Analysis of the Vegetation Process in a Two-stage Reservoir on the Basis of Satellite Imagery – a Case Study: Radzyny Reservoir on the Sama River

Jaskuła, J.; Sojka, M.; Wicher-Dysarz, J.

Artykuł - szczegóły

Tytuł artykułu

Analysis of the Vegetation Process in a Two-stage Reservoir on the Basis of Satellite Imagery – a Case Study: Radzyny Reservoir on the Sama River

Autorzy

Jaskuła J. , Sojka M. , Wicher-Dysarz J.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

Warianty tytułu

Analiza procesu wegetacji w dwustopniowym zbiorniku retencyjnym na podstawie zdjęć satelitarnych – zbiornik Radzyny na rzece Sama

Języki publikacji

Abstrakty

The main purpose of the study was to assess the dynamics of the vegetation process in a two-stage reservoir on the basis of satellite data. The analysis is based on Sentinel-2 satellite data from the period 2015-2017. The normalized difference vegetation index (NDVI) was selected to detect the vegetation process in the Radzyny reservoir located on the Sama river. The reservoir is split into two parts – the main and the pre-dam zone. The main role of the pre-dam reservoir is to store sediments and water pollutants. The main problem related to the management of the Radzyny reservoir is water quality. Particularly high concentrations of phosphorus compounds may lead to reservoir vegetation. The vegetation process was analyzed for the main and pre-dam reservoir. To specify areas mainly affected by vegetation, the reservoir was split into 10 parts, depending on the distance from the inflow of the Sama river (distance between profiles splitting polygons is 500 m). All calculations were performed using Quantum GIS 2.18 and ArcGIS 10.5 software, and statistical analysis was conducted with Statistica 13 software. The analysis showed that the NDVI values in the period from May to September in the pre-dam reservoir were higher than those recorded in the main reservoir. The greatest variation of the NDVI within the pre-dam reservoir was observed in August while the lowest was observed in May. In the main reservoir, NDVI values were characterized by similar variability. The analysis of the vegetation process along the reservoirs showed that in the pre-dam reservoir in zones 1-4 there was a marked decrease in the NDVI. The highest NDVI values occurred at the inlet to the pre-dam reservoir (zone 1) while the lowest values occurred near the pre-dam (zone 4). The results indicate that the functions assumed at the design stage for the preliminary reservoir have been implemented, i.e. protection of the main reservoir against sediment accumulation and water quality degradation. SENTINEL-2 satellite imagery allows analysis of the vegetation process in retention reservoirs in terms of time and space. The study suggests that open-access satellite data are a more effective source for aquatic monitoring than traditional in situ measurements, in which water bodies are represented by a single sampling point.

