Η ΧΡΗΣΗ ΤΩΝ ΔΕΙΚΤΩΝ ΒΛΑΣΤΗΣΗΣ ΩΣ ΕΡΓΑΛΕΙΟ ΑΞΙΟΛΟΓΗΣΗΣ ΤΗΣ ΧΛΩΡΙΔΙΚΗΣ ΦΑΙΝΟΛΟΓΙΑΣ ΒΑΣΙΣΜΕΝΗ ΣΕ ΔΕΔΟΜΕΝΑ MERIS

Από RemoteSensing Wiki

Αναθεώρηση της 20:18, 5 Μαρτίου 2019

Η ΧΡΗΣΗ ΤΩΝ ΔΕΙΚΤΩΝ ΒΛΑΣΤΗΣΗΣ ΩΣ ΕΡΓΑΛΕΙΟ ΑΞΙΟΛΟΓΗΣΗΣ ΤΗΣ ΧΛΩΡΙΔΙΚΗΣ ΦΑΙΝΟΛΟΓΙΑΣ ΒΑΣΙΣΜΕΝΗ ΣΕ ΔΕΔΟΜΕΝΑ MERIS: Η ΠΕΡΙΠΤΩΣΗ ΤΗΣ ΔΗΜΟΚΡΑΤΙΑΣ ΤΗΣ ΤΣΕΧΙΑΣ

Συγγραφείς: Premysl Stych, Jiri Sandera, Lucie Malikova, Adriana Marcinkowska, Anna Jarocinska, Bogdan Zagajewski

ΠΗΓΗ: [[1]]

ΕΙΣΑΓΩΓΉ

Η τηλεπισκόπηση αποτελεί μια από τις βασικότερες πηγές δεδομένων για την παρακολούθηση της υπάρχουσας κάλυψης γης και των μεταβολών της. Μέχρι σήμερα αρκετοί δορυφόροι με αισθητήρες διάφορων αναλύσεων, κατάληλες για διαφορετικές περιπτώσεις μελέτης, έχουν τεθεί σε τροχιά. Από το σύνολο των αισθητήρων ιδιαίτερη σημασία έχουν αυτοί που ενσωματώνουν υψηλή χρονική ανάλυση, δηλαδή οι αισθητήρες εκείνοι που μπορούν να δώσουν δεδομένα μιας περιοχής ανα συντομότερα χρονικά διαστήματα. Ο αισθητήρας που αξιοποιείται στη συγκεκριμένη έρευνα είναι το Φασματόμετρο Απεικόνισης Μεσαίας Ανάλυσης (Medium Resolution Imaging Spectrometer – MERIS) που είναι εγκατεστημένο στον δορυφόρο ENVISAT. Το συγκεκριμένο φασματόμετρο έχει χωρική ανάλυση 300m και χρονική ανάλυση 1d(ημέρα). Ο βασικός στόχος των προγραμματιστών και κατασκευαστών του φασματόμετρου είναι η χαρτογράφηση του περιεχομένου χλωροφύλης της γήινης επιφάνειας και ο προσδιορισμός ιδιαίτερων χαρακτηριστικών των όγκων νερού (ωκεανών, λιμνών κοκ). Τα δεδομένα του αισθητήρα έχουν χρησιμοποιηθεί σε πολλές αντίστοιχες έρευνες αναγνώρισης και κατηγοριοποίησης της χλωρίδας. Ο συνδυασμός διαφορετικών καναλιών του αισθητήρα μπορεί να δώσει πλήθος διαφορετικών δεικτών βλάστησης όπως προκύπτει από την σχετική βιβλιογραφία. Εκτός του συνηθισμένου δείκτη βλάστησης NDVI, ο οποίος παρουσιάζει περιορισμούς, οι έρευνες έχουν καταλήξει σε δίκτες βλάστησης που ο υπολογισμός τους μπορεί να καταλήξει στην αναγνώριση και ερμηνεία της ανακλαστικότητας των φυτών και του εδάφους όπως και της φωτοσυνθετικής δραστηριότητας της βλάστησης.

