Zróżnicowanie kosodrzewiny w Tatrach, w świetle badań teledetekcyjnych

Zwijacz-Kozica, M.

Artykuł - szczegóły

Tytuł artykułu

Zróżnicowanie kosodrzewiny w Tatrach, w świetle badań teledetekcyjnych

Autorzy

Zwijacz-Kozica M.

Wybrane pełne teksty z tego czasopisma

http://teledetekcja.pw.edu.pl/

Identyfikatory

Warianty tytułu

Dwarf pine differentiation in the Tatra Mountains, on the basis of remote sensing investigation

Języki publikacji

Abstrakty

Dwarf mountain pine (Pinus mugo Turra) is the main component in the subalpine belt in the Tatra National Park, where the study was conducted. From the ecological point of view dwarf pine plays an important role in the sensitive mountainous area. Until now there were no studies focused on structure of dwarf pine community and there were also no attempts to work out methodology for detailed qualitative and quantitative description of dwarf pine. In this study for the first time it was aimed to prepare methodology of dwarf pine characterization and monitoring using hyperspectral data. Analysis involved processing of airborne and satellite images data and field measurements. Presented study evaluated linear predictive models between vegetation indices derived from radiometrically corrected air- borne imaging spectrometer ROSIS, spectral field and laboratory measurements and field measurements of dwarf pine biophysical variables (LAI, fAPAR). Narrow band vegetation indices were computed on the basis of all possible two-band combinations of set of vegetation indices (VI, NDVI, PVI, SAVI2, TSAVI). VI based on ROSIS wavebands 510 nm and 630 nm was linearly related to leaf area index (R2=0,48). VI and NDVI based on FieldSpec HH wavebands 886 nm and 518 nm performed better and were linearly related to LAI (R2=0,72). TSAVI based on ROSIS wavebands 658 nm and 570 nm was linearly related to the fraction of absorbed photosynthetically active radiation (R2=0,72). SAVI2 based on FieldSpec HH wavebands 747 nm and 703 nm was linearly related to fAPAR (R2=0,81). Analysed indices of vegetation condition were correlated (R2>0,90) with spectral vegetation indices based on FieldSpec Pro laboratory data. The study shows that for hyperspectral image data covering spectral region of visible light and near infrared, linear regression models can be applied to quantify LAI and fAPAR with satisfying accuracy. Models involving spectral information from sensors that have wider spectral range have better potential to linearly quantify biophysical vegetation parameters involving spectral vegetation indices. Vegetation indices that have the best relation to LAI and fAPAR were based on wavebands related to spectral features. It can be assumed that hyperspectral data contain information relevant to the estimation of vegetation biophysical parameters. In this study it was investigated if dwarf pine community differs spectrally within study site. To assess presence and extent of the spectral differentiation the set of field and laboratory spectral measurements were used. Reflectance curves were compared visually and using the statistical test. It was demonstrated that the majority of the studied dwarf pine plots have a characteristic signature. Parts of the electromagnetic spectrum which offer greatest information content for discriminating between and identifying dwarf pine spectral types were indicated. It was also examined if any of abiotic components of environment (altitude above sea level, aspect, slope, soil type, geology, global radiation and temperature) has an influence on the spatial distribution of LAI and fAPAR values. WMP (index of tie strength) and MP (tie strength) were used to assess an extent of the influence. It was found that neither of investigated abiotic factors affects LAI and fAPAR values.

Słowa kluczowe

zdjęcie hiperspektralne parametry biofizyczne LAI fAPAR Pinus mugo Turra Tatry model empiryczny ROSIS

hyperspectral image biophysical parameters LAI fAPAR Pinus mugo Turra Tatra Mts. empirical model ROSIS

Wydawca

Polskie Towarzystwo Geograficzne, Oddział Teledetekcji i Geoinformatyki

Czasopismo

Teledetekcja Środowiska

Rocznik

2010

Tom

T. 44

Strony

1--61

Opis fizyczny

Bibliogr. 170 poz., mapy, rys., tab.

