Οι δυνατότητες της πολυφασματικής τηλεπισκόπησης στην χαρτογράφηση της βιομάζας ενός υποβαθμισμένου Δάσους του Αμαζονίου
Από RemoteSensing Wiki
Οι δυνατότητες της πολυφασματικής τηλεπισκόπησης στην χαρτογράφηση της βιομάζας ενός υποβαθμισμένου Δάσους του Αμαζονίου
The Potential of Multisource Remote Sensing for Mapping the Biomass of a Degraded Amazonian Forest
Clement Bourgoin, Lilian Blanc, Jean-Stephane Bailly, Guillaume Cornu, Erika Berenguer, Johan Oszwald, Isabelle Tritsch, Froncois Laurent, Ali F. Hasan, Plinio Sist and Valery Gond
πηγή: https://www.mdpi.com/1999-4907/9/6/303
Στόχος του παρόντος άρθρου είναι να αξιολογήσει τις δυνατότητες οπτικής (Landsat, MODIS) και ραντάρ (ALOS-1 PALSAR, Sentinel-1) τηλεπισκόπησης στη μοντελοποίηση και χαρτογράφηση της επιφανειακής βιομάζας ως παραμέτρου υποβάθμισης των δασικών εκτάσεων στην Αμαζονία. Στην παγκόσμια κλίμακα των τροπικών δασών δημοσιεύτηκε ένας χάρτης καταγραφής της επιφανειακής βιομάζας που βασίστηκε στην επί τόπου συλλογή δεδομένων, την τηλεπισκόπηση και σε περιφερειακούς χάρτες βιομάζας.
Σε τοπική κλίμακα το LIDAR ως εργαλείο τηλεπισκόπησης θα μπορούσε να χαρτογραφήσει το δασικό θόλο σε 3 διαστάσεις και να εκτιμήσει με ακρίβεια τη δασική βιομάζα μέσω του ύψους και της δομής του θόλου του δάσους, άλλα ένας αποτρεπτικός παράγοντας ως προς τη χρήση του θα ήταν το κόστος απόκτησης του. Σε περιφερειακή κλίμακα η χρήση δεδομένων από δορυφόρους μαζί με ένα μοντέλο εκτίμησης κατάστασης, μπορεί να συμβάλει στη βελτίωση της διαχείρισης δασών που έχουν υποβαθμιστεί, καθώς με τα δεδομένα της παγκοσμίου κλίμακας χάρτη τροπικών δασών δεν είναι ορατές οι διάφορες παράνομες ανθρώπινες ενέργειες που οδηγούν στη καταστροφή των δασών.
Η μελέτη πραγματοποιήθηκε στο δήμο Παραγουμίνας, που βρίσκεται στο βορειοανατολικό τμήμα της πολιτείας Para, της Βραζιλίας και καλύπτει έκταση 19.342 km2 με μέγεθος πληθυσμού 108.547 ο οποίος το 2007 ήταν χαρακτηρισμένος από την ομοσπονδιακή κυβέρνηση ως ένας από τους πιο αποψιλωμένους δήμους του Αμαζονίου.
Υλικά και Μέθοδοι
Χρησιμοποιήθηκαν 38 δείκτες που προέρχονται από οπτική τηλεπισκόπηση (MODIS,Landsat-8) και ραντάρ ((ALOS-1 PALSAR, Sentinel-1) τηλεπισκόπηση. Αυτοί οι δείκτες συσχετίζονται με διάφορες παραμέτρους βλάστησης όπως δομή βλάστησης, δραστηριότητα φωτοσύνθεσης.
Δορυφόροι
- MODIS
Για την ποσοτικοποίηση και εκτίμηση της υγείας των θόλων των δασών έγινε χρήση του βελτιωμένου δείκτη βλάστησης EVI και εξήχθησαν τρεις δείκτες.
- LANDSAT-8
Αντλήθηκαν δεδομένα από τρεις εικόνες χωρικής ανάλυσης 30μ. κατά τη διάρκεια ξηρασίας του έτους 2014 και δημιουργήθηκαν δεκατρείς δείκτες χρησιμοποιώντας την εργαλειοθήκη Orfeo.
RADAR
- ALOS-1 PALSAR
Έγινε λήψη επτά εικόνων ALOS-1 PALSAR (L-band) του έτους 2010 από το JAXA. Αυτές οι εικόνες είναι χωρικής ανάλυσης 25μ. και είναι διπλής πόλωσης. Δοκιμάσθηκαν οι δύο δείκτες γάμμα και σίγμα, αναμένοντας μια ισχυρή συσχέτιση μεταξύ των συντελεστών backscatter και της βιομάζας.
