PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Remote sensing tools for analyzing state and condition of vegetation

Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
PL
Narzędzia teledetekcyjne w analizie stanu roślinności
Języki publikacji
EN
Abstrakty
EN
Hyperspectral data, which are characterized by very high spectral, spatial and radiometric resolutions, allow the analysis of the biometric properties of plants in different wavelengths of the electromagnetic spectrum. This kind of data can be applied to interpretation of vegetation, land cover forecast biomass and crops and also for analyzing plant condition, because vegetation cover is a very good indicator of environmental condition. All the spectral characteristics of plants can be measured and analyzed quantitatively using different vegetation indices, which are a mathematical combination of various bands. The most frequently used regions of the spectrum are visible, red-near infrared edge, near and middle infrared. In these regions it is possible to measure chlorophyll, carotenoids and other pigment content, fresh and dry biomass, water and nutrient content, internal leaf structure, soil moisture and plant surface temperature. In this study, four of the vegetation indices have been analysed: Normalized Difference Vegetation Index (Rouse et al., 1973; Griffith et al., 2002), Soil Adjusted Vegetation Index (Huete, 1988), Leaf Area Index (Surlock, 2001; Haboudane et al., 2004) and fAPAR - fraction of Absorbed Photosynthetically Active Radiation (Moreau, Li, 1996). These indices measure the condition of plants and estimate the quantity of biomass. Correctly calculated indices offer much information about the functionality of an ecosystem. Such vegetation indices are broadly used for vegetation monitoring. The main purpose of the research was an analysis of plant condition using remote sensing methods. Maps of spatial distribution of the NDVI, SAVI, LAI and fAPAR were prepared using ground and airborne measurements (DAIS 7915 products were corrected and verified by field measurements). Indices from airborne and ground level measurements were also correlated. The studies took place in the Low Beskid Mountains., which constitute one of the most natural parts of the Polish Carpathian Mountains (Fig. 3). The area extends from 49o34'- 49o41'N to 21o01'-21o09'E, with an altitude range of 400-750 m. The study area focuses on the Bystrzanka catchment around the town of Szymbark. This catchment has an area of around 13.5 km2. The largest part of the area, 40%, is covered by forest. Meadows and pasture comprise 28% of the area. A small fragment of the area is covered by arable land. The area is defined as a natural and seminatural environment. The human influence is relatively low and natural processes are not disturbed, so that vegetation can be used here as an indicator of other ecosystem components (soils, microclimate etc.)
PL
Techniki teledetekcyjne umożliwiają prowadzenie monitoringu przyrodniczego roślinności, w tym dokładną analizę fizjologii oraz właściwości biometrycznych. W artykule przedstawiony jest sposób badania kondycji roślinności wykorzystujący teledetekcyjne wskaźniki roślinności oraz związki mię dzy wskaźnikami mierzonymi z poziomu naziemnego i pułapu lotniczego. Badania były prowadzone na terenach naturalnych i ekstensywnie wykorzystywanych rolniczo zlewni Bystrzanki w Beskidzie Niskim. W badaniach wykorzystano dwa rodzaje danych: wartości wskaźników NDVI, SAVI, LAI i fAPAR pobranych na poziomie terenowym oraz obraz hiperspektralny ze skanera lotniczego DAIS 7915. Pobrano dane z poziomu terenowego. Następnie utworzono obrazy wskaźników w dwóch progra mach ATCOR i ENVI 4.3 (obraz wskaźnika NDVI). Obrazy wskaźników SAVI, LAI i fAPAR uzyskane z pierwszego programu były w jednostkach niezgodnych dla wskaźników, dlatego wymagały dalszych transformacji. Pobrano wartości wskaźników z obrazów. Następnie przeprowadzono analizy staty styczne porównując wartości z obrazów z danymi terenowymi, uzyskując równania regresji, których użyto do transformacji obrazów. Ostatnim etapem było utworzenie map przestrzennego rozkładu czterech wskaźników oraz mapy kondycji roślinności biorącej pod uwagę wartości wskaźników SAVI, LAI i fAPAR. Stwierdzono, że użycie teledetekcyjnych wskaźników roślinności ułatwia pozyskiwanie informacji o stanie roślinności i obiektywizuje te dane. Zanotowano korelacje między wskaźnikami NDVI i LAI oraz NDVI i fAPAR, są one zdecydowanie silniejsze na poziomie lotniczym. Na ścisłość korelacji wpływa sposób pobierania danych oraz sposób użytkowania terenu. Techniki hiperspektralne stwa rzają dodatkowe możliwości pozyskiwania informacji przez analizę krzywej odbicia spektralnego, a nie jedynie jej wycinków, tak jak w przypadku technik wielospektralnych. Wykorzystując tak utworzo ne wskaźniki możliwa jest dokładniejsza analiza roślinności. Stwierdzono, że na badanym terenie wskaźniki NDVI, SAVI, LAI i fAPAR mają wysokie wartości. Na podstawie mapy kondycji roślinności stwierdzono, że na przeważającym obszarze roślinność była w dobrym stanie.
