Η Τηλεπισκόπηση για την επιστήμη και την διατήρηση της βιοποικιλότητας

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
 
Γραμμή 51: Γραμμή 51:
[[Εικόνα:Volumetric rendering.gif|thumb|right|Εικόνα 2. Ογκομετρική απόδοση της φυτοκάλυψης σε τροπικό δάσος στην Κόστα Ρίκα που λήφθηκε με αισθητήρα LVIS., πηγή:Remote sensing for biodiversity science and conservation, Woody Turner, Sacha Spector, Ned Gardiner, Matthew Fladeland,
[[Εικόνα:Volumetric rendering.gif|thumb|right|Εικόνα 2. Ογκομετρική απόδοση της φυτοκάλυψης σε τροπικό δάσος στην Κόστα Ρίκα που λήφθηκε με αισθητήρα LVIS., πηγή:Remote sensing for biodiversity science and conservation, Woody Turner, Sacha Spector, Ned Gardiner, Matthew Fladeland,
Eleanor Sterling, Marc Steininger,2003]]
Eleanor Sterling, Marc Steininger,2003]]
-
Το 1994 ο στρατός των ΗΠΑ δημιούργησε το σύστημα SHOALS (Scanning Hydrographic Operational Airborne Lidar Survey). Το SHOALS στην ουσία ένα θαλάσσιο LIDAR, συλλέγει ακριβή δεδομένα με υψηλή ανάλυση, σε μεγάλο βάθος μέσα στην θάλασσα, μέσω ελικοπτέρου. Οι παλμοί μεγαλύτερων μηκών κύματος από τα ραντάρ μπορούν να διαπεράσουν  τα σύννεφα, και τα μέγιστα μήκη κύματος (από το κανάλι L και μετά) διεισδύουν στη φυτοκάλυψη ή στις περιπτώσεις γυμνών ή αργιλωδών εδαφών, στην επιφάνεια της γης στο βάθος του ενός μέτρου ή και περισσότερο. Παρόλο που είναι ακόμα υπό έρευνα, υπάρχει ικανότητα να χρησιμοποιείται το SHOALS στα δάση όπως χρησιμοποιείται και το LIDAR μετρώντας την βιομάζα και καταγράφοντας την δομή της βλάστησης.
+
Το 1994, ο στρατός των ΗΠΑ δημιούργησε το σύστημα SHOALS (Scanning Hydrographic Operational Airborne Lidar Survey). Το SHOALS στην ουσία ένα θαλάσσιο LIDAR, συλλέγει ακριβή δεδομένα με υψηλή ανάλυση, σε μεγάλο βάθος μέσα στην θάλασσα, μέσω ελικοπτέρου. Οι παλμοί μεγαλύτερων μηκών κύματος από τα ραντάρ μπορούν να διαπεράσουν  τα σύννεφα, και τα μέγιστα μήκη κύματος (από το κανάλι L και μετά) διεισδύουν στη φυτοκάλυψη ή στις περιπτώσεις γυμνών ή αργιλωδών εδαφών, στην επιφάνεια της γης στο βάθος του ενός μέτρου ή και περισσότερο. Παρόλο που είναι ακόμα υπό έρευνα, υπάρχει ικανότητα να χρησιμοποιείται το SHOALS στα δάση όπως χρησιμοποιείται και το LIDAR μετρώντας την βιομάζα και καταγράφοντας την δομή της βλάστησης.
Μία άλλη τεχνολογία που βοηθάει την τηλεπισκόπιση για την δομή και την τοπογραφία των ενδιαιτημάτων είναι ο αισθητήρας (Thermal Emission and Reflection Radiometer). Ο εκπέμπει και αντανακλά ηλεκτρομαγνητική ακτινοβολία με χωρική ανάλυση 15μ στο ορατό και στο εγγύς υπέρυθρο, 30μ στο μέσο υπέρυθρο και 90μ στο θερμικό υπέρυθρο. Ο  ASTER παράγει επίσης ψηφιακά υψομετρικά μοντέλα, με σχετική ακρίβεια 10μ από τις διάφορες οπτικές γωνίες που απεικονίζουν το ίδιο σημείο.
Μία άλλη τεχνολογία που βοηθάει την τηλεπισκόπιση για την δομή και την τοπογραφία των ενδιαιτημάτων είναι ο αισθητήρας (Thermal Emission and Reflection Radiometer). Ο εκπέμπει και αντανακλά ηλεκτρομαγνητική ακτινοβολία με χωρική ανάλυση 15μ στο ορατό και στο εγγύς υπέρυθρο, 30μ στο μέσο υπέρυθρο και 90μ στο θερμικό υπέρυθρο. Ο  ASTER παράγει επίσης ψηφιακά υψομετρικά μοντέλα, με σχετική ακρίβεια 10μ από τις διάφορες οπτικές γωνίες που απεικονίζουν το ίδιο σημείο.