- Sentinel-1
Έγινε λήψη μιας εικόνας Sentinel-1 που λήφθηκε τον Μάιο του 2015, χωρικής ανάλυσης 10μ. Εξήχθησαν εννέα δείκτες σημαντικοί για τον ποσοτικό προσδιορισμό της υφής του θόλου των δασών.
Αλγόριθμος παλινδρόμησης τυχαίων δασών
Χρησιμοποιήθηκε ένας αλγόριθμος παλινδρόμησης τυχαίων δασών με στόχο τη διερεύνηση της απόδοσης διαφορετικών τηλεπισκοπικών δεδομένων και παραγόμενων δεικτών για τη χαρτογράφηση και μοντελοποίηση επιφανειακής βιομάζας. Αυτή η μέθοδος είναι αποτελεσματική για αισθητήρες που δείχνουν άγνωστα μοτίβα πολλαπλών παραλλαγών και μη γραμμικών σχέσεων.
Σύγκριση με τα δεδομένα του διαθέσιμου παντροπικό χάρτη βιομάζας (Avitabile Pantropical Biomass Map)
Πραγματοποιήθηκε σύγκριση ενός διαθέσιμου παντροπικού χάρτη εκτίμησης βιομάζας Avitabile με έναν χάρτη που προέκυψε με εφαρμογή του αλγορίθμου παλινδρόμησης τυχαίων δασών της περιοχής με σκοπό την σύγκριση της χωρικής κατανομής της επιφανειακής βιομάζας υποβαθμισμένων δασών. Στη λεκάνη του Αμαζονίου ο Avitabile Above Ground Biomass (AGB) χάρτης παρέχει χαμηλότερες τιμές RMSE συνεπώς καλύτερη συσχέτιση στοιχείων, συγκριτικά με παντροπικούς χάρτες Baccini & Saatchi. Ωστόσο σε τοπική κλίμακα (Δήμος Παραγουμίνας) ο χάρτης Avitabile δύναται να παρουσιάσει μοτίβα σφαλμάτων επειδή τα δεδομένα αναφοράς υψηλά υποβαθμισμένων δασών ήταν χαμηλής ποιότητας και δε μπορούσε να γίνει βαθμονόμηση του μοντέλου.
Σύγκριση με μοντέλο τοπολογίας υποβαθμισμένων δασών
Κατασκευάστηκε ένα μοντέλο τοπολογίας υποβαθμισμένων δασών μέσω της παρακολούθησης 140 δασικών περιοχών το Μάιο του 2015. Κάθε παρατήρηση συσχετίζεται με ένα σημείο GPS. Η τοπολογία αυτή είναι ένας συνδυασμός των επί τόπου ποιοτικής φύσεως δεικτών υποβάθμισης του δάσους και ημιποσοτικών παρατηρήσεων της δομής του. Για να προκύψει μια αντιπροσωπευτική τυπολογία της ποικιλομορφίας των υποβαθμιμένων δασών, διασφαλίσθηκε ότι η δειγματοληψία θα κάλυπτε τα διαφορετικά δασικά τοπία καθώς και την βασική ζώνη της Παραγουμίνας.
Αποτελέσματα
Έξι δείκτες (από τους 76) συμβάλλουν περισσότερο στα μοντέλα υποβάθμισης και παρουσιάζουν τις υψηλότερες και πιο σταθερές τιμές IncMSE. Οι τρεις προκύπτουν από τον MODIS και οι άλλοι τρεις από τον Landsat. Μέσω ενός εμπειρικού βαριογραφήματος επικυρώνεται η απουσία της χωρικής κατανομής των υπολειμμάτων βιομάζας που εμφανίζονται στον αλγόριθμο των τυχαίων δασών. Η κατανομή των υπολειμμάτων οδηγεί σε υπερεκτίμηση και πρέπει να λαμβάνεται υπόψη όταν γίνεται πρόβλεψη για την επιφανειακή βιομάζα στην Παραγουμίνα. Τα δάση που βρίσκονται βαθιά ανατολικά και δυτικά του δήμου περιέχουν τις υψηλότερες τιμές εμφάνισης βιομάζας, ενώ αυτά που βρίσκονται σε ακτίνα 80 χιλιομέτρων περιέχουν τις χαμηλότερες αποσπασμένες τιμές.