ΔΕΔΟΜΕΝΑ

Η παρούσα μελέτη ασχολείται με την φασματική συμπεριφορά δασών (κωνοφόρων, φυλλοβόλων και μικτών) και αγροτικών εκτάσεων (ελαιοκράμβης, καλαμποκιού, δημητριακών, λυκίσκου). Η ανάλυση βασίζεται σε δεδομένα του αισθητήρα MERIS που έχουν ανακτηθεί για την περίοδο Απριλός 2009 – Σεπτέμβριος 2009 καλύπτοντας το σύνολο σχεδόν της Τσεχίας. Σύμφωνα με τα διαθέσιμα μετεωρολογικά στοιχεία το 2009 ήταν χρονιά χωρίς ακραίες θερμοκρασίες και βροχοπτώσεις για την χώρα. Επίσης το έτος 2009 επιλέχθηκε λόγω της διαθεσιμότητας δεδομένων στην βάση LPIS, μιας πλατφόρμας αρχειοθετημένων αγροτικών δεδομένων για την χώρα, που αποτελεί την δεύτερη πηγή δεδομένων. Το συγκεκριμένο αρχείο λειτουργεί υπό την αιγίδα του Υπ. Αγροτικής ανάπτυξης της Τσεχίας και περιλαμβάνει κυρίως εδαφικά χαρακτηριστικά των αγροτικών εκτάσεων της χώρας. Τα δορυφορικά δεδομένα περιλαμβάνουν 6 εικόνες με τις εξής ημερομηνίες λήψης: Ημερομηνία Ώρα λήψης 21.4.2009 9:39:13 3.5.2009 9:59:38 14.6.2009 9:42:10 17.7.2009 9:04:47 20.8.2009 9:36:24 1.9.2009 9:56:46

ΜΕΘΟΔΟΙ

Η διαδικασία επεξεργασίας των δορυφορικών εικόνων ξεκίνησε με την ατμοσφαιρική διόρθωση που πραγματοποιήθηκε με την χρήση του λογισμικού ανοιχτού κώδικα BEAM 4.7. Συγκεκριμένα χρησιμοποιήθηκαν οι ενσωματωμένοι αλγόριθμοι SMILE και SMAC. Οι παραπάνω εντολές πραγματοποιούν ατμοσφαιρική διόρθωση αναγνωρίζοντας την ακινοβολία, την ανάκλαση και την συγκέντρωση συγκεκριμένων χημικών στοιχείων της ατμόσφαιρας. Η ακρίβεια της ατμοσφαιρικής διόρθωσης εξακριβώθηκε εξετάζοντας τους χρωματικούς τόνους των σκουρότερων αντικειμένων, εν προκειμένω των μεγάλων όγκων νερού. Σην συνέχεια έγινε γεωμετρική διόρθωση των εικόνων με τη χρήση αυτόματης μεθόδου του λογισμικού BEAM 4.7 που αξιοποιεί τα δεδομένα του MERIS και το ενσωματωμένο Ψηφιακό μοντέλο εδάφους GETASSEA30. Ακόμη το εργαλείο του λογισμικού CLOUD PROBABILTY αξιοποιήθηκε για την απαλοιφή των περιοχών με νεφοκάλυψη. Οι δείκτες βλάστησης που υπολογίστηκαν, επιλέχθηκαν για να παρατηρηθεί η εξέλιξη της φασματικής συπεριφοράς της βλάστησης και συγκεκριμένα κατα την διάρκεια των φαινολογικών σταδίων. Οι δείκτες είναι οι εξής: • NDVI (Normalized Difference Vegetation Index) NDVI = (NIR – RED)/(NIR + RED). • MGVI (MERIS Global Vegetation Index): Ο συγκεκριμένος δείκτης χρησιμοποιεί τα μπλέ, κόκκινο και υπέρυθρο κανάλια για να αναγνωρίσει την κατάσταση υγεία της βλάστησης. • MTCI (MERIS Terrestrial Chlorophyll Index): Ο συγκεκριμένος δείκτης χρησιμοποιεί τα κανάλια 8, 9 και 10 του ασθητήρα για να αναγνωρίσει τα επίπεδα χλωροφύλλης στη βλάστηση χρησιμοποιώντας τον τύπο MTCI = (Band10 − Band9) / (Band9 − Band8). • fAPAR (fraction of Absorbed Photosynthetically Active Radiation): Ο δείκτης είναι το κλάσμα της απορροφώμενης από την βλάστηση ακτινοβολίας που δεσμεύεται για την φωτοσύνθεση. • fCover (fraction of Green Vegetation Coverage): Ο συγκεκριμένος δείκτης παίρνει τιμές από 0 έως 1 και παρουσιάζει το ποσοστό της γήινης επιφάνειας ανα εικονοστοιχείο που καλύπτεται από βλάστηση. • LAI (Leaf Area Index): Ο δείκτης αποτελεί μια ποσοτική αποτύπωση της πυκνότητας του φυλλώματος. Εκφράζει το ποσοστό του φυλλώματος (πάνω πλευράς) ανά οριζόντια μονάδα επιφάνειας. Επίσης μπορεί να εξαχθεί από τον NDVI. • LAIxCab: Ο συγκεκριμένος δείκτης χρησιμοποιείται για να αναδείξει το περιεχόμενο χλωροφύλλης τόσο σε επίπεδο φυλλώματος όσο και σε επίπεδο επιφάνειας. Οι τιμές των δεικτών που υπολογίστηκαν αποτελούν την αποτύπωση των μέσων τιμών των επιμέρους εικονοστοιχείων σε κάθε υποπεριοχή μελέτης. Τα πολύγωνα καθορισμού του είδους κάλυψης καθορίστηκαν από τις βάσεις δεδομένων που προαναφέρθηκαν και αποτελούνται από περιοχές με ελάχιστο εμβαδό 900x900m, δηλαδή τουλάχιστον 9 εικονοστοιχεία του αισθητήρα MERIS.

