Η τηλεπισκόπηση της τρισδιάστατης δομής των κοραλλιογενών υφάλων βελτιώνει τη προγνωστική μοντελοποίηση της συγκέντρωσης των ψαριών.
Από RemoteSensing Wiki
(Νέα σελίδα με '[[Εικόνα:sk_arthro3_eikona1.jpg | thumb | right | '''Χάρτης τοποθεσιών μελέτης στα κύρια νησιά της Χαβάης. Κάθε το...') |
|||
| (2 ενδιάμεσες αναθεωρήσεις δεν εμφανίζονται.) | |||
| Γραμμή 1: | Γραμμή 1: | ||
[[Εικόνα:sk_arthro3_eikona1.jpg | thumb | right | '''Χάρτης τοποθεσιών μελέτης στα κύρια νησιά της Χαβάης. Κάθε τοποθεσία αντιπροσωπεύει τις Θαλάσσιες Περιοχές Διατήρησης της Ζωής που ήταν δείγματα εντός και εκτός.''', Πηγή:Remote Sensing in Ecology and Conservation published by John Wiley & Sons Ltd on behalf of Zoological Society of London, 2019 Pages 150-159]] | [[Εικόνα:sk_arthro3_eikona1.jpg | thumb | right | '''Χάρτης τοποθεσιών μελέτης στα κύρια νησιά της Χαβάης. Κάθε τοποθεσία αντιπροσωπεύει τις Θαλάσσιες Περιοχές Διατήρησης της Ζωής που ήταν δείγματα εντός και εκτός.''', Πηγή:Remote Sensing in Ecology and Conservation published by John Wiley & Sons Ltd on behalf of Zoological Society of London, 2019 Pages 150-159]] | ||
| + | |||
| + | [[Εικόνα:sk_arthro3_eikona2.jpg | thumb | right | '''Τέσσερα κύρια στρώματα βιοτόπων που χρησιμοποιούνται στον σχεδιασμό στρωματοποιημένων τυχαίων δειγματοληψιών (άμμος, αποικιοκρατούμενος σκληρός πυθμένας, μακροφύκια και μη αποικιοκρατούμενοι βιότοποι) με βάση τους χάρτες βενθικών βιοτόπων από την Εθνική Ωκεάνια και Ατμοσφαιρική Διοίκηση.''', Πηγή:Remote Sensing in Ecology and Conservation published by John Wiley & Sons Ltd on behalf of Zoological Society of London, 2019 Pages 150-159]] | ||
| + | |||
| + | [[Εικόνα:sk_arthro3_eikona3.jpg | thumb | right | '''Λίστα όλων των δισδιάστατων και τρισδιάστατων συμμεταβλητοτήτων που χρησιμοποιήθηκαν στην ανάλυση.''', Πηγή:Remote Sensing in Ecology and Conservation published by John Wiley & Sons Ltd on behalf of Zoological Society of London, 2019 Pages 150-159]] | ||
| + | |||
| + | [[Εικόνα:sk_arthro3_eikona4.jpg | thumb | right | '''Τιμές Akaike Information Criteria (AIC) για τρία μοντέλα πυκνότητας ψαριών.''', Πηγή:Remote Sensing in Ecology and Conservation published by John Wiley & Sons Ltd on behalf of Zoological Society of London, 2019 Pages 150-159]] | ||
| + | |||
| + | [[Εικόνα:sk_arthro3_eikona5.jpg | thumb | right | '''Τιμές Akaike Information Criteria (AIC) για τρία μοντέλα βιομάζας ψαριών.''', Πηγή:Remote Sensing in Ecology and Conservation published by John Wiley & Sons Ltd on behalf of Zoological Society of London, 2019 Pages 150-159]] | ||
| + | |||
| + | [[Εικόνα:sk_arthro3_eikona6.jpg | thumb | right | '''Τιμές Akaike Information Criteria (AIC) για τρία μοντέλα ποικιλία ψαριών.''', Πηγή:Remote Sensing in Ecology and Conservation published by John Wiley & Sons Ltd on behalf of Zoological Society of London, 2019 Pages 150-159]] | ||
| + | |||
| + | [[Εικόνα:sk_arthro3_eikona7.jpg | thumb | right | '''Εκτιμώμενες παράμετροι, τυπικά σφάλματα, τιμές t και τιμές P όλων των παραμέτρων στο μοντέλο M 1a (συνδυασμός 2D και 3D) για την πυκνότητα ψαριών.''', Πηγή:Remote Sensing in Ecology and Conservation published by John Wiley & Sons Ltd on behalf of Zoological Society of London, 2019 Pages 150-159]] | ||
| + | |||
