Παρατηρήσεις της γης και ολοκληρωμένα μοντέλα για την υποστήριξη των τροφίμων και την ασφάλεια νερού
Από RemoteSensing Wiki
(Νέα σελίδα με ''''Earth Observations and Integrative Models in Support of Food and Water Security''' '''Stephanie Schollaert Uz, Alex C. Ruane, Bryan N. Duncan, Compton J. Tucker, Georg...')
Επόμενη επεξεργασία →
Αναθεώρηση της 00:29, 30 Μαρτίου 2019
Earth Observations and Integrative Models in Support of Food and Water Security
Stephanie Schollaert Uz, Alex C. Ruane, Bryan N. Duncan, Compton J. Tucker, George J. Huffman, Iliana E. Mladenova, Batuhan Osmanoglu, Thomas R. H. Holmes, Amy McNally, Christa Peters-Lidard, John D. Bolten, Narendra Das, Matthew Rodell, Sean McCartney, Martha C. Anderson, Brad Doorn
Πηγή: https://link.springer.com/article/10.1007/s41976-019-0008-6
Εισαγωγή
Η παγκόσμια παραγωγή τροφίμων εξαρτάται από πολλούς παράγοντες που οι δορυφόροι της Γης παρακολουθούν συστηματικά για το νερό, την ενέργεια, τον καιρό και τα οικοσυστήματα. Τα ολοένα και πιο εξελιγμένα, διαθέσιμα στο κοινό δορυφορικά δεδομένα μπορούν να βελτιώσουν την αποτελεσματικότητα της διαχείρισης των πόρων και να παράσχουν νωρίτερα ένδειξη περιβαλλοντικής διαταραχής. Η δορυφορική τηλεπισκόπηση παρέχει ένα συνεκτικό, μακροπρόθεσμο αρχείο το οποίο μπορεί να χρησιμοποιηθεί αποτελεσματικά για την ανίχνευση μεγάλων χαρακτηριστικών με την πάροδο του χρόνου, όπως η αναπτυσσόμενη ξηρασία. Σαφώς, η παρακολούθηση των συστημάτων παραγωγής και διανομής τροφίμων, εκτός από την ποσότητα και την ποιότητα του νερού για την υποστήριξη της επισιτιστικής ασφάλειας, απαιτεί μια συνολική προοπτική.
Παρατηρούμενο: Πρωτογενής παραγωγή
Υπάρχουν αρκετές τεχνικές που χρησιμοποιούν δορυφορικές παρατηρήσεις για τον προσδιορισμό της πρωτογενούς παραγωγής, πλεονέκτημα αυτών των προσεγγίσεων είναι ότι οι δορυφορικές παρατηρήσεις παρέχουν ρεαλιστικές συνθήκες επιφάνειας φωτοσυνθετικής ικανότητας βλάστησης, φαινολογίας, διαταραχών, ανάκτησης και ανθρώπινης διαχείρισης. Οι εκτιμήσεις της γεωργικής παραγωγής πρέπει να περιορίζονται σε συγκεκριμένες καλλιεργούμενες εκτάσεις για να αποφευχθεί η σύγχυση από άλλες καλλιέργειες, από τη φυσική βλάστηση και από περιοχές χωρίς βλάστηση. Αυτό μεταφράζεται στο να ακολουθούνται συγκεκριμένες καλλιέργειες στο χρόνο με συνεχείς παρατηρήσεις. Αυτή η δυνατότητα είναι διαθέσιμη από το διάστημα, τώρα με μεγαλύτερη ακρίβεια και χαμηλότερη καθυστέρηση, με σταθερή απεικόνιση γης από Landsat-8, Sentinel-2a και Sentinel-2b. (Εικ. 1)
Παρατηρούμενο: Υποβάθμιση γης
Έχουν προσδιοριστεί τρεις δείκτες ως μετρήσεις για την ποσοτικοποίηση της υποβάθμισης της γης, οι οποίες είναι επίσης γεωφυσικές μεταβλητές που μετρώνται από τους δορυφόρους που βρίσκονται σε τροχιά γύρω από τη Γη: κάλυψη εδάφους, αποθέματα άνθρακα και παραγωγικότητα γης ή ακαθάριστη πρωτογενής παραγωγή.