Czasopismo
Rocznik
Strony
47--53
Opis fizyczny
Bibliogr. 11 poz
Twórcy
Bibliografia
  • Bochenek Z., 1990: Wykorzystanie zdjęć satelitarnych AVHRR NOAA do określania stanu użytków rolnych, Prace Instytutu Geodezji i Kartografii, Vol. 37, 1-2 (84-85): 49-61.
  • Di Bella C.M., Paruelos J.M., Becerra J.E., Bacour C., Baret F., 2004: Effect of senescent leaves on NDVI- based estimates of fAPAR: experimental and modelling evidences, International Journal of Remote Sensing, vol 25, No 23: 5415-5427.
  • Epiphanio J.C.N., Huete A.R., 1995: Dependence of NDVI and SAVI on Sun/Sensor Geometry and Its Effect on fAPAR Relationships in Alfalfa, Remote Sensing of Environment, No 51: 351-360.
  • Griffith J.A., Martinko E.A., Whistler J.L., Price K.P., 2002: Interrelationships among landscapes, NDVI, and stream water quality in the U.S. Central Plains. Ecological Applications, 12 (6): 1702-1718.
  • Haboudane D., Miller J.R., Pattey E., Zarco-Tajeda P.J., Strachan I.B., 2004: Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies: Modeling and validation in the context of precision agriculture. Remote Sensing of Environment, 90: 337-352.
  • Huete A.R., 1988: A soil vegetation adjusted index (SAVI). Remote Sensing of Environment, 25: 295-309.
  • Jarocińska A., Zagajewski B., 2008: Korelacje naziemnych i lotniczych teledetekcyjnych wskaźników roślinności dla zlewni Bystrzanki (Correlations of ground- and airborne-level acquired vegetation indices of the Bystrzanka catchment), Teledetekcja Środowiska, Vol. 40. Klub Teledetekcji Środowiska, Polish Geographical Society, Warsaw: 100-124.
  • Moreau L., Li Z., 1996: A New Approach for Remote Sensing of Canopy Absorbed Photosynthetically Active Radiation. II: Proportion of Canopy Absorption. Remote Sensing of Environment, 55: 192-204.
  • Rouse, J.W., Haas Jr. R.H., Schell J.A., Deering D.W., 1973: Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation. Prog. Rep. RSC 1978-1, Remote Sensing Center, Texas A&M Univ., College Station, (NTIS No. E73-106393).
  • Surlock J.M.O., Asner G.P., Gower S.T., 2001: Worldwide Historical Estimates of Leaf Area Index, 1932-2000, Oak Ridge National Laboratory, UT-BATTELLE.
  • Zagajewski B., Jarocińska A., 2008: Analysis of plant condition of the Bystrzanka catchment. Proceedings of the 28th EARSeL Symposium: Remote Sensing for a Changing Europe, Istambul, Turkey, June 2-5 2008. Millpress Science Publishers.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BPW8-0011-0031
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.