| + | [[Εικόνα:sk_arthro3_eikona8.jpg | thumb | right | '''Εκτιμώμενες παράμετροι, τυπικά σφάλματα, τιμές t και τιμές Ρ όλων των παραμέτρων στο μοντέλο M 1a (συνδυασμός 2D και 3D) για τη βιομάζα ψαριών.''', Πηγή:Remote Sensing in Ecology and Conservation published by John Wiley & Sons Ltd on behalf of Zoological Society of London, 2019 Pages 150-159]] | ||
| + | |||
| + | [[Εικόνα:sk_arthro3_eikona9.jpg | thumb | right | '''Εκτιμώμενες παράμετροι, τυπικά σφάλματα, τιμές t και τιμές Ρ όλων των παραμέτρων στο μοντέλο M 1a (συνδυασμός 2D και 3D) για τη ποικιλία ψαριών.''', Πηγή:Remote Sensing in Ecology and Conservation published by John Wiley & Sons Ltd on behalf of Zoological Society of London, 2019 Pages 150-159]] | ||
| + | |||
| + | Η τηλεπισκόπηση της τρισδιάστατης δομής των κοραλλιογενών υφάλων βελτιώνει τη προγνωστική μοντελοποίηση της συγκέντρωσης των ψαριών. | ||
| + | |||
| + | '''Πρωτότυπος τίτλος''': Remote sensing of three-dimensional coral reef structure enhances predictive modeling of fish assemblages | ||
| + | |||
| + | '''Συγγραφείς''': Guangming Zheng, Paul M. DiGiacomo | ||
| + | |||
| + | '''Δημοσιεύθηκε''': Remote Sensing in Ecology and Conservation published by John Wiley & Sons Ltd on behalf of Zoological Society of London, 2019 Pages 150-159 | ||
| + | |||
| + | '''ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ''' | ||
| + | |||
| + | Ψάρια κοραλλιογενών υφάλων, LIDAR, ανίχνευση φωτός και εύρος, προγνωστικά μοντέλα, τηλεπισκόπιση, θαλάσσια οικολογία | ||
| + | |||
| + | '''Σύνδεσμος πρωτότυπου κειμένου''': | ||
| + | https://zslpublications.onlinelibrary.wiley.com/doi/full/10.1002/rse2.115 | ||
| + | |||
| + | '''Αντικείμενο''' | ||
| + | |||
| + | Αντικείμενο της παρούσας εργασίας είναι η χρήση τηλεπισκοπικών μεθόδων και συγκεκριμένα της μεθόδου LIDAR στη τρισδιάστατη δομή των κοραλιογενών υφάλων με στόχο τη πρόβλεψη συγκέντρωσης των διαφορετικών ειδών ψαριών. | ||
| + | |||
| + | '''Εισαγωγή''' | ||
| + | |||
| + | Η επιστήμη της Τηλεπισκόπησης χρησιμοποιήθηκε πρώτη φορά στη μελέτη των κοραλλιογενών οικοσυστημάτων όταν εφαρμόσθηκε ο πολυφασματικός αισθητήρας Landsat το 1970. Έκτοτε, η τεχνολογία και οι δυνατότητες των αισθητήρων τηλεπισκόπησης έχουν δείξει αξιοσημείωτη εξέλιξη και έχουν γίνει ιδιαίτερα σημαντικες στη χαρτογράφηση, τη παρακολούθηση και τη κατανόηση του παγκόσμιου θαλάσσιου συστήματος. Η πρόσφατη καινοτομία της επιστήμης της Τηλεπισκόπησης να παρέχει τη δυνατότητα μελέτης των αποικιών που αναπτύσσονται σε κατακόρυφες κοινότητες υπόσχεται πρόοδο στην ανάλυση της οικολογίας τοπίου. Ο LIDAR είναι ένας ενεργός αισθητήρας που επιτρέπει τη ποσοτικοποίηση και χωρική ανάλυση των αποικών με πολύπλοκη δομή. Εφαρμόζεται στο θαλάσσιο περιβάλλον για τη χαρτογράφηση κοραλλιογενών δομών, τη μέτρηση των βιοτόπων των υφάλων και της πολύπλοκης δομής τους, καθώς και επιδεικνύει ισχυρές προγνωστικές σχέσεις με αρκετές μετρήσεις δομών συγκέντρωσης των ψαριών. Στη παρούσα εργασία έγινε η υπόθεση πως οι τρισδιάστατες μεταβλητές που προέρχονται το LIDAR υποστηρίζουν πιο στιβαρά χωρικά προγνωστικά μοντέλα συγκέντρωσης ψαριών σε υφάλους, όταν συνδυάζονται με μοντέλα που χρησιμοποιούν δισδιάστατες μεταβλητές από βενθικούς χάρτες βιοτόπων. | ||
| + | |||
| + | '''Δεδομένα και μεθοδολογία''' | ||
| + | |||