Twórcy

autor

Zwijacz-Kozica M.

mwrzesien@gmail.com

Wydział Geografii i Studiów Regionalnych Uniwersytetu Warszawskiego

Bibliografia

1. AccuPAR Model PAR-80. Operator’s Manual. Version 3.1, 1999, Decagon Devices, Pullman, Washington, USA.
2. Ardö J., 1992, Volume quantification of coniferous forest compartments using spectral radiance record by Landsat Thematic Mapper. International Journal of Remote Sensing, 13, 1779-1786.
3. Asner G.P., 1998, Biophysical and biochemical sources of variability in canopy reflectance. Remote Sensing of Environment , 64, 234-253.
4. Asner G.P., Scurlock J.M.O., Hicke J.A., 2003, Global synthesis of leaf area index observations: implications for ecological and remote sensing studies. Global Ecology & Bio-geography, 12, 191-205.
5. Balon J., 2002, Górna granica kosodrzewniy jako wskaźnik stabilności geosystemu Tatr. [w:] W. Borowiec, A. Kotarba, A. Kownacki, Z. Krzan, Z. Mirek (red.), Przemiany środowiska przyrodniczego Tatr. Część I. Nauki o Ziemi. TPN, PTPNoZ odział Kraków, Instytut Botaniki PAN, Kraków – Zakopane, 131-138.
6. Baranowski J., 2003, Pochłonięte promieniowanie słoneczne w Tatrach w otoczeniu Hali Gąsienicowej.[w:] K. Błażejczyk, B. Krawczyk, M. Kuchcik (red.) Postępy w badaniach klimatycznych i bioklimatycznych. Tom dedykowany Prof. dr hab. Teresie Kozłowskiej-Szęsnej, Prace Geograficzne IGiPZ PAN, 188, 131-144.
7. Baret, F., G., Guyot, and D.J., Major, 1989, TSAVI: a vegetation index which minimizes soil brightness effects on LAI and APAR estimation. in Proceedings of the 12th Canadian Symposium on Remote Sensing and IGARSS’89, Vancouver (Canada), 3, 1355-1358.
8. Beusch M., Koetz B., Kneubühler M., Itten K., 2005, Forest canopy structure derived from spatial and spectral high resolution remote sensing data. [w:] B. Zagajewski, M. Sobczak (red.), Imaging Spectrometry. New quality in environmental studies, EARSeL & Warsaw University, Warsaw.
9. Bezkowska G., 1986, Struktura i typy geokompleksów w środkowej części Niziny Południowowielkopolskiej. Acta Geog. Lodz., 54, Ossolineum, Łódź.
10. Bielecka E., 1986, Photointerpretation survey of changes in the range of the Tatra subalpine forests. Miscellanea Geographica, 125-131.
11. Bielecka E. Fedorowicz-Jackowski W., Witkowska E., 1994, An integrated geographical information system for management of the national and landscape parks, nature reserves and other protected areas. GIS for environment, Kraków, 25-27 November 1993 (Pilot Study for the Tatra National Park, Proceedings of the IALE Conference, Warsaw, October, 1993).
12. Blackburn G.A., 1998a, Quantifying chlorophylls and carotenoids at leaf and canopy scales: an evaluation of some hyperspectral approaches. Remote Sensing of Environment, 66, 273-285.
13. Blackburn G.A., 1998b, Spectral indices for estimating photosynthetic pigment concentrations: in a test using senescent tree leaves. International Journal of Remote Sensing, 19(4), 657-675.
14. Bobowicz M.A., Krzakowa M., 1986, Anatomical differences between Pinus mugo Turra populations from the Tatra Mts. expressed in needle traits and in needle and cone traits together, Acta Soc. Bot. Pol., 55, 2, 275-290.
15. Boltižiar M., 2004, Analýza zmien krajinnej štrúktury vybranej časti Belianskych Tatier v rokoch 1949-1998 aplikáciou výsledkov DPZ a GIS. [w:] P. Laučík (red.), Štúdie o Tatranskom Národnym Parku. Štátne lesy Tatranskégo Národného Parku, Tatranská Lomnica.