ΑΠΟΤΕΛΕΣΜΑΤΑ –ΣΥΜΠΕΡΑΣΜΑΤΑ

Τα αποτελέσματα της έρευνας εστιάζουν στην αξιολόγηση των διαφορών της φασματικής απόκρισης της βλάστησης κατα τις διαφορετικές περιόδους βλαστησης του έτους. Οι τιμές των δεικτών παρουσιάζουν ομοιότητες αλλά και διαφορές οι οποίες συσχετίχονται με τα φαινολογικά στάδια των διαφορετικών τύπων βλάστησης. Τα αποτελέσματα αποδεικνύουν την χρησιμότητα ορισμένων δεικτων στην αναγνώριση των φαινολογικών σταδίων ενώ ταυτόχρονα αναδεικνύουν τους συνδυασμούς αυτών που μπορούν να χρησιμεύσουν στην αναγνώριση των τύπων βλάστησης. Τα αποτελέσματα εστιάζουν στην σύγκριση των μετρούμενων τιμών μεταξύ των τύπων βλάστησης ωστε να καταστεί δυνατή η κατηγοριοποίηση των διαφορετικών τύπων καλλιεργειών και δασών στην περιοχή. Αρχικά υπολογίστηκαν και τοποθετήθηκαν σε κοινά γραφήματα τα αποτελέσματα των δεικτών για κάθε τύπο βλάστησης. Στην εικόνα1 φαίνεται η εξέλιξη των δεικτών για καλλιέργειες καλαμποκιού ανα μήνα. Είναι φανερό οτι για κάποιους δείκτες η μεταβολή είναι πολύ μικρή ενώ κάποιοι άλλοι δείχνουν σαφείς τάσεις αυξομοίωσης με κοινές περιοχές μεγίστου στον Ιούλιο, που αποτελεί και την περίοδο πλήρους ανάπτυξης και φωτοσυνθετικής δραστηριότητας της καλλιέργειας. Στην περίπτωση της ελαιοκράμβης τα αποτελέσματα είναι διαφορετικά. Όπως φαίνεται στην εικόνα 2 ο δείκτης χλωροφύλλης MTCI μεγιστοποιείται τον Μάιο για να αρχίσει να μειώνεται αμέσως μετά οπου αναγνωρίζεται ως η περίοδος ανθοφορίας και καρπόδεσης του φυτού. Αντίθετα ο δείκτης κάλυψης φυλλώματος μεγιστοποιείται τον Ιούλιο και αμέσως μετά μειώνεται ραγδαία καθώς έχει προηγηθεί η φάση θερισμού της καλλιέργειας. Στην περίπτωση των χορτολιβαδικών εκτάσεων η εξέλιξη είναι διαφορετική αλλά επίσης παρατηρούνται σημαντικές διαφοροποιήσεις μεταξύ των φαινολογικών σταδίων. Στην εικόνα 3 είναι φανερή η μεγιστοποίηση των δεικτών κάλυψης φυλλώματος LAI και fCover κατα τους θερμότερους θερινούς μήνας αλλά την ίδια περίοδο παρατηρείται μείωση του δείκτη χλωροφύλλης MTCI, το οποίο μπορεί να συνδέεται με τον μαρασμό της βλάστησης και της δραστηριότητάς της λόγω των υψηλών θερινών θερμοκρασιών. Αν εξετάσουμε τους δείκτες βλάστησης χωριστά θα παρατηρήσουμε οτι ο πιο κοινός, NDVI, αποτυπώνει τις μεταβολές των φαινολογικών σταδίων στις περισσότερες καλλιεργημένες και δασικές εκτάσεις όπως φαίνεται στην εικόνα 4. Οι διαφορές αντικατοπτρίζουν και την διαφορετική συμπεριφορά των διάφορων τύπων βλάστησης στις μεταβαλλόμενες κλιματικές συνθήκες. Η απόκριση του δείκτη χλωροφύλλης MTCI φαίνεται στην εικόνα 5. Αν