| + | Οι βενθικοί χάρτες βιοτόπων δημιουργήθηκαν από τον κλάδο βιογεωγραφίας NOAA χρησιμοποιώντας πανγχρωματικής ευκρίνειας εικόνες που λήφθηκαν από τον δορυφόρο Quickbird. Οι βενθικοί βιότοποι οριοθετήθηκαν χειροκίνητα από τις εικόνες με ερμηνεία κλίμακας 1:6000 και με ελάχιστη μονάδα χαρτογράφησης τα 0.4 εκτάρια. Βαθυμετρικά δεδομένα συλλέχθηκαν από το US Army Cops of Engineers χρησιμοποιώντας το ιπτάμενο υδρογραφικό σύστημα σάρωσης LIDAR (Scanning Htdrographic Operational Airborne LIDAR survey system-SHOALS) στη Χαβάη μεταξύ 1999 και 2000. Το σύστημα SHOALS σύλλεξε βαθυμετρικούς και τοπογραφικούς ήχους χρησιμοποιώντας υπέρυθρες (1064 nm) και μπλε-πράσινους (532 nm) δείκτες σάρωσης που συλλέγουν γενικώς δεδομένα σε οριζόντια πυκνότητα σημείου 4 μέτρων με κατακόρυφη ακρίβεια 1,5 μέτρων. Το εύρος βάθους για τον αισθητήρα SHOALS ήταν περίπου 1-40 μέτρα σε περιοχές με βέλτιστη διαύγεια νερού. | ||
| + | |||
| + | '''Αποτελέσματα''' | ||
| + | |||
| + | Τα αποτελέσματα έδειξαν ότι θα μπορούσαμε να απορρίψουμε τη μηδενική υπόθεση σε επίπεδο 5% για τη πυκνότητα ψαριών (L = 28,28, df = 3, P <0,0001), βιομάζα ψαριών (L = 21,63, df = 3, P < 0,0001) και ποικιλία ψαριών (L = 24,61, df = 3, P <0,0001). Παράλληλα εφαρμόσθηκε η δοκιμή αναλογίας πιθανότητας για σύγκριση του Μοντέλου 1a και του 1c. Η μηδενική υπόθεση σε αυτήν τη σύγκριση ήταν εάν οι παράμετροι παλινδρόμησης (β4, β5, β6, β7, β8) από τις δισδιάστατες μεταβλητές στο μοντέλο 1α είναι ίσες με μηδέν και η εναλλακτική είναι ότι δεν είναι ίσες με μηδέν. Τα αποτελέσματα έδειξαν ότι υπήρχαν αδύναμα στοιχεία για την απόρριψη αυτής της μηδενικής υπόθεσης για την πυκνότητα των ψαριών (L = 13,66, df = 5, P = 0,02), βιομάζα ((L = 16,96, df = 5, P = 0,005) και ποικιλομορφία (L = 39.51, df = 5, P <0.0001) και οι τιμές του πίνακα 2-4 επιβεβαίωσαν αυτά τα αποτελέσματα. Οι Πίνακες 5-7 δείχνουν τις εκτιμώμενες παραμέτρους, τα τυπικά σφάλματα, τις τιμές t, και τις τιμές P όλων των παραμέτρων στο Μοντέλο 1α | ||
| + | |||
| + | '''Συμβολή της Τηλεπισκόπησης''' | ||
| + | |||
| + | Η εφαρμογή των δεδομένων LiDAR σε αυτήν την εργασία χρησιμεύει για την πρόοδο της θεωρίας και της εφαρμογής της οικολογίας του τοπίου στην τρίτη διάσταση, αποδεικνύοντας ότι πιο ισχυρά μοντέλα πρόβλεψης προέρχονται από την ενσωμάτωση των δισδιάστατων και τρισδιάστατων συμμεταβλητών. Οι μελλοντικές μελέτες μοντελοποίησης τροπικών και εύκρατων υφάλων θα μπορούσαν να επωφεληθούν από τον συνδυασμό δισδιάστατων και τρισδιάστατων συμμεταβλητών. Η πολυπλοκότητα των βιοτόπων που προέρχεται από τον LiDAR μπορεί επίσης να προσφέρει μια οικονομικά αποδοτική χωρική προσέγγιση για την πρόβλεψη των πιθανών επιπτώσεων στις κοινότητες των ψαριών μέσω αλλαγών στην πολυπλοκότητα των υφάλων σε τοπικές περιοχές (π.χ. τυφώνες, άμεσες ανθρωπογενείς πιέσεις) και τοπικές χωρικές-χρονικές κλίμακες (π.χ. κλιματικές συνθήκες) θερμικές αλλαγές και οξίνιση των ωκεανών). Τα σημαντικότερα ευρήματα θα μπορούσαν να σχετίζονται άμεσα με τη χωρική κλίμακα της ανάλυσης και ο LiDAR παρέχει την ευελιξία να διερευνήσει σχέσεις μεταξύ της θαλάσσιας περιοχής και της δομής συγκέντρωσης ψαριών σε πολλαπλές κλίμακες. | ||
| + | |||
[[category:Υδατικοί Πόροι]] | [[category:Υδατικοί Πόροι]] | ||
Παρούσα αναθεώρηση της 19:36, 28 Φεβρουαρίου 2021
Η τηλεπισκόπηση της τρισδιάστατης δομής των κοραλλιογενών υφάλων βελτιώνει τη προγνωστική μοντελοποίηση της συγκέντρωσης των ψαριών.
