Delimitacja lasów za pomocą zdjęć satelitarnych MODIS i MERIS na przykładzie Bolimowskiego Parku Krajobrazowego i Puszczy Kozienickiej

• Autorzy: Przeździecki K. , Szymankiewicz K. , Zawadzki J.

Warianty tytułu

EN

Forest classification using MODIS and MERIS satellite data. Case study of the Bolimowski Park and Kozienicki Forest

• Języki publikacji: PL

Abstrakty

PL

W pracy podjęto trudny temat związany z delimitacją ekosystemów leśnych na trzy kategorie: las iglasty, mieszany i liściasty przy wykorzystaniu optycznych zdjęć satelitarnych (MODIS/TERRA i MERIS/ENVISAT) o średniej rozdzielczości przestrzennej (odpowiednio 300 m i 1000 m). Głównym celem pracy było opracowanie szybkiej i niedrogiej metody pozwalającej na rozróżnienie na wybranych obszarach trzech rodzajów lasów - iglastych, liściastych i mieszanych na podstawie zmian sezonowych wybranych wskaźników roślinności umożliwiających wykonywanie delimitacji z częstotliwością roczną. W niniejszej pracy zdecydowano się na wykorzystanie sezonowych zmian wybranych wskaźników roślinności (między innymi NDVI, FAPAR, LAI) poprzez wyznaczenie tzw. wskaźników ilorazowych, będących ilorazami wskaźników roślinności z kwietnia i lipca. Wyznaczono przedziały wartości wybranych wskaźników ilorazowych dla lasów iglastych, liściastych i mieszanych w drzewostanach naturalnych. Jak wskazują wyniki analiz, granice przedziałów wskaźników opracowane w powyższej pracy mogą być zastosowane do efektywnej delimitacji rodzaju lasów na podstawie zdjęć satelitarnych. Metoda została zweryfikowana na terenie Bolimowskiego Parku Krajobrazowego oraz Puszczy Kozienickiej poprzez porównanie wyników delimitacji rodzaju lasu na terenie obu parków z rozkładem przestrzennym rodzaju lasu otrzymanym na podstawie bazy danych Corine Land Cover 2000.

EN

Annual monitoring of changes in a forest requires appropriate inventory of the forest ecosystem in terms of wood resource estimation forest condition impact of anthropological stress on forests etc. High resolution remote sensing data are precise, yet expensive, and difficult for frequent monitoring of large areas. Therefore, medium and low resolution methods for creating forest ecosystem classifications, on the basis of vegetation indexes derived from satellite observations, are indispensable. The paper presents a method of annual, large-scale classification of the forest type (coniferous, deciduous, and mixed) using medium and low resolution remote sensing images in forest ecosystems. The proposed method is based on vegetation indexes (NDVI, LAI, FAPAR, LAIxCab), calculated from MODIS and MERIS satellite data. The idea is to collect and watch seasonal changes in a particular ecosystem for a few years and to gain annual records of typical vegetation cycle for each type of forests in the scope. This work employed satellite data from MERIS, MODIS since the beginning through the end of a vegetation season, each year in order to gain a base for evaluating anomalies of changes, under systematical processing. The base is initiated for the years 2007-2010, with resolution of 300-1000 m, and essential vegetation indexes provided with statistical measures for selected national parks in Poland and compared to the Bolimowski Park and Kozienicki Forest. Temporal measures of changes are created by the ratio of particular indexes determined for selected persistent reference clusters characterized by the ratio of a temporal index value normalized to its typical value achieved in July, that is in the middle of a vegetation season. Each type of a forest ecosystem has its own specific dynamics of development, thus it enables recognition of the type by comparing temporal changes of the ratio of indexes. Results were firstly supported by clustering from the CLC (Corine Land Cover) database, developed for the entire European Union, and then evaluated in temporal measures from MERIS (resolution 300 m) and MODIS (resolution 1000 m). Low resolution data from these sources provided quite good updates of the CLC clustering, which is fixed and updated only for periods of about 5-10 years. The CLC data base was helpful for initiating the work, but then it turned out not necessary because real measures are originated by seasonal changes from MODIS and MERIS. The conclusion is that medium and low resolution data are very useful for supporting essential annual inventory in forests.

Słowa kluczowe

PL

delimitacja lasów; teledetekcja; wskaźnik wegetacji; Bolimowski Park Krajobrazowy; Puszcza Kozienicka

EN

forest classification; remote sensing; vegetation index; Bolimowski Park; Kozienicki Forest

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Inżynieria Środowiska
• Rocznik: 2013
• Tom: z. 66
• Strony: 5--20
• Opis fizyczny: Bibliogr. 13 poz., rys., tab.

Twórcy

autor

Przeździecki K.

• Wydział Inżynierii Środowiska, Politechnika Warszawska

autor

Szymankiewicz K.

• Wydział Inżynierii Środowiska, Politechnika Warszawska

autor

Zawadzki J.

• Wydział Inżynierii Środowiska, Politechnika Warszawska

Bibliografia

• 1. Food and Agriculture Organization of the United Nations http://www.fao.org/news/story/enl/item/40893/icode/
• 2. Wiśniewska E., Zawiła-Niedzwiecki T., 1998, Klasyfikacja treści leśnej zdjęć satelitarnych, Prace IGiK, t. XLV, z. 97, s. 157-167.
• 3. Mycke-Dominko M., 2003, Teledetekcyjna metoda kategoryzacji zagrożenia pożarowego lasu, Archiwum Fotogrametrii, Kartografii i Teledetekcji, vol. 1313, s. 451-455.
• 4. Będkowski K., Mikrut S., 2006, Skanowanie laserowe jako źródła informacji przestrzennych dotyczących lasów, Archiwum Fotogrametrii, Kartografii i Teledetekcji, vol. 16, Stare Jabłonki
• 5. Strahler A., Woodcock C.E., Smith J., 1986. On the nature of models in remote sensing. Remote Sens. Environ. 20: 121-139.
• 6. Treitz P., Howarth P., 2000, High spatial remote, sensing data for forest ecosystem classification: an examination of spatial scale. Remote Sens. Environ. 72: 268-289.
• 7. Goodenough D.G., Dyk A., Niemann O., 2003, Processing Hyperion and ALI for Forest Classification, IEEE Transactions on Geoscience and Remote Sensing, 41(6), s. 1321-1331.
• 8. ESA - SMOS Earth Explorers http://www.esa.int/esaLP/ESAS7C2VMOC_LPsmos_0.html
• 9. Rouse J.W., Haas R.H., Schell J.A., Deering D.W., 1973, Monitoring vegetation systems in the great plains with ERTS. P. 309-317 in Proc. of Third ERTS Symposium. NASA SP-351. NASA. Washington, DC.
• 10. Nemani R., Pierce L., Running S., 1993, Forest ecosystem process at the wathershed scale: Sensitivity to remotely-sensed Leaf Area Index estimates. International Journal of Remote Sensing, 14: 2519-2539.
• 11. Atkinson P.M., Tate N.J., 1999, Advances in remote sensing and GIS analysis, John Wiley and Sons Chichester, pp 257-258
• 12. Marceau D., Howarth P., Gratton D., 1994, Remote sensing and the measurement of geographical entities in a forested environment. The scale and spatial aggregation problem. Remote Sens. Environ. 49: 93-104.
• 13. Zawadzki J., Cieszewski C.J., Zasada M., Lowe R.C., 2005, Applying geostatistics for investigations of forest ecosystems using remote sensing imagery. Silva Fenica, 39(4): 599-617.