εξετάσουμε την συμπεριφορά των δασών παρατηρείται άυξηση των τιμών καθ’όλη την περίοδο μελέτης με μέγιστο τον Ιούλιο. Για τις καλλιέργειες παρατηρούμε μεγιστοποίηση του δείκτη τον Ιούλιο και στη συνέχεια μείωση όπως είναι φυσικό λόγω της περιόδου συγκομιδής που έπεται. Πάντως ο συγκεκριμένος δείκτης παρουσιάζει σημαντικά μεγαλύτερη ευαισθησία στις μεταβολές κατα τα φαινολογικα στάδια. Στην εικόνα 6 φαίνεται η απόκριση του δείκτη κάλυψης fCover για τα είδη βλάστησης. Ο συγκεκριμένος δείκτης αναδεικνύει με ικανή διακριτότητα τις διαφορετικές φαινολογικές φάσεις και διαφοροποιεί τις δασώδεις από τις καλλιεργημένες εκτάσεις. Όλα τα παραπάνω δείχνουν την σημαντική δυναμική που των δεδομένων MERIS και των δεικτών που προκύπτουν από αυτά στην αξιολόγηση των φαινολογικών σταδίων των περισσότερων τύπων βλάστησης. Γενικά η ανάπτυξη συγκεκριμένων δεικτών με βάση τα κανάλια του αισθητήρα μπορεί να βοηθήσει στην αξιολόγηση της συμπεριφοράς συγκεκριμένων ειδών βλάστησης. Ο αισθητήρας MERIS έχει πλεονέκτημα έναντι των Landsat και Spot διότι ενσωματώνει περισσότερα κανάλια στην περιοχή του φάσματος μεταξύ ερυθρού και κόκκινου, την λεγόμενη Red Edge. Αυτό αποδεικνύεται από την υψηλότερη ευαισθησία των δεικτών που βασίζονται στα κανάλια της συγκεκριμένης περιοχης του φάσματος. Η μελέτη του δείκτη MTCI έδειξε οτι παρουσιάει πολύ μεγαλύτερες αποκλίσεις τιμών από τον NDVI για τις ίδιες φαινολογικές μεταβολές. Αυτό καθιστά τον δείκτη βέλτιστη επιλογή για την αναγνώριση και εκτίμηση του επιπέδου χλωροφύλλης στα φυτά που εξετάζονται. Σημαντικό πλεονέκτημα της μεθόδου αποτέλεσε επίσης η χρήση λογισμικού ανοιχτού κώδικα που καθιστά την διεξαγωγή έρευνας οικονομικά προσιτή σε όλους τους ερευνητές. Βέβαια η χρήση του θα πρέπει να γίνεται με προσοχή καθώς οι προγραμματισμέμοι αλγόριθμοι υπολογισμού των δεικτών μπορεί να έχουν σχεδιαστεί για διαφορετικούς αισθητήρες και να μην ταυτίζονται με τα κανάλια του MERIS δίνοντας λανθασμένα συμπεράσματα. Αδυναμία των αποτελεσμάτων μπορεί να χαρακτηριστεί η έλλειψη πολυετών δεδομένων για ανάλυση καθώς αυτό θα βελτίωνε την κανονικοποίηση μέσα στον χρόνο και θα απέδιδε καλύτερα την πραγματικότητα. Επίσης η χρήση των βάσεων δεδομένων θα μπορούσε να εμπλουτιστεί με περισσότερες πηγές.

Εικόνα 1:Εξέλιξη δεικτών βλάστησης αραβόσιτου.

Εικόνα 2:Εξέλιξη δεικτών βλάστησης ελαιοκράμβης.

Εικόνα 3:Εξέλιξη δεικτών βλάστησης χορτολίβαδων.

Εικόνα 4:Εξέλιξη NDVI για τα είδη κάλυψης.

Εικόνα 5:Εξέλιξη MTCI για τα είδη κάλυψης.

Εικόνα 6:Εξέλιξη fCover για τα είδη κάλυψης.