Satelitarny monitoring ekosystemów wysokogórskich
Transkrypt
Satelitarny monitoring ekosystemów wysokogórskich
SATELITARNY MONITORING EKOSYSTEMÓW WYSOKOGÓRSKICH Ze względu na znaczną wrażliwość na zmiany klimatyczne terenów wysokogórskich, należą one do najbardziej cennych naukowo obszarów. Wszelkie zmiany warunków termicznych przekładają się na zmiany zasięgów występowania pokrywy śnieżnej oraz występowania poszczególnych zbiorowisk roślinnych. Wielowymiarowość obrazów hiperspektralnych pozwala obserwować zmienność poszczególnych cech obiektu w dowolnym kanale (górna i prawa krawędź zobrazowania). Źródło: KGiT WGiSR UW Tworzenie map rozmieszczenia gatunków zaczyna być standardową możliwością teledetekcji hiperspektralnej. Źródło: KGiT WGiSR UW Jeszcze kilka lat temu podstawowym wkładem teledetekcji satelitarnej w badania nad roślinnością była możliwość tworzenia map pokrycia terenu w skalach mniejszych niż około 1:50 000, a wykorzystanie kilku kanałów spektralnych pozwalało na gromadzenie informacji o stanie i kondycji roślinności (np. biomasa, temperatura radiacyjna badanych powierzchni, estymacja wilgotności biotopu). Obecnie prace nad monitoringiem roślinności zmierzają w kierunku identyfikacji poszczególnych gatunków, analizy ich rozmieszczenia oraz badania stanu barwników i struktur komórkowych. Z drugiej strony tworzy się skanery o szerokim kącie widzenia i niewielkiej rozdzielczości przestrzennej (np. SPOT Vegetation) w celu prowadzenia © Polskie Biuro ds. Przestrzeni Kosmicznej Ewidentnym utrudnieniem dla badaczy jest niedostępność terenu, duże deniwelacje, krótki okres wegetacyjny oraz wyjątkowo duża dynamika zmian pogody. Możliwe jest w takich przypadkach wykorzystanie danych satelitarnych, które we wstępnym opracowaniu powinny by poddane korekcji geometrycznej i atmosferycznej. Warunkuje to prawidłowy przebieg dalszych prac. Opracowując korekcję geometryczną należy znaleźć kilkanaście punktów z pomiarów terenowych GPS, które będą dobrze identyfikowalne na zobrazowaniu. Podczas korekcji atmosferycznej eliminuje się z zarejestrowanego obrazu wpływ atmosfery oraz orografii terenu. Wymaga to użycia dokładnego numerycznego modelu terenu oraz kilkunastu pomiarów spektrometrycznych pomierzonych na poligonach kalibracyjnych. Wszystkie pomiary spektrometryczne muszą zostać wykonane w trakcie wykonywania zobrazowania, by uchwycić stan atmosfery. W wielu przypadkach znalezienie takich poligonów jest dość trudne, ponieważ ich rozmiar powinien być 3-5 razy większy niż piksel (dla danych Hyperion lub Landsat ETM+ powinny to być homogeniczne tereny o powierzchni 90x90 – 150x150 m). Ponadto powinny charakteryzować się dużym i małym odbiciem (jasne i ciemne spektralnie). Ciemnym spektralnie poligonem może być czysta i głęboka woda, natomiast jasnym, np. duże powierzchnie ścian skalnych, czy dużych homogenicznych płatów roślinności. Najnowsze algorytmy stosowane do korekcji atmosfery umożliwiają eliminację cieni chmur (np. ATCOR 2007). Wykonanie powyższych procedur umożliwia prowadzenie prawidłowych analiz, np. klasyfikacji zbiorowisk roślinnych znajdujących się po południowej stronie góry, gdzie znacznie szybciej zanika śnieg i zaczyna się okres wegetacyjny niż po stronie północnej. Wielowymiarowość danych hiperspektralnych w znaczący sposób ułatwia identyfikację badanych obiektów, ponieważ można je identyfikować w dowolnych przestrzeniach spektralnych. Źródło: KGiT WGiSR UW monitoringu roślinności na dużych obszarach (od lat pracujący z sukcesami skaner NOAA AVHRR dostarczając dane do modelowania stanu upraw rolniczych). Największe zmiany zachodzą jednak w procedurach przetwarzania danych. Jako pierwszy przykład może służyć powszechne stosowanie korekcji atmosferycznej dla danych wielospektralnych, jeszcze kilka lat temu nie była to obowiązująca