Παρούσα αναθεώρηση της 10:56, 4 Φεβρουαρίου 2012

Εισαγωγή-Αντικείμενο εφαρμογής

Η παρούσα εργασία αφορά την επιστήμη της βιοποικιλότητας και την διατήρηση της. Η κατανόηση του περιβάλλοντος οδηγεί στην αναγκαιότητα της καταγραφής των ειδών, τις κατανομές και τα επίπεδα του βιολογικού πλούτου και πώς λειτουργούν σε διαφορετικά χωρικά πλαίσια και αποτελεί θεμελιώδες πρόκληση της σύγχρονης βιολογίας. Αυτή η πρόκληση γίνεται ακόμη πιο επιτακτική από τη συνεχιζόμενη και κλιμακούμενη απώλεια της βιοποικιλότητας. Για να σταματήσουμε την απώλεια, πρέπει να γνωρίζουμε ποιες περιοχές της Γης είναι ιδιαίτερα πλούσια σε είδη. Αλλά για να είναι πραγματικά επιτυχείς, πρέπει επίσης να κατανοήσουμε, σε βαθύτερο επίπεδο, γιατί τα είδη βρίσκονται εκεί όπου βρίσκονται και γιατί ορισμένες περιοχές είναι πλούσιες ή χαρακτηρίζονται από υψηλά επίπεδα ενδημισμού. Από πολλούς η τηλεπισκόπιση θα μπορούσε ίσως να φανεί ανώφελη για την καταγραφή της βιοποικιλότητας. Αυτό επειδή οι πληροφορίες που συλλέγει η τηλεπισκόπιση μέσω των εικόνων, καταγράφονται σε πολλά τετραγωνικά μέτρα και από μακριά, με αποτέλεσμα να μην μπορούν να γίνουν ορατοί πολλοί από τους πληθυσμούς που ζουν εκεί. Ωστόσο η πρόοδος των χωρικών και των φασματικών αισθητήρων δίνει την δυνατότητα στους οικολόγους να κάνουν την τηλεπισκόπιση να μπορέσει να φανεί χρήσιμη και σε αυτή την επιστήμη. Για παράδειγμα διακρίνοντας σύνολα ειδών αλλά και μεμονωμένα είδη.

Στόχος Εργασίας

Στην παρούσα εργασία επιχειρείται μια επισκόπηση της εφαρμογής της τηλεπισκόπισης για την καταγραφή και διατήρηση της βιοποικιλότητας.

Περιγραφή

Εδώ, χρησιμοποιείται ο όρος «βιοποικιλότητα» για να χαρακτηρίσει τα διαφορετικά είδη και ορισμένα χαρακτηριστικά τους, ιδίως κατανομή και τον αριθμό τους μέσα σε μια συγκεκριμένη περιοχή. Επίσης, χρησιμοποιούμε «βιοποικιλότητα» ευρύτερα, ώστε να αναφερθούμε στα σύνολα των ειδών και των οικολογικών κοινοτήτων (δηλαδή οι ομάδες της αλληλεπίδρασης και αλληλεξάρτησης των ειδών). Υπάρχουν δύο γενικές προσεγγίσεις για την τηλεπισκόπηση της βιοποικιλότητα. Η πρώτη είναι η άμεση τηλεπισκόπηση των οργανισμών ως άτομα, τα σύνολα αυτών, τα είδη, ή τις οικολογικές κοινότητες, χρησιμοποιώντας από αέρος ή δορυφορικούς αισθητήρες. Με τις δορυφορικές λήψεις, είναι δυνατή η άμεση τηλεπισκόπηση για ορισμένους μεγάλους οργανισμούς και κοινότητες και ταυτόχρονα να γίνει η ταξινόμηση τους. Ομοίως, με τους νέους υπερφασματικούς αισθητήρες, οι οποίοι αποτελούν κομμάτι του ηλεκτρομαγνητικού φάσματος, υπάρχει η δυνατότητα διάκρισης σε περισσότερες φασματικές ζώνες, που επιτρέπει την ανίχνευση των φασματικών υπογραφών που αποτελούν χαρακτηριστικά ορισμένων φυτικών ειδών ή κοινοτήτων. Η δεύτερη προσέγγιση είναι η έμμεση τηλεπισκόπηση της βιοποικιλότητας μέσω της εξάρτηση από τις περιβαλλοντικές παραμέτρους. Για παράδειγμα, πολλά είδη περιορίζονται σε διακριτούς οικότοπους, όπως δάση, χορτολιβαδικές εκτάσεις, ή θαλάσσια βλάστηση που μπορούν να προσδιορίζονται σαφώς εξ αποστάσεως. Συνδυάζοντας πληροφορίες σχετικά με τις γνωστές απαιτήσεις των ειδών που αποτελούν τα ενδιαιτήματα με χάρτες κάλυψης γης που προκύπτουν από δορυφορικές εικόνες, με ακριβείς εκτιμήσεις των πιθανών ειδών και τα σχέδια του πλούτου των ειδών, είναι δυνατόν. Αυτές οι πληροφορίες απορρέουν από επιμέρους στοιχεία του περιβάλλοντος. Οι διαφορετικοί παράμετροι είναι αυτοί που μπορούν να μας να μας προσδιορίσουν τα πρότυπα των ειδών. Οι τρεις συχνότερα αναφερόμενες περιβαλλοντικές παράμετροι που προσφέρονται σήμερα ιδιαίτερα για την ανίχνευση, λόγω της πρόσφατες εξελίξεις στη τηλεπισκόπησης και της τεχνολογίας είναι οι εξής:

  • η πρωτογενής παραγωγικότητα,
  • το κλίμα και
  • η δομή των ενδιαιτημάτων (συμπεριλαμβανομένων και την τοπογραφία).

Για την διατήρηση της βιοποικιλότητας, η τεχνική της τηλεπισκόπισης μπορεί να ανιχνεύσει τις αλλαγές σε τοπικές και ηπειρωτικές χωρικές κλίμακες, δίνοντάς μας με σύγκριση παλαιότερων φωτογραφιών, τον ρυθμό της απώλειας και της μετατροπής των ενδιαιτημάτων. Οι μετρήσεις της απώλειας των ενδιαιτημάτων μπορεί να μετατραπούν σε ποσοτικές εκτιμήσεις της απώλειας της βιοποικιλότητας με τη χρήση της σχέσης των ειδών με την περιοχή.

Άμεση τηλεπισκόπιση ειδών και των συναθροίσεων τους.

Για την άμεση τηλεπισκόπιση χρησιμοποιούμαι τα συστήματα IKONOS και QuickBird (QB) που προσφέρουν πολυφασματικές εικόνες με ανάλυση σε 4μ. και 28μ. αντίστοιχα και παγχρωματικές εικόνες σε απόσταση 1μ. και 0,7μ. αντίστοιχα. Έτσι ορισμένα είδη γίνονται αμέσως αντιληπτά εξαιτίας των ιδιαίτερων χαρακτηριστικών τους (για παράδειγμα μέσω της ανίχνευσης των κορυφών των δέντρων) και αλλά και των παρελκόμενων ειδών. Οι εικόνες IKONOS έχουν χρησιμοποιηθεί για την εύρεση και μέτρηση φαλαινών στην επιφάνεια ή κοντά στη επιφάνεια του ωκεανού και βοηθάνε για την παρακολούθηση αυτών και άλλων προστατευόμενων ειδών. Στα πλαίσια του γλυκού νερού οι εικόνες IKONOS σε συνδυασμό με Landsat, έχουν χρησιμοποιηθεί για να χαρτογραφηθεί η επέκταση διάφορων φυτικών ειδών. To όργανο Hyperion on the Earth Observing-1 (EO-1) δορυφόρος της NASA καταγράφει το ορατό φώς και άλλες αντανακλώμενες ηλεκτρομαγνητικές ενέργειες που κυμαίνονται από 0,4 έως 2,5 χιλιοστά σε 220 κανάλια που έχει πλάτος 10nm. Εκτός από το Hyperion υπάρχει και το Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) της NASA που είναι πρωτοπόρος στην υπερφασματική έρευνα με μια ποικιλία εφαρμογών. Και τα δύο μας βοηθάνε καθώς με την υπερφασματική μέτρηση που κάνει μπορούν να μετρήσουν τα φύλλα της επιφάνειας χαρακτηριστικά κατά την διάρκεια διαφορετικών εποχών και έτσι να προφέρει χρήσιμες πληροφορίες σχετικά με την λειτουργία των οικοσυστημάτων, την εξέλιξη και την αλλαγή τους. Η ανάλυση με παραγωγικούς δείκτες τηλεπισκόπισης και στην συνέχεια η εξομοίωση σε μοντέλα που περιλαμβάνουν εδαφικές παραμέτρους υπερφασματικών προσφέρουν την δυνατότητα να τηρούν τα πρότυπα της ποικιλότητας των ειδών. Μια άλλη εφαρμογή είναι και η ανίχνευση και χαρτογράφηση των χωροταξικών ειδών.