Celem pracy była analiza procesu wegetacji w dwustopniowym zbiorniku retencyjnym na podstawie zdjęć satelitarnych. Do analizy wykorzystano zobrazowania z satelity Sentinel-2 z okresu 2015-2017. Ocenę procesu wegetacji w zbiorniku Radzyny na rzece Samie przeprowadzono na podstawie indeksu spektralnego - Normalized Vegetation Index (NDVI). Analizowany zbiornik Radzyny ma dwustopniową konstrukcję. Wydzielono w nim część główną oraz wstępną. Do podstawowych zadań części wstępnej należy ochrona zbiornika głównego przed sedymentacją oraz dopływem związków biogennych. Jednym z podstawowych problemów związanych z funkcjonowaniem zbiornika Radzyny jest dopływ związków fosforu, który prowadzi do eutrofizacji wód gromadzonych w zbiorniku. Proces wegetacji w zbiorniku Radzyny był analizowany dla części wstępnej oraz zbiornika głównego. W celu dokładnego określenia części zbiornika, które są najbardziej narażone na proces degradacji, podzielono zbiornik na 10 części, w zależności od odległości od wpływu rzeki Sama (dystans pomiędzy przekrojami ograniczającymi wydzielone strefy wynosił 500 m). Wszystkie analizy przestrzenne wykonane zostały w programie Quantum GIS 2.18 oraz ArcGIS 10.5. Analizy statystyczne zostały przeprowadzone w programie Statistica 13. Przeprowadzone analizy wykazały, że wartości wskaźnika NDVI w okresie od maja do września były wyższe w zbiorniku wstępnym. Największą zmienność wskaźnika NDVI w części wstępnej zaobserwowano w sierpniu, natomiast najmniejszą w maju. Zbiornik główny w okresie 2015-2017 charakteryzował się niższymi wartościami i większą stabilnością wskaźnika NDVI. Analiza zmienności NDVI wykazała, że w części wstępnej (strefy 1-4) następuje spadek wartości na długości zbiornika. Najwyższe wartości wskaźnika występują w pobliżu wpływu rzeki do zbiornika (strefa 1), podczas gdy najniższe przy przegrodzie (strefa 4). Na podstawie uzyskanych wyników, potwierdzono, że część wstępna pełni funkcję ochronną zbiornika głównego, m.in. ogranicza dopływ związków biogennych oraz skupia proces akumulacji osadów dennych. Uzyskane wyniki potwierdzają możliwość zastosowania danych satelitarnych Sentinel-2 do analizy procesu wegetacji w zbiornikach retencyjnych w ujęciu czasowym i przestrzennym. Stwierdzono, że analiza na podstawie zobrazowań satelitarnych charakteryzuje się większą efektywnością w monitoringu środowisk wodnych niż tradycyjne pomiary terenowe, w których wody powierzchniowe oceniane są na podstawie pojedynczych pomiarów.

Słowa kluczowe

vegetation process two-stage reservoir satellite imagery NDVI Sentinel-2

proces wegetacji zbiornik dwustopniowy zobrazowania satelitarne NDVI Sentinel-2

Wydawca

Politechnika Koszalińska

Czasopismo

Rocznik Ochrona Środowiska

Rocznik

2018

Tom

Tom 20, cz. 1

Strony

203--220

Opis fizyczny

Bibliogr. 39 poz., tab., rys.

Twórcy

autor

Jaskuła J.

Poznań University of Life Sciences

autor

Sojka M.

Poznań University of Life Sciences

autor

Wicher-Dysarz J.