Πρωτότυπος τίτλος: Remote sensing of three-dimensional coral reef structure enhances predictive modeling of fish assemblages
Συγγραφείς: Guangming Zheng, Paul M. DiGiacomo
Δημοσιεύθηκε: Remote Sensing in Ecology and Conservation published by John Wiley & Sons Ltd on behalf of Zoological Society of London, 2019 Pages 150-159
ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ
Ψάρια κοραλλιογενών υφάλων, LIDAR, ανίχνευση φωτός και εύρος, προγνωστικά μοντέλα, τηλεπισκόπιση, θαλάσσια οικολογία
Σύνδεσμος πρωτότυπου κειμένου: https://zslpublications.onlinelibrary.wiley.com/doi/full/10.1002/rse2.115
Αντικείμενο
Αντικείμενο της παρούσας εργασίας είναι η χρήση τηλεπισκοπικών μεθόδων και συγκεκριμένα της μεθόδου LIDAR στη τρισδιάστατη δομή των κοραλιογενών υφάλων με στόχο τη πρόβλεψη συγκέντρωσης των διαφορετικών ειδών ψαριών.
Εισαγωγή
Η επιστήμη της Τηλεπισκόπησης χρησιμοποιήθηκε πρώτη φορά στη μελέτη των κοραλλιογενών οικοσυστημάτων όταν εφαρμόσθηκε ο πολυφασματικός αισθητήρας Landsat το 1970. Έκτοτε, η τεχνολογία και οι δυνατότητες των αισθητήρων τηλεπισκόπησης έχουν δείξει αξιοσημείωτη εξέλιξη και έχουν γίνει ιδιαίτερα σημαντικες στη χαρτογράφηση, τη παρακολούθηση και τη κατανόηση του παγκόσμιου θαλάσσιου συστήματος. Η πρόσφατη καινοτομία της επιστήμης της Τηλεπισκόπησης να παρέχει τη δυνατότητα μελέτης των αποικιών που αναπτύσσονται σε κατακόρυφες κοινότητες υπόσχεται πρόοδο στην ανάλυση της οικολογίας τοπίου. Ο LIDAR είναι ένας ενεργός αισθητήρας που επιτρέπει τη ποσοτικοποίηση και χωρική ανάλυση των αποικών με πολύπλοκη δομή. Εφαρμόζεται στο θαλάσσιο περιβάλλον για τη χαρτογράφηση κοραλλιογενών δομών, τη μέτρηση των βιοτόπων των υφάλων και της πολύπλοκης δομής τους, καθώς και επιδεικνύει ισχυρές προγνωστικές σχέσεις με αρκετές μετρήσεις δομών συγκέντρωσης των ψαριών. Στη παρούσα εργασία έγινε η υπόθεση πως οι τρισδιάστατες μεταβλητές που προέρχονται το LIDAR υποστηρίζουν πιο στιβαρά χωρικά προγνωστικά μοντέλα συγκέντρωσης ψαριών σε υφάλους, όταν συνδυάζονται με μοντέλα που χρησιμοποιούν δισδιάστατες μεταβλητές από βενθικούς χάρτες βιοτόπων.
