Υπολογισμός του δείκτη έκτασης φυλλώματος LAI και της κάλυψης γης από εναέριο λέιζερ σαρωτή Lidar σε δύο διαφορετικά δάση

Από RemoteSensing Wiki

[[1]]

Agricultural and Forest Meteorology 124 (2004) 269–275

David Riaño, Fernando Valladares, Sonia Condés & Emilio Chuvieco

Περίληψη

Δύο ιδιότητες δασικού θόλου, ο δείκτης επιφάνειας φυλλώματος (LAI) και η εδαφική κάλυψη (CoverGnd), εκτιμήθηκαν με τη χρήση ημισφαιρικής φωτογραφίας τριών περιοχών μελέτης δρυός (Quercus pyrenaica) και οκτώ (Pinus sylvestris) στη Sierra de Guadarrama (κεντρική Ισπανία). Παλμοί από αερομεταφερόμενο σαρωτή λέιζερ (Lidar) που χτύπησε την επιφάνεια στην ακριβή θέση (εντός ανάλυσης εκατοστού) των φωτογραφιών αναλύθηκαν και διαχωρίστηκαν με διαφορετικό μέγεθος ακτίνας (από 0,5 έως 20 m). Η συσχέτιση μεταξύ Lidar και εκτιμήσεων ημισφαιρκής φωτογράφησης για ιδιότητες του δασικού θόλου ήταν πολύ σημαντική, αλλά επηρεάζεται από τον τύπο του δάσους και το μέγεθος της ακτίνας. Ο υπολογισμός του CoverGnd ήταν καλύτερος χρησιμοποιώντας μια ακτίνα μικρού μεγέθους (2,5 m, που αντιστοιχεί στο ένα τέταρτο του ύψους του θόλου), ενώ για το LAI ένα μεγαλύτερο μέγεθος ακτίνας (7,5 – 12,05 m, που ισοδυναμεί με το συνολικό ύψος του θόλου) αποδείχτηκε προτιμότερο. Σε γενικές γραμμές , όσο μικρότερο το δέντρο , όσο μικρότερη η ακτίνα που θα πρέπει να χρησιμοποιείται για την επιλογή Lidar δεδομένων, και η καλύτερη εκτίμηση Lidar για τις ιδιότητες του δασικού θόλου ήταν το ποσοστό των χτυπημάτων θόλου. Συνολικά θόλοι δρυός έδειξαν καλύτερα αποτελέσματα από ότι τα πευκοδάση. Η φτωχότερη εκτίμηση σε περιοχή μελέτης – πευκοδάσος ήταν πιθανώς λόγω του μεγαλύτερου φυλλώματος και τη συσσώρευση κλαδιών πεύκου έναντι δρυός στο θόλο. Lidar στοιχεία θα μπορούσαν να χρησιμοποιηθούν για την παραγωγή υψηλής ανάλυσης περιφερειακών χαρτών των ιδιοτήτων του δασικού θόλου που μελετήθηκαν.

Λέξεις κλειδιά: Δείκτης Επιφάνειας Φυλλώματος (LAI), Κάλυψη Εδάφους (CoverGnd), Ημισφαιρική φωτογραφία, Lidar

Εισαγωγή

Ο δείκτης έκτασης φυλλώματος (LAI) αποτελεί μία σημαντική μεταβλητή για τη μοντελοποίηση οικοσυστημάτων, λόγω του συσχετισμού του με τους βιο-χημικούς κύκλους. Εντούτοις, ο άμεσος υπολογισμός του LAI είναι συχνά χρονοβόρος και καταστροφικός για τη βλάστηση.

Ο μοναδικός τρόπος απόκτησης τιμών LAI με υψηλή ταχύτητα δειγματοληψίας σε μεγάλη έκταση είναι μέσω της ημισφαιρικής φωτογράφησης (hemispherical photography) ή μέσω άλλων έμμεσων τεχνικών. Οι περιορισμοί της μεθόδου αυτής περιλαμβάνουν τον υψηλό κορεσμό σε υψηλά επίπεδα LAI και την παρουσία της ποώδους βλάστησης, η οποία επηρεάζει την ανακλασιμότητα. Πρόκειται για μία μέθοδο χρήσιμη για την κάλυψη της βλάστησης σε μεγάλη ή παγκόσμια κλίμακα, αλλά όχι τοπική.