Poznań University of Life Sciences

Bibliografia

1. Agutu, N. O., Awange, J. L., Zerihun, A., Ndehedehe, C. E., Kuhn, M., & Fukuda, Y. (2017). Assessing multi-satellite remote sensing, reanalysis, and land surface models' products in characterizing agricultural drought in East Africa. Remote Sensing of Environment, 194, 287-302.
2. Bartoszek, L. & Koszelnik, P. (2016). The qualitative and quantitative analysis of the coupled C, N, P and Si retention in complex of water reservoirs. SpringerPlus, 5(1), 1157.
3. Borek, Ł. (2018). Vegetation risk of water in the manor-park channels: different ways of evaluation. Carpathian Journal of Earth and Environmental Sciences, 13(2), 409-421.
4. Brown, M. E. (2015). Satellite remote sensing in agriculture and food security assessment. Procedia Environmental Sciences, 29, 307.
5. Chormański, J., Okruszko, T., Ignar, S., Batelaan, O., Rebel, K. T., & Wassen, M. J. (2011). Flood mapping with remote sensing and hydrochemistry: A new method to distinguish the origin of flood water during floods. Ecological Engineering, 37(9), 1334-1349.
6. Clark, J.M., Schaeffer, B.A., Darling, J.A., Urquhart, E.A., Johnston, J.M., Ignatius, A.R., Myer, M.H., Loftin, K.A., Werdell, P.J., Stumpf, R.P. (2017). Satellite monitoring of cyanobacterial harmful algal bloom frequency in recreational waters and drinking water sources. Ecological Indicators, 80, 84-95.
7. Dąbrowska, J., Lejcuś, K., Kuśnierz, M., Czamara, A., Kamińska, J., & Lejcuś, I. (2016). Phosphate dynamics in the drinking water catchment area of the Dobromierz Reservoir. Desalination and Water Treatment, 57(53), 25600- 25609.
8. Directive 2000/60/EC of the European Parliament and of the Council establishing a framework for the Community action in the field of water policy. Official Journal of the European Communities, 327(1), 1-72.
9. Dlamini, S., Nhapi, I., Gumindoga, W., Nhiwatiwa, T., & Dube, T. (2016). Assessing the feasibility of integrating remote sensing and in-situ measurements in monitoring water quality status of Lake Chivero, Zimbabwe. Physics and Chemistry of the Earth, Parts A/B/C, 93, 2-11.
10. Dörnhöfer, K., Klinger, P., Heege, T., & Oppelt, N. (2018). Multi-sensor satellite and in situ monitoring of phytoplankton development in a eutrophicmesotrophic lake. Science of The Total Environment, 612, 1200-1214.
11. Dysarz, T., & Wicher-Dysarz, J. (2011). Application of Hydrodynamic Simulation and Frequency Analysis for Assessment of Sediment Deposition and Vegetation Impacts on Floodplain Inundation. Polish Journal of Environmental Studies, 20(6), 1441-1451.
12. Dysarz, T., & Wicher-Dysarz, J. (2013). Analysis of flow conditions in the Stare Miasto Reservoir taking into account sediment settling properties. Annual Set The Environment Protection, 15(1), 584-605.
13. Gao, H., Birkett, C., & Lettenmaier, D. P. (2012). Global monitoring of large reservoir storage from satellite remote sensing. Water Resources Research, 48(9).
14. Gökkaya, K., Budhathoki, M., Christopher, S. F., Hanrahan, B. R., & Tank, J. L. (2017). Subsurface tile drained area detection using GIS and remote sensing in an agricultural watershed. Ecological Engineering, 108, 370-379. Institute of Meteorology and Water Management – National Research
15. Institute (2004). Water management and water quality assessment of the Radzyny reservoir with operational guidelines for water quality improvement.
16. Kiefer, I., Odermatt, D., Anneville, O., Wüest, A., & Bouffard, D. (2015). Application of remote sensing for the optimization of in-situ sampling for monitoring of phytoplankton abundance in a large lake. Science of the Total Environment, 527, 493-506.
17. Kowalik, T., Kanownik, W., Bogdał, A., & Policht-Latawiec, A. (2014). Effect of change of small upland catchment use on surface water Quality Course. Annual Set The Environment Protection, 16, 223-238 [In Polish].
18. Lee, Z., Shang, S., Qi, L., Yan, J., Lin, G. (2016). A semi-analytical scheme to estimate Secchi-disk depth from Landsat-8 measurements. Remote Sensing of Environment, 177, 101-106.
19. Luo, J., Li, X., Ma, R., Li, F., Duan, H., Hu, W., Qin, B. & Huang, W. (2016). Applying remote sensing techniques to monitoring seasonal and interannual changes of aquatic vegetation in Taihu Lake, China. Ecological Indicators, 60, 503-513.
