γεγονότα παγκόσμιας αλλαγής (Zhang et al. 2017).

Επαναληπτική ψηφιακή φωτογράφιση

Εικόνα 5) Χρονοσειρά της μέσης ημερήσιας πράσινης χρωματικής συντεταγμένης μιας phenocam σε ένα σταθμό πεδίου στο Bartlett Experimental Forest, Bartlett, New Hampshire. Πράγματι οι επαναλαμβανόμενες φωτογραφίες συνεισφέρουν στην παρακολούθηση της φαινολογίας. Οι φωτογραφίες λήφθησαν το μεσημέρι σε τρεις διαφορετικές ημερομηνίες. Πηγή: Sonnentag et al. 2012.

Ενώ στα περισσότερα πειράματα παγκόσμιων αλλαγών το επίκεντρο βρίσκεται σε μεγάλης χρονικής κλίμακας μελέτες, η συχνή επανάληψη ψηφιακών φωτογραφιών συνεισφέρει σημαντικά στην μελέτη εποχιακών αλλαγών στη βλάστηση. Πλέον γίνονται ευρέως διαθέσιμες υπερφασματικές κάμερες οι οποίες μέσω σχεδών καθημερινών μετρήσεων προσφέρουν συνεχή παρακολούθηση, που σε συνδυασμό με άλλες μετρήσεις ανάλογα με την εκάστοτε έρευνα, κάνουν δυνατή τη μελέτη διαφορών μεταβολών σε πολλά χαρακτηριστικά και συστατικά των φύλλων.

Μη επανδρωμένα εναέρια συστήματα

Η χρήση μη επανδρωμένων εναέρων συστημάτων προσφέρει ακρίβεια, ευελιξία και επαναληψιμότητα στις μετρήσεις, με μεγάλη χωρική ανάλυση (<1 cm), κάνοντας εφικτή την λεπτομερή χαρτόγραφηση του εδάφους αλλά και την καταγραφή των χαρακτηριστικών της βλάστησης, όπως η κατανομή των γωνιών των φύλλων, συσσώρευση φυλλωσιών, υποβάθμιση βλάστησης εξαιτίας εκτεταμένων ακραίων συνθηκών (μέσω φασματόμετρων), υψηλής ανάλυσης (<9 cm) παρατήρηση της υδατικής κατάστασης της βλάστησης (μέσω θερμικών καμερών) σε κλίμακες πολλών στρεμμάτων κ.ά. Τέλος, μπορεί ακόμη να κατασκευαστεί και το τρισδιάστατο μοντέλο επιφάνειας ενός αντικειμένου από επαναλαμβανόμενες δισδιάστατες εικόνες που λήφθηκαν από διαφορετικές οπτικές γωνίες.

Εικόνα 6) Αριστερά: ΨΤΑ χωρικής ανάλυσης τάξης εκατοστών μιας τούνδρας κοντά στο Council, Alaska. Από αυτήν την απεικόνιση μπορούν να εντοπιστούν είδη και κατανομές βλάστησης, αλλά και να κατασκευαστούν μοντέλα ύψους επιφάνειας και κλίσης βλάστησης με βάση την προσέγγιση Structure from Motion (SfM). Δεξιά: Θερμική απεικόνιση της τούνδρας με υπερτιθέμενη μέση περιεκτικότητα χλωροφύλλης υπολογιζόμενη από τα δεδομένα ανάκλασης επιφάνειας διπλού φασματόμετρου (R Meng et al., Μη δημοσιευμένα δεδομένα). Εύκολα φαίνεται τόσο η ψυκτική επίδραση της βλάσησης όσο και η λειτουργική της μεταβλητότητα.

