Από RemoteSensing Wiki

Παρούσα αναθεώρηση της 18:23, 27 Φεβρουαρίου 2026

Πρωτότυπος τίτλος: Estimating Grazing Pressure from Satellite Time Series Without Reliance on Total Production

Συγγραφείς: Yan Shi , Jay Gao , Gary Brierley , Xilai Li and Jin-Sheng He
Πηγή (αναλυτικά): Shi, Y., Gao, J., Brierley, G., Li, X., & He, J.-S. (2025). Estimating Grazing Pressure from Satellite Time Series Without Reliance on Total Production. Remote Sensing, 17(22), 3781.

Περίληψη

Εικόνα 1: (α) Τοποθεσία της Ζώνης Πηγών του Κίτρινου Ποταμού στο Οροπέδιο Τσινγκχάι-Θιβέτ. (β) Τοποθεσία της περιοχής μελέτης. (γ) Κατανομή των θέσεων δειγματοληψίας και των τύπων ανάγλυφου εντός της περιοχής μελέτης, μαζί με το ποσοστό της έκτασης που αντιπροσωπεύεται από κάθε κατηγορία ανάγλυφου (Πηγή: Yan Shi et al, 2025).

Η ακριβής αξιολόγηση των επιπτώσεων που προκαλεί η κτηνοτροφική δραστηριότητα κρίνεται ζωτικής σημασίας για την προστασία και διατήρηση των αλπικών λειμώνων. Παλαιότερες προσεγγίσεις συνήθως βασίζονταν αποκλειστικά στον υπολογισμό της συνολικής διαθέσιμης χορτονομής, μια μέθοδος που όμως εισάγει σημαντικές αβεβαιότητες, διότι αγνοεί την ποσότητα της βιομάζας που έχει ήδη καταναλωθεί από τα φυτοφάγα ζώα. Ο σκοπός της έρευνας, όπως παρατίθεται αυτολεξεί στο κείμενο, είναι ο εξής: «In this study, we propose a novel framework for estimating grazing pressure that integrates residual biomass with grazing intensity, thereby overcoming the limitations and uncertainties inherent in total forage-based assessments.» (Στην παρούσα μελέτη, προτείνουμε ένα νέο πλαίσιο για την εκτίμηση της πίεσης βόσκησης, το οποίο ενσωματώνει την υπολειπόμενη βιομάζα με την ένταση βόσκησης, ξεπερνώντας έτσι τους περιορισμούς και τις αβεβαιότητες που ενυπάρχουν στις εκτιμήσεις που βασίζονται στη συνολική παραγωγή χορτονομής). Η ευρύτερη στόχευση της συγκεκριμένης έρευνας είναι η δημιουργία ενός πρακτικού, κλιμακώσιμου εργαλείου που θα μειώνει τον στατιστικό θόρυβο και θα βελτιώνει τον οικολογικό ρεαλισμό στον εντοπισμό της υποβάθμισης των εδαφών.

Εικόνα 2: Ένταση βόσκησης κατά τη διάρκεια της καλλιεργητικής περιόδου. (α–δ) Χάρτες της Έντασης Βόσκησης (GI) που παρήχθησαν από το μοντέλο DNN (δ), μαζί με το θηκόγραμμα (boxplot) της Έντασης Βόσκησης σε διαφορετικές μορφές ανάγλυφου και το κυκλικό διάγραμμα της κάλυψης των επιπέδων Έντασης Βόσκησης. ((Πηγή: Yan Shi et al, 2025)

Εικόνα 3: Χάρτης πίεσης βόσκησης. (α) Χάρτης χωρικής κατανομής του GPI. (β) Ο GPI σε σχέση με διαφορετικές θέσεις μορφών ανάγλυφου και τύπους βλάστησης. (γ) Αναλογία κάλυψης των διαφορετικών επιπέδων του GPI. ((Πηγή: Yan Shi et al, 2025)

Είδη δεδομένων (δορυφορικών και πεδίου) και η χρησιμότητά τους

Η συλλογή των πρωτογενών δεδομένων πραγματοποιήθηκε μέσω δειγματοληψίας πεδίου στο αρδευτικό δίκτυο Sille. Συλλέχθηκαν δείγματα εδάφους για τη μέτρηση των επιπέδων αλατότητας (EC), εδαφικής υγρασίας (SM) και νιτρικών (N), καθώς και στοιχεία για τη στρεμματική απόδοση των φυτειών από χωράφια αγροτών. Επειδή, ωστόσο, τα επιτόπια δεδομένα ήταν περιορισμένα λόγω χωρικών και οικονομικών δυσκολιών, χρησιμοποιήθηκαν συνδυαστικά δορυφορικά δεδομένα για να ενισχυθεί η αξιοπιστία των μοντέλων. Επιλέχθηκαν τρεις πηγές με διαφορετικές διακριτικές ικανότητες: • Landsat 8: Προσφέρει χωρική ανάλυση 30 μέτρων και λήψη εικόνων ανά 16 ημέρες, παρέχοντας τα απαραίτητα δεδομένα για τον υπολογισμό των δεικτών εδαφικής αλατότητας (NDSI). • MODIS: Διαθέτει ανάλυση που κυμαίνεται από 250 μέτρα έως 1 χιλιόμετρο. Τα δεδομένα αυτά αξιοποιήθηκαν κυρίως για την αποτύπωση των δεικτών νιτρικών και εδαφικής υγρασίας σε καθημερινή βάση. • Sentinel-2: Με σαφώς υψηλότερη διακριτική ικανότητα (10 έως 60 μέτρα), επιστρατεύτηκε για την ενδελεχή παρακολούθηση της δυναμικής της υγρασίας στο έδαφος της υπό εξέταση περιοχής.