Παρατηρούμενο: Κατακρημνίσεις
Ένα σχετικά μακρύ ιστορικό δεδομένων κατακρημνίσεων είναι διαθέσιμο από μετρητές επιφανειών, οι οποίοι παρέχουν μετρήσεις σημείου ως συνάρτηση του χρόνου. Μια δεύτερη προσέγγιση για την ανάπτυξη καταγραφών βροχοπτώσεων είναι η χρήση μετρήσεων επιφανειακών ραντάρ από τις οποίες εκτιμάται η ποσότητα κατακρήμνισης. Αυτές οι εκτιμήσεις μπορεί να είναι τοπικά χρήσιμες στις Η.Π.Α. και τη Δυτική Ευρώπη, αλλά η συστηματική κάλυψη αλλού στερείται. Η τρίτη προσέγγιση για τη λήψη πληροφοριών παγκόσμιας βροχόπτωσης είναι η χρήση δορυφορικών αισθητήρων. Τις τελευταίες δεκαετίες, αυτό έχει γίνει η κυρίαρχη προσέγγιση για πολλές εφαρμογές λόγω της οιονεί παγκόσμιας κάλυψης από τους δορυφόρους, μιας αποδεκτής καλής κλίμακας χρόνου / χώρου των αποτελεσμάτων και σχετικά μικρής διάρκειας λανθάνουσας περιόδου. Ένα σημαντικό πλεονέκτημα για τους δορυφόρους είναι ότι συνήθως παρέχουν εκτιμήσεις βροχόπτωσης τόσο σε γήινο όσο και σε ωκεάνιο περιβάλλον.
Παρατηρούμενο: Αποθέματα νερού
Ένα μέρος του νερού που κατακρημνίζεται πάνω στην επιφάνεια της γης αποθηκεύεται ως επιφανειακά ύδατα, χιόνι, πάγος, υγρασία εδάφους ή υπόγεια ύδατα. Το σύνολο αυτών , γνωστό ως TWS (Terrestrial Water Storage) είναι δύσκολο να παρακολουθείται σε περιφερειακή ή και σε παγκόσμια κλίμακα χρησιμοποιώντας επίγεια δίκτυα. Η αποστολή της NASA Gravity Recovery and Climate Experiment (GRACE) και ο διάδοχός της, το GRACE Follow On Mission, μετρούν τις χρονικές αλλαγές στο πεδίο της βαρύτητας της Γης, οι οποίες μπορούν να ερμηνευτούν για να προσδιορίσουν τις παραλλαγές στο TWS. Επειδή η δορυφορική βαρυμετρία είναι η μόνη τεχνολογία τηλεπισκόπησης ικανή να ανιχνεύει αλλαγές στην αποθήκευση νερού κάτω από τα πρώτα εκατοστά του εδαφους συμπεριλαμβανομένων των υπόγειων υδάτων, το GRACE αποδείχθηκε εξαιρετικά πολύτιμο για την υδρολογική επιστήμη και τις σχετικές εφαρμογές.
Παρατηρούμενο: Ισοδύναμο ύδατος χιονιού
Το ισοδύναμο ύδατος χιονιού (SWE) περιγράφει την ισοδύναμη ποσότητα υγρού νερού που αποθηκεύεται σε μορφή χιονιού. Ένας τρόπος για να υπολογισμού του SWE είναι να πολλαπλασιαστεί το βάθος χιονιού με την πυκνότητα του πάνω από μια περιοχή που καλύπτεται από χιόνι. Ωστόσο, οι άμεσες μετρήσεις συχνά λείπουν, ιδίως στις απομακρυσμένες περιοχές. Ως εκ τούτου, οι αγροκλιματολόγοι χρησιμοποιούν μετρήσεις και μοντέλα με τηλεπισκόπηση για να καταλήξουν στο συμπέρασμα όπου μπορεί να υπάρξει πλημμύρα όταν λιώνει το χιόνι και πόσο νερό αναμένεται για άρδευση κατά τη διάρκεια της καλλιεργητικής περιόδου. Αισθητήρες της NASA, όπως ο AMSR-2 και το ASO, μπορούν να μετρήσουν ισοδύναμο ύδατος χιονιού (SWE) από απόσταση. Το AMSR2 παρέχει κάλυψη 99% της Γης κάθε 2 ημέρες.
