Προσδιορισμός και χαρτογράφηση υδρόβιων υφυδατικών φυτών σε αβαθή λίμνη με χρήση στοιχείων από τον δορυφόρο Quickbird

Από RemoteSensing Wiki

Αντικείμενο της εφαρμογής

Στη μελέτη αυτή προσδιορίστηκαν και χαρτογραφήθηκαν, έπειτα από συνδυασμό στοιχείων από μετρήσεις στο πεδίο και εικόνων υψηλής χωρικής ανάλυσης του δορυφόρου Quickbird, είδη υφυδατικών φυτών που απαντώνται στην λίμνη Mogan, η οποία βρίσκεται στην Κεντρική Ανατολία της Τουρκίας και αποτελεί σημαντικό καταφύγιο πουλιών.

Εισαγωγή

Η αποτίμηση ειδών υφυδατικών φυτών με την χρήση προηγμένων τεχνολογιών όπως αυτή της τηλεπισκόπησης αποτελεί προτεραιότητα για την διατήρηση και διαχείριση υδάτινων οικοσυστημάτων. Σε αβαθείς λίμνες, τα υφυδατικά και εφυδατικά φυτά έχουν πολλές σημαντικές λειτουργίες όπως να περιορίζουν το φυτοπλαγκτόν, να παρέχουν ενδιαίτημα για τα ασπόνδυλα και τα ψάρια, καταφύγιο για το ζωοπλαγκτόν, καθώς και να σταθεροποιούν το ίζημα που κατακάθεται στη λίμνη μέσω των ριζών τους. Η απώλεια αυτών θα συνεπαγόταν απώλεια της καθαρότητας του νερού και υποβάθμιση του λιμναίου οικοσυστήματος.

Μεθοδολογία

Συλλογή στοιχείων στο πεδίο

Λαμβάνοντας υπόψη ότι τα υδρόβια φυτά εμφανίζουν μέγιστη ανάπτυξη τον Αύγουστο, πραγματοποιήθηκαν έρευνες πεδίου μεταξύ 5-23 Αυγούστου και την 1η Σεπτεμβρίου 2005. Η επιφάνεια της λίμνης χωρίστηκε σε 15 διατομές ανά διάστημα 250 m και ελήφθησαν δείγματα για το ποσοστό φυτοκάλυψης σε 66 τετράγωνα πλευράς 1m ισοκατανεμημένα κατά μήκος των διατομών (βλ. Εικόνα 1). Οι συντεταγμένες κάθε δείγματος καταγράφηκαν με τη χρήση GPS με ακρίβεια +-􏰂2 m. Τα είδη υδόβιων φυτών Potamogeton pectinatus, Najas sp. (Najas minor και Najas marina), και Myriophyllum spicatum εντοπίστηκαν με ποσοστά 5-15%, 10-21% and <1-3%, αντιστοίχως. Το τελευταίο καταγράφηκε σε μία μόνο περιοχή οπότε, αφού θεωρήθηκε σπάνιο, δεν περιλήφθηκε στα επόμενα στάδια ταξινόμησης. Μετρήθηκε επίσης το βάθος του δίσκου Secchi (SDD), ο οποίος χρησιμοποιείται ως δείκτης καθαρότητας νερού και πυκνότητας των υδρόφυτων στις λίμνες. Η σχέση μεταξύ (SDD) και του βάθους νερού (WD) χρησιμοποιήθηκε για να προσδιοριστούν οι ξεχωριστές τάξεις νερού στην ταξινόμηση. Όταν το WD ήταν μικρότερο του διπλάσιου μήκους του SDD, τότε θεωρήθηκε ότι η πυκνότητα και η ανομοιογένεια σημείων αντανάκλασης του πυθμένα δημιουργούσαν πρόβλημα θορύβου στα pixels. Η χρήση ARCGIS 9.1 έγινε για την μεταφορά των στοιχείων πεδίου σε περιβάλλον Γεωγραφικών Συστημάτων Πληροφοριών.

Εικόνα1. Εικόνα της λίμνης Mogan από τον δορυφόρο Quickbird (August 6, 2005)