16. Bonan G.B., 1993, Importance of leaf area index and forest type when estimating photosynthesis in boreal forests. Remote Sensing of Environment, 43, 303-314.
17. Broge N.H., Leblanc E., 2000, Comparing prediction power and stability of broadband and hyperspectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density. Remote Sensing of Environment, 76, 156-172.
18. Carter G.A., 1991, Primary and secondary effects of water content on the spectral reflectance of leaves. American Journal of Botany, 78, 916-924.
19. Carter G.A., Knapp A.K., 2001, Leaf optical properties in higher plants: linking spectral characteristics to stress and chlorophyll concentration. American Journal of Botany, 88(4), 677-684.
20. Ceccato P., Gobron N., Flasse S., Pinty B., Tarantola S., 2002, Designing a spectral index to estimate vegetation water content from remote sensing data: Part 1 Theoretical approach, Remote Sensing of Environment, 61, 254-269.
21. Chen J.M., 1996, Optically-based methods for measuring seasonal variation of leaf area index in boreal conifer stands. Agricultural and Forest Meteorology, 80, 135-163.
22. Chen J.M., Cihlar J., 1995, Plant canopy size analysis theory for improving optical measurements of leaf area index. Applied Optics, 34, 6211-6222.
23. Chen J.M., Cihlar J., 1996, Retrieving leaf area index of boreal conifer forests using Landsat TM images. Remote Sensing of Environment, 55, 153-162.
24. Chen J.M., Leblanc S.G., Miller J.R., Freemantle J., Loechel S.E., Walthall C.L., Innanen K.A., White H.P., 1999, Compact Airborne Spectrographic Imager (CASI) used for mapping biophysical parameters of boreal forests. Journal of Geophysical Research, 104, D22, 27945-27958.
25. Chen J.M., Pavlic G., Brown L., Cihlar J., Leblanc S.G., White H.P., Hall R.J., Peddle D.R., King D.J., Trofymow J.A., Swift E., van der Sanden J., Pellikka P.K.E., 2002, Derivation and validation of Canada-wide coarse-resolution leaf area index maps using high-resolution satellite imagery and ground measurements. Remote Sensing of Environment, 80, 165-184.
26. Cho M.A., Skidmore A.K., 2006, A new technique for extracting the red edge position from hyperspectral data: The linear extrapolation method. Remote Sensing of Environment, 101, 181-193.
27. Clark M.L., Roberts D.A., Clark D.B., 2005, Hyperspectral discrimination of tropical rain forest tree species at leaf to crown scales. Remote Sensing of Environment, 96, 375-398.
28. Cochrane M.A., 2000, Using vegetation reflectance variability for species level classification of hyperspectral data. International Journal of Remote Sensing, 21(10), 2075-2087.
29. Colombo R., Bellingeri D., Fasolini D., Marino C.M., 2003, Retrieval of leaf area index in different vegetation types using high resolution satellite data. Remote Sensing of Environment, 86, 120-131.
30. Copińska I., 1975, Wybrane zagadnienia z biologii kosodrzewiny w Polskich Tatrach[maszynopis]. Praca doktorska wykonana na Wydział Biologii i Nauk o Ziemi, UJ, Kraków.
31. Curran P.J., 1994, Imaging spectrometry. Progress in Physical Geography, 18, 247-266.
32. Curran P.J., Dungan J.L., Peterson D.L., 2001, Estimating the foliar biochemical concentration of leaves with reflectance spectrometry. Testing the Koklay and Clark methodologies. Remote Sensing of Environment, 76, 349-359.
33. Czyżewska M.E., 2001, Choroby i ochrona kosodrzewiny w polskiej części Tatr Wysokich [maszynopis]. Praca dyplomowa wykonana na Wydziale Leśnym SGGW, Warszawa.