Όσον αφορά τη σύγκριση Avitabile και δασικού χάρτη που προέκυψε με εφαρμογή αλγορίθμου τυχαίων δασών, παρά το γεγονός πως ο δεύτερος εμφανίζει γενικώς καλύτερη συσχέτιση , το σύνολο δεδομένων του Avitabile παρέχει μια πιο ισχυρή δυνατότητα να καταγραφεί η μεγάλη ποικιλία της βιομάζας. Το σύνολο δεδομένων από τον χάρτη που προέκυψε με εφαρμογή αλγορίθμου τυχαίων δασών, είναι λιγότερο κατανεμημένο από ένα χάρτη Avitabile αλλά παρέχει μια χαμηλότερη απόκλιση μεταξύ εκτιμούμενης και καταγεγραμμένης βιομάζας. Ο χάρτης Avitabile είναι γενικώς λιγότερο λεπτομερής ενώ και οι δύο παρέχουν παρόμοιες τιμές εκτίμησης βιομάζας. Ο Avitabile χάρτης οδηγεί σε υπερεκτίμηση της βιομάζας στις περιοχές με έντονη υποβάθμιση. Ο χάρτης που προέκυψε με εφαρμογή αλγορίθμου τυχαίων δασών καταγράφει πιο εύκολα μικρής κλίμακας διαφοροποιήσεις όπως δρόμους, μονοπάτια, κενά θόλων ενώ εμφανίζει χαμηλές τιμές βιομάζας γύρω από περιοχές στις οποίες παρουσιάζεται αποσπασματική υποβάθμιση.
Η τυπολογία του υποβαθμισμένου δάσους επιτρέπει την εκτίμηση του συσχετισμού των τοπικών χαρτών απεικόνισης επιφανειακής βιομάζας σε σταθερή κλίμακα.
Συμπεράσματα
Στο παρόν άρθρο, προτείνονται νέες προσεγγίσεις για τη μοντελοποίηση και τη χαρτογράφηση της βιομάζας δασών που έχουν υποβαθμιστεί, σε τοπική κλίμακα, η οποία παρέχει πιο λεπτομερείς και ακριβείς πληροφορίες από σύνολα δεδομένων παγκόσμιας κλίμακας.
Από τις διάφορες μελέτες και συγκρίσεις που πραγματοποιήθηκαν εκτιμήθηκε πως λόγω της φασματικής απόκρισης των δεικτών του αισθητήρα LANDSAT και του MODIS (μέσω του ειδικού δείκτη EVI) από το έτος 2001 έως το 2014, οι αισθητήρες αυτοί αποδείχθηκαν οι καταλληλότεροι για τη μοντελοποίηση βιομάζας δασών καθώς επίσης βασίζονται σε περιορισένη εισαγωγή δεδομένων.
Η χρήση του δείκτη LandSAT μεταφράζει καλύτερα την αναλογία του γυμνού εδάφους για εικονοστοιχεία (pixel) 30 x 30 μέτρων.
Αξίζει να αναφερθεί πως παρά το ότι μοντέλο εκτίμησης βιομάζας το οποίο είναι «στιβαρό», καθώς έχει δοκιμαστεί τουλάχιστον 10 φορές και σε τυχαία επιλεγμένα σύνολα δεδομένων, φέρει τρεις πιθανές πηγές σφαλμάτων.
Πρώτον, υφίστανται περιορισμοί που μπορούν να συνδεθούν με τη μεγάλη ποικιλία υποβαθμισμένων τύπων δασών τα οποία είναι μοντελοποιημένα και τον περιορισμένο αριθμό αξιόπιστων δεδομένων εδάφους.
Δεύτερον, υπάρχει ένα χρονικό κενό μεταξύ της συλλογής στοιχείων βιομάζας και αυτό οφείλεται στη ποιότητα και διαθεσιμότητα των δεδομένων τηλεπισκόπησης (όπου στη περίπτωση του δορυφόρου Sentinel-1 ξεπερνά τα 5 χρόνια).
Τρίτον, μια πιθανή δειγματοληψία δεδομένων σε υψηλότερη ανάλυση ακόμα και των 20 μέτρων ενδέχεται να οδηγήσει σε εσφαλμένη εκτίμηση καταστάσεων.
Τέτοιου είδους προβλήματα μπορούν να αντιμετωπιστούν εάν εναρμονιστεί η συλλογή δεδομένων τηλεπισκόπησης με τα ισχύοντα πρωτόκολλα. Πραγματοποιήθηκε σύγκριση μεταξύ μοντέλων με τοπικά δεδομένα επιφανειακής βιομάζας και Avitabile και διαπιστώθηκε πως τα τοπικά δεδομένα επιφανειακής βιομάζας παρέχουν καλύτερη στατιστική ακρίβεια και οι ζώνες μετάβασης π.χ. από δασικές σε μη δασικές περιοχές περιγράφονται καλύτερα από αυτά τα μοντέλα όπου χαρτογραφούνται δρόμοι, υποβαθμισμένες δασικές περιοχές.
Τέλος, Η σωστή εκτίμηση και κατανόηση της κατάστασης στην οποία βρίσκονται τα δάση είναι απαραίτητοι οδηγοί για τη βελτίωση και σωστή διαχείριση του τοπίου τους.