Βάση πρόσφατων μελετών, ο εναέριος λέιζερ σαρωτής (airborne laser scanner – Lidar) μπορεί να καλύψει το κενό αυτό, δεδομένου ότι δεν παρουσιάζει κορεσμό για υψηλές τιμές LAI και μπορεί να διαχωρίσει την ποώδη βλάστηση αποτελεσματικότερα. Η κάλυψη εδάφους (Covered Ground – CoverGnd) μπορεί να υπολογιστεί μέσω της παθητικής δορυφορικής τηλεπισκόπησης. Εντούτοις, η ακρίβειά της εξαρτάται από την έκταση των συστάδων βλάστησης σε σχέση με το μέγεθος των εικονοστοιχείων. Αν το μέγεθος των εικονοστοιχείων είναι πολύ μεγάλο σε σχέση με την έκταση της συστάδας βλάστησης, τότε το κάθε εικονοστοιχείο δεν αναγνωρίζεται ξεχωριστά ως βλάστηση ή έδαφος. Το Lidar όμως δίνει άμεση προσέγγιση με σχέση 1:1 μεταξύ των Lidar χτυπημάτων βλάστησης και του καλυπτόμενου εδάφους (CoverGnd).

Η μελέτης αυτή σκοπεύει στην εκτίμηση της ικανότητας του Lidar να δώσει μία ρεαλιστική εκτίμηση του LAI και του CoverGnd για δύο διαφορετικούς κοινούς δασικούς τύπους (δρυός και πεύκου), μέσω του προσδιορισμού: (1) των βέλτιστων μετατροπών των μετρήσεων του λέιζερ παλμού, (2) της Lidar ακτίνας που δίνει τα αποτελέσματα που αντανακλούν καλύτερα τις πραγματικές τιμές εδάφους και (3) των σχέσεων μεταξύ των Lidar δεδομένων και των έμμεσων τιμών εδάφους για κάθε δασικό τύπο.

Μέθοδοι

Ο χώρος μελέτης βρίσκεται κοντά στην Κανένσια (Canencia), 50 km βόρεια της Μαδρίτης στην Ισπανία. Το δάσος δρυός (Querqus pyrenaica Willd.) επικρατεί στα βόρειο-δυτικά, ενώ το δάσος πεύκου (Pinus sylvestris L.) νότιο-ανατολικά. Οι δρυς είναι γενικά κοντύτερες (μέσο ύψος = 8 m με τυπική απόκλιση 2 m) από τα πεύκα (μέσο ύψος = 13 m με τυπική απόκλιση 3 m). Τρεις περιοχές μελέτης ορίστηκαν στο δάσος δρυός και οκτώ στο δάσος πεύκου. Μία μεζούρα 30 m τοποθετήθηκε σε κάθε περιοχή μελέτης με κατεύθυνση Β-Ν. Μία ημισφαιρική φωτογραφία τραβήχτηκε για κάθε μέτρο, συνολικά 31 φωτογραφίες για κάθε περιοχή μελέτης, εκτός από δύο περιοχές μελέτης στο δάσος δρυός, όπου 13 φωτογραφίες τραβήχτηκαν, μία για κάθε 5 m με άξονες Β-Ν και Α-Δ.

Για τις Lidar μετρήσεις, χρησιμοποιήθηκε το σύστημα σάρωσης Toposys II. Η διάμετρος του εμβαδού σάρωσης ήταν περίπου 0,45 μ και η μέση συνολική τιμή πυκνότητας του πρώτου και του τελευταίου παλμού λέιζερ ήταν 9,3 χτυπήματα/μ2. Η διάταξη ήταν διαφορετική για την κάθετη και την κατά μήκος κατεύθυνση με τον πρώτο και τελευταίο παλμό κάθε 1,73 και 0,11 m αντίστοιχα. Για τον υπολογισμό του ύψους της βλάστησης χρησιμοποιήθηκε το ψηφιακό μοντέλο εδάφους (digital terrain model – DTM) για κάθε παλμό λέιζερ, βάση της αρχής της διχοτόμησης. Στη συνέχεια, εφαρμόστηκε καμπύλη συνάρτησης παρεμβολής (spline function interpolation) στο Matlab 6.0 ώστε να βρεθεί το ύψος της βλάστησης.

Τα LAI και CoverGnd υπολογίστηκαν επίσης με τη βοήθεια ημισφαιρικής φωτογράφησης. Οι φωτογραφίες τραβήχτηκαν 1 μ πάνω από το έδαφος. Οι φωτογραφίες αναλύθηκαν για να βρεθούν ξέφωτα στο θόλο του φυλλώματος (canopy) και τις τιμές του LAI, χρησιμοποιώντας το λογισμικό Hemiview 2.1, το οποίο χρησιμοποιεί το νόμο του Beer (G(θ) = exp(−K(θ) × LAI) όπου G είναι το κλάσμα κενού και K(θ) είναι ο συντελεστής απόσβεσης με γωνία ζενίθ θ (±4.5◦)) για να προσδιορίσει το LAI και το CoverGnd θεωρώντας ότι ο θόλος βλάστησης έχει ελλειπτικό σχήμα (GndCover = 1 − exp(−K(x, 0) × LAI) όπου K(x, 0) είναι ο συντελεστής απόσβεσης για γωνία ζενίθ ίση με 0 και x τη γωνία ελλειπτικής κατανομής φύλλων).