procedura. Obecnie, wraz z pojawieniem się danych hiperspektralnych jest to wręcz konieczność. Kolejne różnice to modelowanie sygnału uzyskanego z satelity - bierze się pod uwagę geometrię układu: Słońce – obiekt – detektor, kąt padania i odbicia promieniowania elektromagnetycznego wpływa na rejestrowaną przez detektor wartość odbicia. W przypadku klasyfikacji poszczególnych gatunków w środowisku wysokogórskim, gdzie, jak już wspomniano, występuje duża różnorodność zbiorowisk roślinnych oraz ekspozycji i spadków terenu, koniecznym staje się wykonanie modelowania dwukierunkowości odbicia sygnału (BRDF). Następny element coraz silniej wkraczający w prace nad monitoringiem ekosystemów wysokogórskich to modelowanie transmisji promieniowania (RTM), którego głównym zadaniem jest rozpoznanie kierunków przebiegu promieni słonecznych w warstwie roślinności i analiza jego wykorzystania przez rośliny (np. model CRASh). Wszystko to ma za zadanie dokładne rozpoznanie bilansu i geometrii rozkładu promieniowania, które w widzialnym zakresie jest podstawą procesów fotosyntezy, przekładając się na procesy fizjologiczne roślin, w tym przyrost biomasy. RTM pośrednio świadczy o ekosystemie i zmianach jakie w nim zachodzą. Analiza zdolności akumulacji energii (fAPAR) fotosyntetycznie czynnej (fAPAR), czy powierzchni projekcyjnej liści (LAI) bazowały do tej pory głównie na danych pozyskanych z badań terenowych. Obecnie powszechnie modeluje się je na podstawie cech spektralnych pozyskanych z danych hiperspektralnych. Źródło: KGiT WGiSR UW Kolejne kierunki, w których zmierza przetwarzanie danych to nowe algorytmy ich klasyfikacji. Obecnie dane hiperspektralne z powodzeniem bazują na rozbudowanych informacjach znajdujących się w poszczególnych zakresach spektralnych. W trakcie klasyfikacji obrazu porównuje się krzywe odbicia spektralnego pozyskane z każdego piksela obrazu do wzorców uzyskanych z baz danych (biblioteki spektralne) lub homogenicznych i czystych spektralnie pikseli (endmembers). Efekty tych klasyfikacji to zbiory rozmyte określające w sposób statystyczny prawdopodobieństwo wystąpienia danego gatunku na danym obszarze. Umożliwia to tworzenie zaawansowanych scenariuszy składu poszczególnych zbiorowisk roślinnych. Różnice w klasyfikacji danych kryją się także w algorytmach poszukiwania obiektów na zdjęciu. Pierwszy z nich, klasyfikacja obiektowa umożliwia dokładniejszą analizę poszczególnych pikseli poprzez agregacje ich w grupy (segmenty) z uwzględnieniem cech spektralnych i teksturalnych oraz budowanie hierarchii obiektów. Podobne możliwości przedstawiają symulatory sztucznych sieci neuronowych, które umożliwiają zmianę decyzji podczas klasyfikacji danych. Ciekawą, aczkolwiek nie najnowszą koncepcją są drzewa decyzyjne, które obecnie przeżywają swój renesans, gdyż stosuje się w nich najnowsze strategie klasyfikacji danych względem uzyskiwanych wyników. Patrząc w przyszłość należy stwierdzić, iż czeka nas dalszy intensywny rozwój technik hiperspektralnych, tworzenie bardziej zaawansowanych modeli analizujących procesy © Polskie Biuro ds. Przestrzeni Kosmicznej środowiskowe, a także weryfikujących dotychczasowe prognozy i stan wiedzy o środowisku i jego zmianach. Bez najmniejszej wątpliwości należy stwierdzić, iż w przyszłości teledetekcyjne prace badawcze będą powiązane z bardzo dokładnymi analizami z zakresu fizjologii roślin. Będzie dążyć się do połączenia informacji uzyskanej z pomiarów prowadzonych na poziomie tkanek w laboratoriach fizjologii roślin z tym, co jest rejestrowane przez satelitę na wysokości kilkuset kilometrów nad powierzchnią ziemi. Obecnie brzmi to jak rodzaj opowieści science-fiction, ale już dziś mamy bardzo wiele dowodów, że nastąpi to jeszcze na początku drugiej dekady tego wieku. Opracowanie: B. Zagajewski © Polskie Biuro ds. Przestrzeni Kosmicznej