Παρατηρούμενο: Υγρασία εδάφους
Η διαθεσιμότητα κατάλληλων και έγκαιρων πληροφοριών σχετικά με την υγρασία του εδάφους έχει μεγάλη σημασία για πολλές εφαρμογές, όπως η πρόγνωση του καιρού και η χαρτογράφηση της ξηρασίας και των πλημμυρών, οι οποίες συνδέονται στενά με την παρακολούθηση της υγείας των φυτών και της δημιουργίας αποδόσεων. Η παρακολούθηση της υγρασίας του εδάφους μπορεί να επιτευχθεί με χρήση επί τόπου αισθητήρων, με τη χρήση τεχνικών εξομοίωσης δεδομένων κι εκτίμηση της υγρασίας εδάφους μέσω δορυφόρου με χρήση μοντέλων μεταφοράς ακτινοβολίας ή βάσει μοντέλων ισοζυγίου νερού ή ενέργειας.
Παρατηρούμενο: Εξατμισοδιαπνοή
Επειδή η εξατμισοδιαπνοή (ΕΔ) μπορεί να διαφέρει από πεδίο σε πεδίο, απαιτείται χωρική ανάλυση 50-100 μέτρων για την εξαγωγή πληροφοριών για τους μεμονωμένους αγρότες. Σε αυτή την ανάλυση, η πιο άμεση διάγνωση της ΕΔ είναι η επιφανειακή θερμοκρασία που παρατηρείται μέσω των θερμικών υπέρυθρων αισθητήρων, κυρίως του Landsat. Υπάρχουν διάφορες διαφορετικές προσεγγίσεις που εκτιμούν την ΕΔ από παρατηρήσεις θερμοκρασίας επιφανείας σε συνδυασμό με ανάλυση του επιφανειακού ισοζυγίου ενέργειας. Η επεξεργασία και η βαθμονόμηση μεγάλων εικόνων Landsat απαιτεί μεγάλη υπολογιστική ισχύ και επιδρά στη διαθεσιμότητα και την καθυστέρηση των εκτιμήσεων EΔ υψηλής ανάλυσης για τους ενδιαφερόμενους. Η χρήση της νεφοϋπολογιστικής (cloud computing) επιτρέπει τώρα την επεξεργασία των εικόνων Landsat σε μεγαλύτερη κλίμακα. Ένα παράδειγμα αυτού είναι η προσαρμογή του METRIC στο Google Earth Engine (GEE) που επιτρέπει τη βαθμονόμηση των εικόνων Landsat με δεδομένα μετεωρολογικού σταθμού και την παραγωγή ροής εξατμισοδιαπνοής (EEFlux). Πλέον οποιοσδήποτε με σύνδεση στο διαδίκτυο μπορεί να αποκτήσει πρόσβαση σε δεδομένα Landsat, να επιλέξει μια τοποθεσία και να δει έναν χάρτη εξατμισοδιαπνοής μέσα σε λίγα δευτερόλεπτα.
Παρατηρούμενο: Ποιότητα νερού
Η σημασία της ποιότητας των υδάτων για την ασφάλεια των τροφίμων προσδίδει επείγουσα ανάγκη στην απομάκρυσμένη παρακολούθηση των παραμέτρων της. Η αλλαγή της χρήσης γης, η αστική εξάπλωση, η υγεία του οικοσυστήματος, η βλάστηση και η κάλυψη των καλλιεργειών έχουν παρακολουθείται σε χωρική ανάλυση 30 μέτρων περίπου δύο φορές το μήνα για αρκετές δεκαετίες από δορυφόρους Landsat. Αν και δεν έχει βελτιστοποιηθεί για υδρόβιες μετρήσεις, ο Landsat 8 Operational Land Imager (OLI) της NASA / USGS πρόσθεσε νέες φασματικές ζώνες που μπορούν να εφαρμοστούν σε υδάτινους πόρους και σε έρευνες στην παράκτια ζώνη για καθαρότητα, θολερότητα, χλωροφύλλη-α και θερμοκρασία επιφανείας. Τα υδάτινα οικοσυστήματα στον ανοιχτό ωκεανό παρακολουθούνται συνεχώς από το διάστημα για τα τελευταία 20 χρόνια από φασματοσκόπια ωκεάνιου χρώματος της NASA . Αυτοί οι δορυφορικοί αισθητήρες σχεδιάστηκαν για να παρέχουν σχεδόν καθημερινή θέα στον ανοιχτό ωκεανό, όπου οι δυνατότητες δειγματοληψίας είναι σπάνιες και δαπανηρές. Το χρώμα που μετράται στην επιφάνεια του ωκεανού χρησιμοποιείται για να εξαχθούν συγκεντρώσεις χλωροφύλλης-α, η πρωτεύουσα φωτοσυνθετική χρωστική ουσία στο φυτοπλαγκτόν. Παρόλο που οι δορυφορικές παρατηρήσεις δεν ανιχνεύουν την παρουσία τοξινών, είναι χρήσιμες για την εκτίμηση της αφθονίας των κυανοβακτηρίων και την in situ κατευθυνόμενη δειγματοληψία. Η τηλεπισκόπηση παρουσιάζει επίσης επιλογές για την ανίχνευση διαλυμένων οργανικών ατόμων άνθρακα και επιπρόσθετες μεταβλητές ποιότητας νερού. (Εικ. 2)