34. Danson F.M, Curran P.J., 1993, Factors affecting the remotely sensed response of coniferous forest plantations. Remote Sensing of Environment, 43, 55-65.
35. Darvishzadeh R., Atzberger C., Skidmore A.K., 2006, Hyper-spectral vegetation indices for estimation of leaf area index. ISPRS Commission VII Mid-term Symposium “Remote Sensing: From Pixels to Processes”, Enschede, the Netherlands, 8-11 May 2006 [Internet: http://www.itc.nl/isprsc7/symposium/proceedings/TS16_5.pdf 27-3-2007]
36. Daughtry C.S.T., Ranson K.J., Biehl L.L., 1989, A new technique to measure the spectral properties of conifer needles. Remote Sensing of Environment, 27, 81-91.
37. Daughtry C.S.T., Gallo K.P., Goward S.N., Prince S.D., Kustas W.P., 1992, Spectral estimates of absorbed radiation and phytomass production in corn and soybean canopies. Remote Sensing of Environment, 39, 141-152.
38. Dullinger S., Dirnböck T., Grabherr G., 2003, Patterns of shrub invasion in to high mountain grasslands of the Northern Calcareous Alps, Austria. Arctic, Antarctic and Alpine Research, 35, 4, 434-441.
39. Dwyer J.L., Kruse F.A., Lefkott A.B., 1995, Effects of empirical versus model-based reflectance calibration on automated analysis of imaging spectrometer data: a case study from the Drum Mountains, Utah. Photogrammetric Engineering and Remote Sensing, 61, 1247-1254.
40. Dziura J., 1986, Przydatność wybranych technik fotointerpretacyjnych w analizie środowiska geograficznego Tatr (na przykładzie masywu Kominiarskiego Wierchu). Fragment pracy magisterskiej wykonanej na Wydziale Biologii i Nauk o Ziemi, UJ [Internet: www.gis.tpn.pl/zawartosc/biblioteka.htm 15-06-2006].
41. Elvidge C.D., Chen Z., 1995, Comparison of broad-band and narrow-band red and near-infrared vegetation indices. Remote Sensing of Environment, 54, 38-48.
42. 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, 51, 351-360.
43. Eriksson H.M., Eklundh L., Kuusk A., Nilson T., 2006, Impact of understory vegetation on forest canopy reflectance and remotely sensed LAI estimates. Remote Sensing of Environment, 103(4), 408-418.
44. Fabijanowski J., Dziewolski J., 1996, Gospoarka leśna, [w:] Z. Mirek (red.), Przyroda Tatrzańskiego Parku Narodowego, Tatrzański Park Narodowy, Kraków-Zakopane, 675-696.
45. Fassnacht K.S., Gower S.T., MacKenzie M.D., Nordheim E.V., Lillesand T.M., 1997, Estimating the leaf area index of north central wisconsin forests using the Landsat Thematic Mapper. Remote Sensing of Environment, 61, 229-245.
46. Ferrand W.H., Singer R.B., Merwnyi E., 1994, Retrieval of apparent surface reflectance from AVIRIS data: a comparison of empirical line, radiative transfer and spectral mixture methods. Remote Sensing of Environment, 47, 311-327.
47. Foley S., Rivard B., Sanchez-Azofeifa G.A., Calvo J., 2006, Foliar spectral properties following leaf clipping and implications for handling techniques. Remote Sensing of Environment, 103, 265-275.
48. Gamon J.A., Field C.B., Goulden M.L., Griffin K.L., Hartley A.E., Joel G., Penuelas J., Valentini R., 1995, Relationship between NDVI, canopy structure, and photosynthesis in three Californian vegetation types. Ecological Applications, 5(1), 28-41.
49. Gao B.C., 1996, NDWI – a normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment, 58, 257-266.
50. Gao X., Huete A.R., Ni W., Miura T., 2000, Optical–biophysical relationships of vegetation spectra without background contamination. Remote Sensing of Environment, 74, 609-620.