20. Matthews, M. W., Bernard, S., & Robertson, L. (2012). An algorithm for detecting trophic status (chlorophyll-a), cyanobacterial-dominance, surface scums and floating vegetation in inland and coastal waters. Remote Sensing of Environment, 124, 637-652.
21. Nazeer, M., Wong, M.S., Nichol, J.E. (2017). A new approach for the estimation of phytoplankton cell counts associated with algal blooms. Science of the Total Environment, 590, 125-138.
22. Nicula, A, Roba, C., Piştea, I., & Roşu, C. (2017). Assessment of water quality from Brăteni Lake, Bistriţa-Năsăud County. Carpathian Journal of Earth and Environmental Sciences, 12(2), 365-370.
23. Oszczapińska, K., & Szczykowska, J. (2016). Problems of small water retention on the example of Dojlidy reservoir. Wybrane zagadnienia z zakresu ochrony środowiska i energii odnawialnej, 283-298 [In Polish].
24. Urquhart, E. A., Schaeffer, B. A., Stumpf, R. P., Loftin, K. A., & Werdell, P. J. (2017). A method for examining temporal changes in cyanobacterial harmful algal bloom spatial extent using satellite remote sensing. Harmful algae, 67, 144-152.
25. Palmer, S.C.J., Kutser, T. & Hunter, P.D. (2015). Remote sensing of inland waters: Challenges, progress and future directions. Remote Sensing of Environment, 157, 1–8.
26. , L., & Pütz, K. (2008). Suspended matter elimination in a pre-dam with discharge dependent storage level regulation. Limnologica-Ecology and Management of Inland Waters, 38(3-4), 388-399.
27. Pikul, K., & Mokwa, M. (2008). Influence of pre-dams on the main reservoir silting process. Scientific Review Engineering and Environmental Sciences, 17(2), 185-193 [In Polish].
28. Ptak, M., Sojka, M., Choiński, A., & Nowak, B. (2018). Effect of Environmental Conditions and Morphometric Parameters on Surface Water Temperature in Polish Lakes. Water, 10(5), 580.
29. Rouse Jr, J., Haas, R. H., Schell, J. A., & Deering, D. W. (1974). Monitoring vegetation systems in the Great Plains with ERTS. NASA Technical Reports Server, 309-317.
30. Sojka, M., & Murat-Błażejewska, S. (2009). Physico-chemical and hydromorphological state of a small lowland river. Rocznik Ochrona Srodowiska, 11, 727-737.
31. Sojka, M., Jaskuła, J., & Wicher-Dysarz, J. (2016). Assessment of biogenic compounds elution from the Główna river catchment in the years 1996- 2009. Rocznik Ochrona Srodowiska, 18(1), 815-830.
32. Sojka, M., Jaskuła, J., Wicher-Dysarz, J., Dysarz, T. (2017). Analysis of selected reservoirs functioning in the Wielkopolska region. Acta Scientiarum Polonorum. Formatio Circumiectus, 16(4), 205-215.
33. Staniszewski, R., & Szoszkiewicz, J. (2010). Changes in the quality of water in Brdowskie Lake in 1997-2006. Journal of Elementology, 15(4), 705-712.
34. Wang, L., Dronova, I., Gong, P., Yang, W., Li, Y. & Liu, Q. (2012). Remote Sensing of Environment A new time series vegetation – water index of phenological – hydrological trait across species and functional types for Poyang Lake wetland ecosystem. Remote Sensing of Environment, 125, 49-63.
35. Walczak, Z., Sojka, M., & Laks, I. (2013). Assessment of mapping of embankments and control structure on Digital Elevation Model based upon Majdany Polder. Annual Set The Environment Protection, 15, 2711-2724 [In Polish].
36. Walczak, Z., Sojka, M., Wróżyński, R., & Laks, I. (2016). Estimation of Polder Retention Capacity Based on ASTER, SRTM and LIDAR DEMs: The Case of Majdany Polder (West Poland). Water, 8(6), 230-250.
37. Xue, J., & Su, B. (2017). Significant remote sensing vegetation indices: a review of developments and applications. Journal of Sensors, 2017, 1-17.
38. Yadav, S., Yoneda, M., Susaki, J., Tamura, M., Ishikawa, K., & Yamashiki, Y. (2017). A Satellite-Based Assessment of the Distribution and Biomass of Submerged Aquatic Vegetation in the Optically Shallow Basin of Lake Biwa. Remote Sensing, 9(9), 966-983.
39. Zhengjun, W., Jianming, H., & Guisen, D. (2008). Use of satellite imagery to assess the trophic state of Miyun Reservoir, Beijing, China. Environmental pollution, 155(1), 13-19.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-429490ce-7364-418a-b636-6b48c29155f5