Εναέρια και δορυφορική τηλεπισκόπηση

Εκτός από την εφαρμογή της τηλεπισκόπησης με μετρήσεις κοντά στην επιφάνεια, χρήσιμα είναι και τα δεδομένα από αεροπλάνα ή δορυφόρους μέσω των οποίων μπορούν οι περιοχές του πλανήτη να ταξινομηθούν, έχοντας ως αναφορά μία ήδη μελετημένη μικρότερη περιοχή. Η διαδικασία αυτή ονομάζεται «αντιπροσωπευτικότητα» και μπορεί να βοηθήσει εξαιρετικά στην ανάλυση των παγκόσμιων αλλαγών και των συνέπειών τους, αφού δεν περιορίζεται μόνο σε κλιματικά ή εδαφικά χαρακτηριστικά (στοιχεία μεγάλης κλίμακας), αλλά χρησιμοποιεί και τη σύνθεση και κατάσταση της βλάστησης. Επιπλέον, μέσω των συνεχών μετρήσεων που προσφέρουν, κάνουν δυνατή την δημιουργία ιστορικού για της περιοχές αυτές.

Εικόνα 7) Παγκόσμια αντιπροσωπευτικότητα τριών δικτύων δειγματοληψίας μέσω της μεθόδου που περιγράφεται από τους Hoffman et al. (2013). Τα χρώματα απεικονίζουν περιοχές που αντιπροσωπεύονται καλύτερα από το αντίστοιχο δίκτυο.

Συμπέρασμα

Μέχρι σήμερα, οι τεχνικές τηλεπισκόπησης δεν έχουν αξιοποιηθεί επαρκώς στο πλαίσιο των πειραμάτων παγκόσμιας αλλαγής, ενώ μπορούν να παρέχουν μοναδικές οικοφυσιολογικές και οικολογικές γνώσεις, συχνά για σχετικά μικρή προσπάθεια και κόστος. Βέβαια, για να αξιοποιηθούν πλήρως αυτές οι τεχνικές, απαιτούνται πρόσθετες συνεργασίες μεταξύ πειραματικών οικολόγων και εμπειρογνωμόνων επίγειας τηλεπισκόπησης.

Αναφορές

1. Aubrecht DM, Helliker BR, Goulden ML, et al. 2016. Continuous, long- term, high- frequency thermal imaging of vegetation: uncertainties and recommended best practices. Agr Forest Meteorol 228/229: 315–26.

2. Gornish ES and Prather CM. 2014. Foliar functional traits that predict plant biomass response to warming. J Veg Sci 25: 919–27.

3. Hackenberg J, Spiecker H, Calders K, et al. 2015. SimpleTree – an efficient open source tool to build tree models from TLS clouds. Forests 6: 4245–94.

4. Hoffman FM, Kumar J, Mills RT, and Hargrove WW. 2013. Representativeness- based sampling network design for the State of Alaska. Landscape Ecol 28: 1567–86.

5. Kloeppel BD, Harmon ME, and Fahey TJ. 2007. Estimating above ground net primary productivity in forest-dominated ecosystems. In: Fahey TJ and Knapp AK (Eds). Principles and standards for measuring primary production. New York, NY: Oxford University Press.

6. Palace M, Sullivan FB, Ducey M, and Herrick C. 2016. Estimating tropical forest structure using a terrestrial lidar. PLoS ONE 11: e0154115.

7. Serbin SP, Dillaway DN, Kruger EL, and Townsend PA. 2012. Leaf optical properties reflect variation in photosynthetic metabolism and its sensitivity to temperature. J Exp Bot 63: 489–502.

8. Sonnentag O, Hufkens K, Teshera-Sterne C, et al. 2012. Digital repeat photography for phenological research in forest ecosystems. Agr Forest Meteorol 152: 159–77.

9. Violle C, Navas M, Vile D, et al. 2007. Let the concept of trait be functional!. Oikos 116: 882–92.

10. Zhang B, Tan X, Wang S, et al. 2017. Asymmetric sensitivity of eco-system carbon and water processes in response to precipitation change in a semi- arid steppe. Funct Ecol 31: 1301–11.