51. Gege P., Beran D., Mooshuber W., Schulz J., van der Pipen H., 1998, System analysis and performance of the new version of the imaging spectrometer ROSIS. 1st EARSeL Workshop on Imaging Spectroscopy, Remote Sensing Laboratories, University of Zurich, Switzerland, 6-8 October 1998.
52. Gitelson A.A., Zur Y., Chivkunova O.B., Merzlyak M.N., 2002, Assessing carotenoid content in plant leaves with reflectance spectroscopy. Photochemistry and Photobiology, 75(3), 272-281.
53. Glenn E.P., Huete A.R., Nagler P.L., Nelson S.G., 2008, Relationship between remotely-sensed vegetation indices, vegetation attributers and plant physiological processes: What vegetation indices can and cannot tell us about the landscape. Sensors, 8, 2136-2160.
54. Gobron N., Pinty B., Aussedat O., Chen J.M., Cohen W.B., Fensholt R., Gond V., Huemmrich K.M., Lavergne T., Mélin F., Privette J.M., Sandholt I., Taberner M., Turner D.P., Verstraete M.M., Widlowski J.L., 2006, Evaluation of fraction of absorbed photosynthetically active radiation products for different canopy radiation transfer regimes: Methodology and results using Joint Research Center products derived from SeaWiFS against ground-based estimations. Journal of Geophysical Research, 111(13), D13110 (July 2006), DOI:10.1029/2005JD006511.
55. Gong P., Pu R., Heald R.C., 2002, Analysis of in situ hyperspectral data for nutrient estimation of giant sequoia. International Journal of Remote Sensing, 23(9), 1827-1850.
56. Gong P., Pu R. Miller J.R., 1995, Coniferous forest leaf area index estimation along Oregon transect using compact airborne spectrographic imager data. Photogrammetric Engineering and Remote Sensing, 61, 1107-1117.
57. Gong P., Pu R., Biging G.S., Larrieu M.R., 2003, Estimation of forest leaf area index using vegetation indices derived from Hyperion hyperspectral data. IEEE Transactions on Geoscience and Remote Sensing, 6, 1355-1362.
58. Gower S.T., Kucharik C.J., Norman J.M., 1999, Direct and indirect estimation of leaf area index, fAPARand net primary production of terrestrial ecosystems. Remote Sensing of Environment, 70, 29-51.
59. Guzik M., 2001, Analiza zmian szaty roślinnej Tatar przy wykorzystaniu technik geomatycznych na przykładzie Doliny Bystrej i Suchej Stawiańskiej[maszynopis]. Praca magisterska wykonana Wydziale Leśnym AR, Kraków, ss. 129 [Internet: http://www.gis.tpn.pl/zawartosc/biblioteka/guzik_praca_magisterska.pdf 25-3-2007].
60. Guzik M., 2008, Analiza wpływu czynników naturalnych i antropogenicznych na kształtowanie się zasięgu lasu i kosodrzewiny w Tatrach [maszynopis]. Praca doktorska wykonana na Wydziale Leśnym UR w Krakowie pod kierunkiem prof. dr hab. J. Szwagrzyka, ss. 173.
61. Haboudane E., Miller J.R., Pattey E., Zarco-Tejada 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.
62. Hamerník J., Musil I., 2007, The Pinus mugo complex – its structuring and general overview of the used nomenclature. Journal of Forest Science, 53, 6, 253-266.
63. Hess M.T., 1974, Piętra klimatyczne Tatr. Czasopismo Geograficzne, 45(1), 75-94.
64. Hess M.T., NiedźwiedźT., Obrębska-Starklowa B., 1975, Przyczynek do metod konstruowania szczegółowych map klimatycznych terenów górskich i wyżynnych. Zesz. Nauk. UJ, Prace Geograficzne, 41, 7-35.
65. Horler D.N., Dockray M., Barber J., 1983, The red edge of plant leaf reflectance. International Journal of Remote Sensing, 4(2), 273-288.