Παρατηρούμενο: Ποιότητα αέρα
Αν και δεν είναι εφικτό να συναχθεί η επιφάνεια O3 από τα δορυφορικά δεδομένα του O3, οι δορυφόροι παρέχουν πληροφορίες για τους χημικούς προδρόμους που οδηγούν στο σχηματισμό του, συμπεριλαμβανομένων των οξειδίων του αζώτου. Τα δορυφορικά δεδομένα του NO2 εισάγονται στις προσομοιώσεις υπολογιστών της ατμοσφαιρικής χημείας και των μεταφορών για την εκτίμηση της ρύπανσης της επιφάνειας του O3. Αυτές οι προσομοιώσεις δίνουν πολύτιμες πληροφορίες για τα επίπεδα Ο3 σε γεωργικές περιοχές, τη μεταφορά O3 από αστικές σε αγροτικές περιοχές και πώς εξελίσσονται τα επίπεδα O3 με την πάροδο του χρόνου. Τα δεδομένα NO2 από το ολλανδικό -φινλανδικό όργανο παρακολούθησης του όζοντος (OMI), ένα φασματόμετρο που παρατηρεί την ηλιακή ακτινοβολία οπισθοσκέδασης στα ορατά και υπεριώδη μήκη κύματος, μας έδωσαν μια άνευ προηγουμένου εικόνα του τρόπου με τον οποίο το ΝΟ2 ποικίλει σε όλο τον κόσμο, συμπεριλαμβανομένων των γεωργικών περιοχών. Οι παρατηρήσεις της ατμοσφαιρικής αμμωνίας (NH3) από δορυφορικά όργανα δίνουν συμπληρωματικές πληροφορίες στα δεδομένα NO2 υποδεικνύοντας πότε και πού εφαρμόζονται λιπάσματα με βάση το άζωτο.
Φυσικό Μοντέλο: Εξομοίωση Δεδομένων Υδρολογίας
Η παρακολούθηση και η πρόβλεψη της ξηρασίας και οι επιπτώσεις της στις καλλιέργειες απαιτούν έναν αντικειμενικό ορισμό της ξηρασίας ή μιας διαδικασίας σύγκλισης των αποδεικτικών στοιχείων με την οποία μπορεί να προσδιοριστεί η ξηρασία. Το Σύστημα Εξωραϊσμού Δεδομένων Γης- Land Data Assimilation System (LDAS) είναι μια προσπάθεια που λαμβάνει πολλές από αυτές τις δορυφορικές παρατηρήσεις και τις εξομοιώνει με άλλες παρατηρήσεις και παραγωγή μοντέλου για χρήση σε τακτικές αναδρομικές και τρέχουσες εκτιμήσεις και προβλέψεις.
Μοντέλα επιπτώσεων: Αναδρομική, σε πραγματικό χρόνο και μελλοντική ανάλυση των καλλιεργειών
Τα μοντέλα καλλιέργειας με βάση τη διαδικασία προσομοιώνουν την καθημερινή ανάπτυξη και ανάπτυξη των καλλιεργειών κατά τη διάρκεια μιας γεωργικής περιόδου ανταποκρινόμενοι στο περιβάλλον, τη διαχείριση και τη γενετική, όπως προσδιορίζονται από τις θεμελιώδεις βιοφυσικές διεργασίες. Οι περιβαλλοντικοί οδηγοί περιλαμβάνουν συνθήκες εντός του προφίλ του εδάφους (υφή, θερμοκρασία και υγρασία εντός 5-10 στρώσεων εδάφους που εκτείνονται σε περίπου 2 μέτρα κάτω από την επιφάνεια) και επιφανειακή μετεωρολογία (συνήθως ημερήσιες μέγιστες και ελάχιστες θερμοκρασίες, βροχοπτώσεις και ηλιακή ακτινοβολία, περιλαμβάνουν επίσης τη σχετική υγρασία ή την τάση ατμών και την ταχύτητα του ανέμου).