Εικόνα 4: Θερμικός χάρτης που απεικονίζει την αναλογία επικάλυψης μεταξύ της πίεσης βόσκησης, της έντασης βόσκησης και της υπολειπόμενης βιομάζας. (α,β) Η πίεση βόσκησης σε επικάλυψη με την ένταση βόσκησης και την υπολειπόμενη βιομάζα· (γ,δ) Η ένταση βόσκησης σε επικάλυψη με την πίεση βόσκησης και την υπολειπόμενη βιομάζα. (Πηγή: Yan Shi et al, 2025)

Προεπεξεργασίες

Η ροή εργασιών από την αρχική συλλογή έως την ενσωμάτωση των δεδομένων στα μοντέλα ακολούθησε τα εξής στάδια προεπεξεργασίας: • Επεξεργασία των δορυφορικών εικόνων και υπολογισμός των απαραίτητων φασματικών δεικτών (NDVI, NDSI, NDMI) μέσα από το υπολογιστικό περιβάλλον του Google Earth Engine (GEE) σε συνεργασία με το Google Colab. • Χρήση της μεθόδου κανονικοποίησης κλίμακας (min-max scaling) στα δεδομένα που ελήφθησαν από το έδαφος, ώστε να εναρμονιστούν απόλυτα με το μέγεθος και την κλίμακα των παραγόμενων δορυφορικών δεικτών. • Εκπαίδευση ενός αλγορίθμου ταξινόμησης Random Forest εντός του GEE, ο οποίος τροφοδοτήθηκε με τις σημειακές επιτόπιες παρατηρήσεις, προκειμένου να ελεγχθεί και να διασφαλιστεί η ακρίβεια των δορυφορικών δεικτών πριν την τελική τους χρήση.

Ειδικές αναλύσεις και αποτελέσματα

1. Χωροχρονική κατανομή της βόσκησης Τα χωρικά αποτελέσματα έδειξαν μια σαφή διαφοροποίηση στον τρόπο που κατανέμεται η κτηνοτροφική πίεση μέσα στον χρόνο. Ειδικότερα, οι εκτάσεις με χαμηλότερο υψόμετρο δέχτηκαν τη μεγαλύτερη πίεση στην αρχή της περιόδου ανάπτυξης των φυτών, σε αντίθεση με τις ορεινές περιοχές όπου η δραστηριότητα των ζώων κορυφώθηκε σε μεταγενέστερο στάδιο. 2. Συσχέτιση έντασης και υποβάθμισης Η ανάλυση κατέδειξε πως η ένταση βόσκησης δεν συνιστά από μόνη της αξιόπιστο παράγοντα για την πρόβλεψη της υποβάθμισης ενός οικοσυστήματος. Από τις περιοχές που καταγράφηκαν ως εκτάσεις υψηλής έντασης, μόλις το 38.8% αντιμετώπιζε πραγματική, σοβαρή πίεση βόσκησης. Επιπρόσθετα, επιβεβαιώθηκε ότι πάνω από το 40% αυτών των περιοχών υψηλής έντασης συνέχιζε να διαθέτει ικανοποιητικά και βιώσιμα αποθέματα υπέργειας βιομάζας.

Συμπεράσματα και αξιολόγηση των μεθόδων

Η καινοτόμος προσέγγιση της παρούσας έρευνας αποδεικνύει ότι η ενσωμάτωση της υπολειπόμενης βιομάζας ως βασικής μεταβλητής προσφέρει πολύ πιο ρεαλιστικές εκτιμήσεις σε σχέση με τις παραδοσιακές μεθόδους που εστιάζουν μόνο στη συνολική παραγωγή. Επειδή ακριβώς το νέο μοντέλο βασίζεται στην πραγματική βιομάζα που απομένει στο έδαφος και δεν επηρεάζεται από την ποσότητα που έχει ήδη καταναλωθεί, καταφέρνει να περιορίσει δραστικά τα στατιστικά σφάλματα των παλαιότερων προσεγγίσεων. Εν κατακλείδι, η μελέτη εξοπλίζει την επιστημονική κοινότητα και τους διαχειριστές γης με ένα αποτελεσματικό και ευέλικτο σύστημα για την ορθή παρακολούθηση της χρήσης και της σταδιακής φθοράς των ευαίσθητων αλπικών οικοσυστημάτων.