66. Hunt R.E.J., Rock B.N., 1989, Detection of changes in leaf water content using near- and middle-infrared reflectance. Remote Sensing of Environment, 30, 43-54.
67. Instrukcja urządzania lasu. Część I. Instrukcja sporządzania planu urządzenia lasu dla nadleśnictwa, 2003, Centrum Informacyjne Lasów Państwowych, Warszawa, ss. 177.
68. Jacquemod S., Baret F., Andrieu B., Danson F.M., Jaggard K., 1995b, Extraction of vegetation biophysical parameters by inversion of the PROSPECT + SAIL models on sugar beet canopy reflectance data. Application to TM and AVIRIS sensors. Remote Sensing of Environment, 52, 163-172.
69. Jacobsen A., 2000, Analysing airborne optical remote sensing data from a hyperspectral scanner and implications for environmental mapping and monitoring - results from a study of casi data and Danish semi-natural, dry grasslands. Praca doktorska wykonana w National Environmental Research Institute, Department of Landscape Ecology, University of Copenhagen, Institute of Geography, ss. 74.
70. Jakomulska A., 1999a, Przystosowania a spektralna charaktersytyka gatunków wysokogórskich: Juncus trifidus, Luzula spadicea i Calamagrostis villosa. Oszacowanie możliwości zdalnej identyfikacji roślinności wysokogórskiej, [w:] A. Kotarba i A. Kozłowska (red.), Badania geoekologiczne w rejonie Kasprowego Wierchu, Prace Geograficzne, 174, 45-62.
71. Jakomulska A., 1999b, Zróżnicowanie wysokogórskiej roślinności Tatr w świetle badań teledetekcyjnych [maszynopis]. Praca doktorska wykonana w Zakładzie Teledetekcji WGiSR UW pod kierunkiem Prof. dr hab. J.R.Olędzkiego, Warszawa.
72. Jakomulska A., Sobczak M., 2001, Korekcja radiometryczna obrazów satelitarnych – metodyka i przykłady. Teledetekcja Środowiska, 32, 152-171.
73. Jakomulska A., Zagajewski B., Sobczak M., 2003, Field remote sensing techniques for moutains vegetation investigation, [w:] M. Habermeyer, A. Müller, S. Holzwarth, 3rdEARSeL Workshop on Imaging Spectroscopy, Herrsching, Germany, 13-16 May, 2003, 581-586.
74. Jarocińska A., Zagajewski B., 2008, Korelacje naziemnych i lotniczych teledetekcyjnych wskaźników roślinności dla zlewni Bystrzanki, Teledetekcja Środowiska, 39, 100-124.
75. Jodłowski M., 2007, Górna granica kosodrzewiny w Tatrach, na Babiej Górze i w Karkonoszach. Struktura i dynamika ekotonu.Wyd. Instytutu Geografii i Gospodarki Przestrzennej Uniwersytetu Jagiellońskiego, Kraków, ss. 188.
76. Jonckheere I., Fleck S., Nackaerts K., Muys B., Coppin P., Weiss M., Baret F., 2004, Review of methods for in situ leaf area index determination Part I. Theories, sensors and hemispherical photography. Agricultural and Forest Meteorology, 121, 19-35.
77. Jørgensen, H., 2006, NOBANIS – Invasive Alien Species Fact Sheet – Pinus mugo. [w:] Online Database of the North European and Baltic Network on Invasive Alien Species – NOBANIS [Internet: www.nobanis.org 20-07-2008].
78. Karpouzli E., Malthus T., 2003, The empirical line method for the atmospheric correction of IKONOS imagery. International Journal of Remote Sensing, 24(5), 1143-1150.
79. Kącki K., 2004, Zastosowanie metod geoinformacyjnych do badania wpływu rzeźby na rozmieszczenie roślinności w polskiej części Tatr Wysokich[maszynopis]. Praca magisterska wykonana w Zakładzie Teledetekcji Środowiska WGiSR UW pod kierunkiem dr A. Jakomulskiej i dr inż. S. Lewińskiego.
80. Komornicki T., Skiba S., 1996, Gleby. [w:] Z. Mirek (red.), Przyroda Tatrzańskiego Parku Narodowego, TPN, Instytut Ochrony Przyrody PAN, Instytut Botaniki Pan, Kraków-Zakopane, 215-226.