Δεδομένα και μεθοδολογία
Οι βενθικοί χάρτες βιοτόπων δημιουργήθηκαν από τον κλάδο βιογεωγραφίας NOAA χρησιμοποιώντας πανγχρωματικής ευκρίνειας εικόνες που λήφθηκαν από τον δορυφόρο Quickbird. Οι βενθικοί βιότοποι οριοθετήθηκαν χειροκίνητα από τις εικόνες με ερμηνεία κλίμακας 1:6000 και με ελάχιστη μονάδα χαρτογράφησης τα 0.4 εκτάρια. Βαθυμετρικά δεδομένα συλλέχθηκαν από το US Army Cops of Engineers χρησιμοποιώντας το ιπτάμενο υδρογραφικό σύστημα σάρωσης LIDAR (Scanning Htdrographic Operational Airborne LIDAR survey system-SHOALS) στη Χαβάη μεταξύ 1999 και 2000. Το σύστημα SHOALS σύλλεξε βαθυμετρικούς και τοπογραφικούς ήχους χρησιμοποιώντας υπέρυθρες (1064 nm) και μπλε-πράσινους (532 nm) δείκτες σάρωσης που συλλέγουν γενικώς δεδομένα σε οριζόντια πυκνότητα σημείου 4 μέτρων με κατακόρυφη ακρίβεια 1,5 μέτρων. Το εύρος βάθους για τον αισθητήρα SHOALS ήταν περίπου 1-40 μέτρα σε περιοχές με βέλτιστη διαύγεια νερού.
Αποτελέσματα
Τα αποτελέσματα έδειξαν ότι θα μπορούσαμε να απορρίψουμε τη μηδενική υπόθεση σε επίπεδο 5% για τη πυκνότητα ψαριών (L = 28,28, df = 3, P <0,0001), βιομάζα ψαριών (L = 21,63, df = 3, P < 0,0001) και ποικιλία ψαριών (L = 24,61, df = 3, P <0,0001). Παράλληλα εφαρμόσθηκε η δοκιμή αναλογίας πιθανότητας για σύγκριση του Μοντέλου 1a και του 1c. Η μηδενική υπόθεση σε αυτήν τη σύγκριση ήταν εάν οι παράμετροι παλινδρόμησης (β4, β5, β6, β7, β8) από τις δισδιάστατες μεταβλητές στο μοντέλο 1α είναι ίσες με μηδέν και η εναλλακτική είναι ότι δεν είναι ίσες με μηδέν. Τα αποτελέσματα έδειξαν ότι υπήρχαν αδύναμα στοιχεία για την απόρριψη αυτής της μηδενικής υπόθεσης για την πυκνότητα των ψαριών (L = 13,66, df = 5, P = 0,02), βιομάζα ((L = 16,96, df = 5, P = 0,005) και ποικιλομορφία (L = 39.51, df = 5, P <0.0001) και οι τιμές του πίνακα 2-4 επιβεβαίωσαν αυτά τα αποτελέσματα. Οι Πίνακες 5-7 δείχνουν τις εκτιμώμενες παραμέτρους, τα τυπικά σφάλματα, τις τιμές t, και τις τιμές P όλων των παραμέτρων στο Μοντέλο 1α
Συμβολή της Τηλεπισκόπησης
Η εφαρμογή των δεδομένων LiDAR σε αυτήν την εργασία χρησιμεύει για την πρόοδο της θεωρίας και της εφαρμογής της οικολογίας του τοπίου στην τρίτη διάσταση, αποδεικνύοντας ότι πιο ισχυρά μοντέλα πρόβλεψης προέρχονται από την ενσωμάτωση των δισδιάστατων και τρισδιάστατων συμμεταβλητών. Οι μελλοντικές μελέτες μοντελοποίησης τροπικών και εύκρατων υφάλων θα μπορούσαν να επωφεληθούν από τον συνδυασμό δισδιάστατων και τρισδιάστατων συμμεταβλητών. Η πολυπλοκότητα των βιοτόπων που προέρχεται από τον LiDAR μπορεί επίσης να προσφέρει μια οικονομικά αποδοτική χωρική προσέγγιση για την πρόβλεψη των πιθανών επιπτώσεων στις κοινότητες των ψαριών μέσω αλλαγών στην πολυπλοκότητα των υφάλων σε τοπικές περιοχές (π.χ. τυφώνες, άμεσες ανθρωπογενείς πιέσεις) και τοπικές χωρικές-χρονικές κλίμακες (π.χ. κλιματικές συνθήκες) θερμικές αλλαγές και οξίνιση των ωκεανών). Τα σημαντικότερα ευρήματα θα μπορούσαν να σχετίζονται άμεσα με τη χωρική κλίμακα της ανάλυσης και ο LiDAR παρέχει την ευελιξία να διερευνήσει σχέσεις μεταξύ της θαλάσσιας περιοχής και της δομής συγκέντρωσης ψαριών σε πολλαπλές κλίμακες.