Έμμεση τηλεπισκόπηση της βιοποικιλότητας μέσω της εξάρτηση από τις περιβαλλοντικές παραμέτρους.

Αναφέραμε και παραπάνω ότι η έμμεση τηλεπισκόπιση της βιοποικιλότητας εξαρτάτε από κάποιες περιβαλλοντικές παραμέτρους ή δείκτες. Η έμμεση τηλεπισκόπηση της βιοποικιλότητας μέσω της εξάρτηση από τις περιβαλλοντικές παραμέτρους αναφέρετε :

  • Στην τηλεπισκόπιση της πρωτογενούς παραγωγικότητας για τον πλούτο των ειδών.
  • Στην τηλεπισκόπιση των κλιματολογικών μεταβλητών για την κατανομή των ειδών.
  • Στην τηλεπισκόπιση για την δομή των ενδιαιτημάτων και την τοπογραφία τους.

Τεχνολογίες στην τηλεπισκόπιση της πρωτογενούς παραγωγικότητας για τον πλούτο των ειδών.

Υπάρχουν πολυάριθμες προσεγγίσεις που βασίζονται για την εκτίμηση της πρωτογενούς παραγωγικότητας και βοηθούν στην ερμηνεία. Συνήθως, οι πολυφασματικές δορυφορικές εικόνες που κυμαίνονται από 4μ. έως 8χλμ παρέχουν τη βάση για τις εκτιμήσεις της πρωτοβάθμιας παραγωγικότητας σε μια σειρά από χωρικές κλίμακες. Αυτές οι εκτιμήσεις συχνά προέρχονται από έναν από τους πολλούς δείκτες βλάστησης όπως το NDVI ή τα άμεσα μέτρα, όπως η καθαρή κύρια παραγωγικότητα (NPP). Η πρόκληση για τον ερευνητή είναι να διασφαλιστεί ότι η κλίμακα των εικόνων είναι όμοια με αυτήν των δεδομένων που μας δίνουν τον πλούτο των ειδών και ότι και οι δύο είναι κατάλληλα διαβαθμισμένοι για τη θεωρία που δοκιμάζεται.

Τεχνολογίες στην τηλεπισκόπιση των κλιματολογικών μεταβλητών για την κατανομή των ειδών.

Η μοντελοποίηση της πρωτογενούς παραγωγικότητας μέσω δορυφορικών δεδομένων λαμβάνει υπόψη της άλλες περιβαλλοντικές μεταβλητές που θα μπορούσαν οι ίδιες από μόνες τους να είναι σημαντικές για την κατανόηση τις ποικιλομορφίας των χωρικών μοντέλων. Πολλές από αυτές είναι κλιματικές μεταβλητές που ενεργούν ως πιθανοί περιοριστικοί παράγοντες για πολλά είδη (π.χ. εποχιακή θερμοκρασία, σχετική υγρασία και υγρασία εδάφους). Οι νέες πηγές των δεδομένων και εφαρμογής μιας σειράς μοντέλων που εκτιμούν ορισμένες από αυτές τις κλιματικές παραμέτρους έχουν γίνει διαθέσιμες από την έναρξη των TERRA και AQUA δορυφόρων το 1999 και 2002, αντίστοιχα. Το MODIS (Moderate-Resolution Imaging Spectroradiometer) βρίσκεται και στους δύο αυτούς δορυφόρους, διαθέτει 36 φασματικά κανάλια και παράγει διαστημικές εικόνες με ανάλυση των 250μ, 500μ και 1χλμ. Έτσι έχει δυνατότητα κάλυψης όλης της γης κάθε μία έως δύο μέρες. Πολλά από τα δορυφορικά δεδομένα που παράγονται υπολογίζονται ή μοντελοποιούνται από το MODIS, τα οποία χρειάζονται την επικύρωση και την εκ νέου εξακρίβωση με τα δεδομένα πεδίου (βλ. Εικόνα 1).