81. Koreň M., Šoltés R., Školek J., Celer S., Kyselová Z., 2004, Mapovanie biotopov TANAP-u nad hornou hranicou lesa.[w:] P. Laučík (red.), Štúdie o Tatranskom Národnym Parku. Štátne lesy Tatranskégo Národného Parku, Tatranská Lomnica.
82. Kumar L., Skidmore A.K., Knowles E., 1997, Modelling topographic variation in solar radiation in a GIS environment. International Journal of Geographic Information Science, 11, 5, 475-497.
83. Kumar L., Schmidt K., Dury S., Skidmore A., 2001, Imaging spectrometry and vegetation science, [w:] F. van der Meer, S.M. de Jong (red.), Hyperspectral Remote Sensing: Basic Principles and Perspective Applications, Dordrecht, Springer 2001 (Remote Sensing and Digital Image Processing, Vol. 4), 111-155.
84. Kurnatowska A., 1998, GIS for the analysis of structure and change in mountain environments.[w:] M. Craglia, H. Onsrud (red.), Geographic Information Research: Trans-Atlantic Perspectives, Taylor & Francis, London, 227-256
85. LAI-2000 Plant Canopy Analyzer. Instruction Manual, 1992, LiCor Inc., Lincoln, Nebraska, USA.
86. Łomnicki A., 1995, Wprowadzenie do statystyki dla przyrodników. PWN, Warszawa, ss. 248.
87. Mała Encyklopedia Leśna, 1991, Wyd. II, PWN, Warszawa, ss. 619.
88. Mapa geologiczna Tatr Polskich (zakryta)1:10 000, Wyd. Geologiczne, Warszawa, 1958-80.
89. Mapa topograficzna 1:10 000, arkusz M-34-100-A-a-3, Zakopane – Toporowa Cyrhla, Główny Urząd Geodezji i Kartografii, Warszawa, 1995.
90. Mapa topograficzna 1:10 000, arkusz M-34-100-A-c-1, Schronisko Murowaniec., Główny Urząd Geodezji i Kartografii, Warszawa, 1995.
91. Mapa topograficzna 1:10 000, arkusz M-34-100-B-b-4, Zakopane-Płd., Główny Urząd Geodezji i Kartografii, Warszawa, 1995.
92. Mapa topograficzna 1:10 000, arkusz M-34-100-B-d-2, Kasprowy Wierch, Główny Urząd Geodezji i Kartografii, Warszawa, 1995.
93. Major, D. J., F. Baret, and G. Guyot, 1990, A ratio vegetation index adjusted for soil brightness: International Journal of Remote Sensing, 11, 727-740.
94. Migała K., Czwartos E., Samojło S., 2002, Dynamika rocznych przyrostów kosodrzewiny (Pinus mugo Turra) w świetle warunków klimatycznych Karkonoszy. Opera Concortica, 37, 322-328.
95. Mróz W., Perzanowska J., 2004, Zarośla kosodrzewiny (Pine-tum mugo).[w:] J. Herbich (red.), Poradniki ochrony siedlisk i gatunków Natura 2000 – poradnik metodyczny. Tom 3. Murawy, łąki, ziołorośla, wrzosowiska, zarośla, Wyd. Ministerstwo Środowiska, Warszawa, 54-62.
96. Müller A., Hausold A., Strobl P., 2002, HySens DAIS / ROS-IS Imaging Spectrometers at DLR. Information package version 3.0.[w:] M. Ehlers (red.), Remote Sensing for Environmental Monitoring, GIS Applications, and Geology, Proc. SPIE., 4545, 225-235.
97. Mutanga O., Skidmore A.K., 2004, Narrow band vegetation indices overcome the saturation problem in biomass estimation. International Journal of Remote Sensing, 25(19), 3999-4014.
98. Myneni R.B., Hoffman S., Knyazikhin Y., Privette J.L., Glassy J., Tian Y., Wang Y., Song X., Zhang Y., Smith G.R., Lotsch A., Friedl M., Morissete J.T., Votava P., Nemani R.R., Running S.W., 2002, Global products of vegetation leaf area and fraction absorbed PAR from year one of MO-DIS data. Remote Sensing of Environment, 83, 214-231.
99. O’Neil A.L., Kupiec J.A., Curran P.J., 2002, Biochemical and reflectance variation throughout a Sitka spruce canopy. Remote Sensing of Environment, 80, 134-142.