Ανάλυση στοιχείων από δορυφόρο

Σε πολυφασματική εικόνα του δορυφόρου Quickbird (Αύγουστος 2005) με χωρική ανάλυση 2.41 m *2.41 m έγινε γεωμετρική διόρθωση σε 13 εδαφικά σημεία ελέγχου (GCPs) τα οποία συλλέχθηκαν με την ίδια συσκευή GPS που χρησιμοποιήθηκε και για τον καθορισμό των σημείων δειγματοληψίας στο πεδίο μελέτης. Εφαρμόστηκε μάσκα νερού, η οποία βασίστηκε στην έντονη απορρόφηση του νερού στο εγγύς υπέρυθρο (NIR), όταν το νερό είναι ήρεμο, καθαρό και βαθύ. Η μάσκα νερού εφαρμόστηκε με την χρήση τιμών αντανάκλασης των καναλιών σε κάθε pixel, αξιοποιώντας τις ιδιότητες των καναλιών (Green > Red > NIR) και NIR < NIRthreshold. Στη συνέχεια εφαρμόστηκε μη επιβλεπόμενη ταξινόμηση στην παραχθείσα έπειτα από ψηφιοποίηση των ορίων εδάφους-νερού και περιοχών καλυμένων από καλάμια με φωτοερμηνεία εικόνα του υδρότοπου ώστε να προσδιοριστούν τα είδη των υδρόβιων φυτών. Προκειμένου να μειωθούν οι τάξεις των απαντώμενων ειδών στην λίμνη έγινε χρήση φασματικής ομοιότητας. Αρχικά διαμορφώθηκαν δύο τάξεις (νερό και κάλυψη υφυδατικών φυτών) προκειμένου να γίνει διαχωρισμός του νερού από την κάλυψη της επιφάνειας από υφυδατικά φυτά και στην συνέχεια έγινε πιο λεπτομερής διαχωρισμός σε πέντε τάξεις (‘WaterA(2SDD>WD)’, ‘WaterB(2SDD<WD)’,‘P. pectinatus’,‘Najas spp. at the surface’, and ‘Najas spp. below the surface’). M.spicatum ώστε να διακριθούν δύο τάξεις νερού και τρία είδη υδρόβιων φυτών. Το M. spicatum καταγράφηκε σε μία μόνο περιοχή οπότε αφού θεωρήθηκε σπάνιο, δεν περιλήφθηκε στα επόμενα στάδια ταξινόμησης. Η ακρίβεια των αποτελεσμάτων προέκυψε στην πρώτη περίπτωση 83.02% και στη δεύτερη 71.69%

Συμπεράσματα - Aξιολόγηση

• Επιτεύχθηκε προσδιορισμός και χαρτογράφηση της κατανομής και του ποσοστού κάλυψης των υδρόβιων φυτών στην λίμνη. Η ταξινόμηση των στοιχείων του δορυφόρου Quickbird σε συνδυασμό με την τεχνική της μη επιβλεπόμενης ταξινόμησης επέφερε υψηλή ακρίβεια στον προσδιορισμό και την χαρτογραφηση της κάλυψης των υδρόβιων φυτών και διαφορετικών ειδών φυτών και τάξεων νερού.

• Ο προσδιορισμός του ποσοστού φυτοκάλυψης είναι πιο δύσκολος στα υφυδατικά σε σχέση με τα εφυδατικά φυτά γιατί οι ιδιότητες αντανάκλασης των δεύτερων μοιάζουν περισσότερο με αυτές των φυτών που φύονται σε εδαφικό περιβάλλον, καθιστώντας τα ως πιο ευδιάκριτα λόγω υψηλού contrast.

• Η καθαρότητα του νερού είναι χαμηλή στις λίμνες σε σχέση με τα θαλάσσια συστήματα. Το γεγονός αυτό σε συνδυασμό με την θολερότητα μειώνει την ακρίβεια στον προσδιορισμό των ειδών των υδρόβιων φυτών.

• Το γεγονός ότι η δομή των ειδών των υδρόβιων φυτών ήταν παρόμοια δεν ευνοούσε στον προσδιορισμό τους. Επιπλέον, η παρακολούθηση αυτών των ειδών είναι διαδικασία χρονοβόρα και δαπανηρή εξαιτίας της πυκνότητάς τους στη λίμνη.

• Ο αριθμός των δειγμάτων και η χωρική κατανομή παίζουν σημαντικό ρόλο. Η συλλογή στοιχείων προκειμένου να υπολογιστεί το ποσοστό κάλυψης των υφιδατικών φυτών σε τετράγωνα πλευράς 1m και μετά η απεικόνηση αυτών σε pixel μεγέθους 2.41*2.41 m οδηγεί συχνά σε προβλήματα στα pixel.

• Όταν στα σημεία δειγματοληψίας το ποσοστό κάλυψης των υφιδατικών φυτών ήταν μικρό ή όταν αυτά εμφάνιζαν αραιή ανάπτυξη, τότε οι μετρήσεις πεδίου δεν ήταν αντιπροσωπευτικές για κάθε pixel. Για να ξεπεραστεί αυτό χρειάζεται κατά τις μετρήσεις μεγαλύτερες του 1m πλευρές τετραγώνων, το οποίο είναι δύσκολο να γίνει, καθώς το μεγεθος της βάρκας που χρησιμοποιείται για τέτοιες μετρησεις δεν αρκεί.

• Η ακρίβεια των αποτελεσμάτων, αν ξεπεραστούν τα προβλήματα, είναι πολλά υποσχόμενη ώστε να επιτρέψει να καθιερωθεί η χρήση εικόνων υψηλής χωρικής ανάλυσης του συγκεκριμένου δορυφόρου για λεπτομερείς μελέτες ταξινόμησης.

• Λαμβάνοντας υπόψην ότι οι αβαθείς λίμνες είναι σε παγκόσμια κλίμακα πολλές σε αριθμό και συνήθως μεγάλες σε μέγεθος, συμπεριλαμβανομένης της δυσκολίας συλλογής στοιχείων στο πεδίο, βελτιώσεις σε τεχνολογίες παρακολούθησης της Γης θα έδιναν τη δυνατότητα γρήγορης και σε μεγάλη κλίμακα παρακολούθησης των υδάτινων αυτών οικοσυστημάτων.

Πηγή:

O. K. Dogana, Z. Akyurekb, M. Beklioglua (2009). Identification and mapping of submerged plants in a shallow lake using quickbird satellite data. Journal of Environmental Management, Vol. 90 pp2138-2143