Τόσο το LAI, όσο και το CoverGnd εξαρτώνται από τη δομή του δάσους μέχρι κάποιο μήκος ακτίνας. Η επεξεργασία των Lidar δεδομένων έγινε με βάση διαφορετικές ακτίνες από 0,5 έως 2,5 m (για κάθε 0,5 m) και από 2,5 έως 20 m (για κάθε 2,5 m). Υπολογίσαμε για κάθε ακτίνα διαφορετικές μεταβλητές Lidar με σκοπό τον προσδιορισμό της βέλτιστης ακτίνας. Οι μεταβλητές πρόβλεψης ήταν: 50, 75 και 95% των υψών, το μέσο και το μέγιστο ύψος και το τοις εκατό ποσοστό χτυπημάτων (θόλου) φυλλώματος.

Αποτελέσματα και ανάλυση

Οι υπολογισμοί για LAI και CoverGnd από ημισφαιρικές φωτογραφίες και από Lidar δεδομένα παρουσίασαν σημαντική συσχέτιση για κάποιες ακτίνες. Για ακτίνες <2,5 m η συσχέτιση του CoverGnd ήταν καλή, ενώ το αντίθετο ίσχυε για το LAI. Η προσέγγιση του LAI βρέθηκε να είναι καλύτερη με δεδομένα Lidar ακτίνας 7,5-10 m για δάση δρυός και 10-12,5 μ για δάση πεύκου. Όλοι οι υπολογισμοί ήταν καλύτεροι για τα δάση δρυός σε σχέση με του πεύκου. Όλα τα Lidar δεδομένα είχαν καλό συσχετισμό με τα δεδομένα από τις ημισφαιρικές φωτογραφίες στην περίπτωση των περιοχών μελέτης σε δάσος δρυός, ενώ μόνο ένα ποσοστό χτυπημάτων φυλλώματος είχαν καλό συσχετισμό στην περίπτωση των περιοχών πευκοδάσους. Όπως φαίνεται και στην εικόνα 1, το CoverGnd έδωσε έναν πιο λεπτομερή χάρτη, σε σχέση με το LAI.

Τα δεδομένα Lidar θα μπορούσαν να χρησιμοποιηθούν για να παράγουν χάρτες υψηλής ανάλυσης των CoverGnd και LAI, δεδομένου ότι ο συσχετισμός με την ημισφαιρική φωτογραφία βρέθηκε να είναι καλός. Οι χάρτες αυτοί θα μπορούσαν να χρησιμοποιηθούν ως ενδιάμεσο βήμα κατά τη διαδικασία της αναβάθμισης κλίμακας των μεταβλητών αυτών από το τοπικό στο παγκόσμιο επίπεδο. Το μέγεθος της ακτίνας που χρησιμοποιήθηκε για την επιλογή δεδομένων Lidar, το οποίο εξαρτάται τόσο από το είδος του δάσους, όσο και από το είδος της μεταβλητής υπό ανάλυση, θα πρέπει να ληφθεί υπόψη. Ο υπολογισμός της μεταβλητής CoverGnd ήταν καλύτερος όταν η ακτίνα ήταν μικρότερη, ενώ για το LAI χρειάζεται μεγαλύτερη ακτίνα. Το εύρημα αυτό καθορίζει τον προσδιορισμό της καταλληλότερης χωρικής δειγματοληψίας των απαιτούμενων δεδομένων Lidar με μικρό εμβαδόν, καθώς και το καταλληλότερο μέγεθος των ψηφιακών δεδομένων μεγάλου εμβαδόντος. Η καλύτερη πρόβλεψη ήταν το ποσοστό των χτυπημάτων θόλου φυλλώματος. Βάση της μελέτης αυτής, όσο πιο κοντά είναι τα δέντρα τόσο μικρότερη θα πρέπει να είναι η ακτίνα για τον υπολογισμό του LAI. Περαιτέρω έρευνα θα πρέπει να εκπονηθεί με σκοπό την ανάλυση της επίδρασης της συσσώρευσης φυλλώματος στα αποτελέσματα από την ημισφαιρική φωτογράφιση σε σύγκριση με τα αποτελέσματα Lidar.

[2]