Μοντέλα ζημιών: Παράσιτα και ασθένειες
Ενώ υπάρχουν εκατομμύρια συγκεκριμένων παρασίτων και ασθενειών που επηρεάζουν τα συστήματα καλλιέργειας, αυτά μπορούν να γενικευθούν σύμφωνα με κρίσιμα κλιματολογικά όρια για την εξάπλωσή τους και τους τρόπους με τους οποίους επηρεάζουν τα φυτά . Οι πληροφορίες για τη γη μπορούν να εντοπίσουν συνθήκες που ευνοούν την εξάπλωση επιβλαβών οργανισμών και ασθενειών, καθώς και να αναγνωρίζουν τα επηρεαζόμενα φυτά ως στοιχείο των συστημάτων έγκαιρης προειδοποίησης που επιτρέπουν διορθωτικές ή προπαρασκευαστικές παρεμβάσεις.
Μοντέλα κινδύνου: Διαταραχές και καταστροφές σε συγκεκριμένους τομείς
Τα συστήματα στήριξης αποφάσεων μπορούν να χρησιμοποιούν πληροφορίες της NASA για την κατανομή, την παρακολούθηση και την πρόβλεψη σημαντικών αγρο-κλιματολογικών κινδύνων. Οι μετεωρολογικές παρατηρήσεις και τα ατμοσφαιρικά μοντέλα εντοπίζουν τα κύματα καύσωνα, τα κρύα σκουπίδια, τις πλημμύρες, την ξηρασία, τις καταιγίδες, το χαλάζι και τα φαινόμενα βροχής που μπορούν να μειώσουν την απόδοση, να βλάψουν την ποιότητα της παραγωγής ή να σκοτώσουν τις καλλιέργειες πριν τη συγκομιδή. Το επίπεδο της διαταραχής εξαρτάται από το μέγεθος, τη χωρική έκταση, τη διάρκεια και το χρονοδιάγραμμα αυτών των ακραίων σε σύγκριση με τα κρίσιμα στάδια ανάπτυξης των καλλιεργειών. Τα μοντέλα και τα προϊόντα παρατήρησης μπορούν επίσης να χρησιμοποιηθούν για τον εντοπισμό σημαντικών εξωτερικών κινδύνων που επηρεάζουν το σύστημα τροφίμων. Τα μετεωρολογικά προϊόντα μπορούν να εντοπίσουν συνθήκες που ευνοούν την εξάπλωση παρασίτων και ασθενειών, ενώ οι δορυφόροι μπορούν να παρατηρήσουν την καθαρή τους μείωση της γεωργικής παραγωγικότητας. Οι δορυφόροι αποτελούν επίσης σημαντικά στοιχεία αντίδρασης και προσπαθειών ανάκαμψης μετά από μεγάλες καταστροφές που μπορούν να επηρεάσουν τα δίκτυα μεταφοράς γεωργικών προϊόντων, συμπεριλαμβανομένων των τυφώνων, των κατολισθήσεων, των σεισμών, των τσουνάμι και των πλημμυρών.
Μοντέλα κλιματικής αλλαγής
Τα προϊόντα πληροφόρησης για τη γη παρέχουν κρίσιμες πληροφορίες σχετικά με τα παγκόσμια γεωργικά συστήματα, το τρέχον κλίμα και τις μελλοντικές προβλέψεις για αυτό. Τα μοντέλα καλλιέργειας με βάση τη διαδικασία που καθοδηγούνται από την εισαγωγή πληροφοριών γης είναι ιδιαίτερα χρήσιμα για μελέτες επιπτώσεων στο κλίμα, δεδομένης της ικανότητάς τους να συλλαμβάνουν μη γραμμικές αποκρίσεις εκτός των παρατηρούμενων συνθηκών.
Συμπεράσματα
Τα παγκόσμια προϊόντα δορυφορικών δεδομένων και τα ολοκληρωμένα μοντέλα απαιτούνται για την καλύτερη κατανόηση και διαχείριση των πόρων στη σχέση τροφίμων-νερού-ενέργειας. Η παγκόσμια παρακολούθηση των γεωφυσικών μεταβλητών από τους δορυφόρους παρέχει ποσοτικοποίηση σχεδόν στο πραγματικό χρόνο του συστήματος της Γης, το οποίο μπορεί να εξομοιωθεί με εργαλεία έγκαιρης προειδοποίησης και πρόβλεψης.