Εικόνα 1. Δορυφορικές εικόνες από τρεις αισθητήρες σε διαφορετικές χωρικές αναλύσεις. (a) MODIS μωσαϊκό Νοτιοανατολική Ασία. (b) LANDSAT 7 ETM κεντρικό Βιετνάμ. (c) IKONOS σκηνή για 108,6 km2 περιοχή κοντά Pring Dac Song Thon: Λάθος χρώμα (=Color IR, κόκκινο, πράσινο). (d) IKONOS closeup δείχνει διαφορετική χρήση της γης τους τύπους., πηγή:Remote sensing for biodiversity science and conservation, Woody Turner, Sacha Spector, Ned Gardiner, Matthew Fladeland, Eleanor Sterling, Marc Steininger,2003

Τεχνολογίες στην τηλεπισκόπιση για την δομή των ενδιαιτημάτων και την τοπογραφία τους. Πολλές τεχνολογίες είναι αυτές που μπορούν να βοηθήσουν στην μέτρηση της δομής των ενδιαιτημάτων, της τοπογραφίας τους και της βιομάζας τους. Για παράδειγμα στα δάση χρησιμοποιούνται αισθητήρες LIDAR οι οποίοι ανιχνεύουν το ύψος από το πάνω μέρους τις κοινότητας των φυτών έως το έδαφος, καθώς και τις θέσεις των φύλλων και των κλαδιών μεταξύ τους. Ο αισθητήρας LVIS (The Laser Vegetation Imaging Sensor) στην ουσία κουβαλάει αισθητήρα LIDAR και μπορεί να μας δώσει αποτελέσματα όπως αυτά που βλέπουμε στην Εικόνα 2.

Εικόνα 2. Ογκομετρική απόδοση της φυτοκάλυψης σε τροπικό δάσος στην Κόστα Ρίκα που λήφθηκε με αισθητήρα LVIS., πηγή:Remote sensing for biodiversity science and conservation, Woody Turner, Sacha Spector, Ned Gardiner, Matthew Fladeland, Eleanor Sterling, Marc Steininger,2003

Το 1994, ο στρατός των ΗΠΑ δημιούργησε το σύστημα SHOALS (Scanning Hydrographic Operational Airborne Lidar Survey). Το SHOALS στην ουσία ένα θαλάσσιο LIDAR, συλλέγει ακριβή δεδομένα με υψηλή ανάλυση, σε μεγάλο βάθος μέσα στην θάλασσα, μέσω ελικοπτέρου. Οι παλμοί μεγαλύτερων μηκών κύματος από τα ραντάρ μπορούν να διαπεράσουν τα σύννεφα, και τα μέγιστα μήκη κύματος (από το κανάλι L και μετά) διεισδύουν στη φυτοκάλυψη ή στις περιπτώσεις γυμνών ή αργιλωδών εδαφών, στην επιφάνεια της γης στο βάθος του ενός μέτρου ή και περισσότερο. Παρόλο που είναι ακόμα υπό έρευνα, υπάρχει ικανότητα να χρησιμοποιείται το SHOALS στα δάση όπως χρησιμοποιείται και το LIDAR μετρώντας την βιομάζα και καταγράφοντας την δομή της βλάστησης. Μία άλλη τεχνολογία που βοηθάει την τηλεπισκόπιση για την δομή και την τοπογραφία των ενδιαιτημάτων είναι ο αισθητήρας (Thermal Emission and Reflection Radiometer). Ο εκπέμπει και αντανακλά ηλεκτρομαγνητική ακτινοβολία με χωρική ανάλυση 15μ στο ορατό και στο εγγύς υπέρυθρο, 30μ στο μέσο υπέρυθρο και 90μ στο θερμικό υπέρυθρο. Ο ASTER παράγει επίσης ψηφιακά υψομετρικά μοντέλα, με σχετική ακρίβεια 10μ από τις διάφορες οπτικές γωνίες που απεικονίζουν το ίδιο σημείο.

Συμπεράσματα

Για να σημειωθεί πρόοδος, οικολόγοι, εξελικτικοί βιολόγοι και βιολόγοι διατήρησης πρέπει να θέτουν τα δεδομένα τους, την κατανομή των ειδών, τα επίπεδα του βιολογικού πλούτου, τις περιοχές ενδημισμού, και ούτω καθεξής, στο τραπέζι και να τις συνδυάζουν με τα παγκόσμια, περιφερειακά και τοπικά σύνολα δεδομένων(για παράδειγμα, πρωτογενούς παραγωγικότητας και του κλίματος) τα οποία έχουν παραχθεί με τηλεπισκόπιση. Ταυτόχρονα, ο συνδυασμός τηλεπισκόπησης με άλλες τεχνολογίες όπως GIS βοηθάει περισσότερο στην ανάπτυξη.

Πηγή:Remote sensing for biodiversity science and conservation, Woody Turner, Sacha Spector, Ned Gardiner, Matthew Fladeland,Eleanor Sterling, Marc Steininger,2003

Προσωπικά εργαλεία