100. Odrzykoski I.J., 2002, Badania nad zmiennościa genetyczną kosodrzewiny (Pinus mugo) z wykorzystaniem markerów biochemicznych i molekularnych, Seria Biologia, 67, Wydawnictwo Naukowe UAM, ss. 136.
101. Ozenda P., 1988, Die Vegetation der Alpen im europäischen Gebirgsraum.Fischer Verlag, Stuttgart – New York, ss. 353.
102. Paterek A., Olędzki J.R., 2005, Zmiany zasięgu pięter roślinnych w Tatrach w latach 1977-2000. Teledetekcja Środowiska, 36, 106-118.
103. Pearson R.L., Miller L.D., 1972, Remote mapping of standing crop biomass for estimation of the productivity of the short-grass Prairie, Pawnee National Grassland, Colorado. Proceedings of the 8th Interntional Symposium on Remote Sensing of Environment, ERIM International, 1357-1381.
104. Peñuelas J., Gamon J.A., Fredeen A.L., Merino J., Field C.B., 1994, Reflectance indices associated with physiological changes in nitrogen and water-limited sun flower leaves. Remote sensing of Environment, 48, 135-146.
105. Piękoś-Mirkowa H., Mirek Z., 1996a, Szata roślinna Tatr Polskich – stan poznania, potrzeby i perspektywy badań. [w:] A. Kownacki (red.), Materiały I Ogólnopolskiej Konferencji: Przyroda Tatrzańskiego Parku Narodowego a Człowiek. Tom 2. Biologia, Kraków-Zakopane.
106. Piękoś-Mirkowa H., Mirek Z., 1996b, Zbiorowiska roślinne. [w:] Z. Mirek (red.), Przyroda Tatrzańskiego Parku Narodowego. TPN, Instytut Ochrony Przyrody PAN, Instytut Botaniki Pan, Kraków-Zakopane, 237-318.
107. Piękoś-Mirkowa H., Mirek Z., 2003, Flora Polski. Atlas roślin chronionych. Multico, Oficyna Wydawnicza, Warszawa, 344-345.
108. Próchnicki W., 2006, Przydatnść danych teledetekcyjnych w identyfikacji zbiorowisk roślinnych Doliny Gąsienicowej [maszynopis]. Praca magisterska wykonana w Katedrze Geoinformatyki i Teledetekcji WGiSR UW pod kierunkiem dr B. Zagajewskiego.
109. Ramsey III E., Jansen J.R., 1996, Remote sensing of mangrove wetlands: relating canopy spectra to site-specific data. Photogrammeric Engineering and Remote Sensing, 62, 8, 939-948.
110. Richardson A.J., Wiegand C.L., 1977. Distinguishing vegetation from soil background information. Photogrammetric Engineering and Remote Sensing, 43, 1541-1552.
111. Richardson A.D., Berlyn G.P., Gregoire T.G., 2001, Spectral reflectance of Picea rubens (Pinaceae) and Abies balsamea (Pinaceae) needles along an elevational gradient, Mt. Moosilauke, New Hampshire, USA. Americal Journal of Botany, 88, 4, 667-676.
112. Richling A., 1983, Metody badania powiązań pomiędzy komponentami środowiska geograficznego. Prace i Studia Geograficzne, 4.
113. Richter R., 2003, Status of model ATCOR4 on atmospheric / topographic correction for airborne hyperspectral imagery. [w:] Proceedings of 3rd EARSeL Workshop on Imaging Spectroscopy, Herrsching, Germany, 13-16 May 2003.
114. Richter R., 2005, Atmospheric\Topographic correction for airborne imagery. ATCOR-4 User Guide, Version 4.0. DLR – German Aerospace Center, Remote Sensing Data Center, 115. Wessling, Germany, ss. 104.
115. Richter R., Schläpfer D., 2002, Geo-atmospheric processing of airborne imaging spectrometry data. Part 2: atmospheric/topographic correction. International Journal of Remote Sensing,23 (13), 2631-2649.
116. Rojan P., 1992, Promieniowanie słoneczne w profilu wysokościowym polskich Karpat Zachodnich, Czasopismo Geograficzne, 62, 2, 151-168.
117. Rouse J.W., Haas R.H., Schell J.A., 1974, Monitoring the vernal advancement of retrogradiation of natural vegetation. NASA/GFC, type III, final report, Greenbelt, MD, USA, ss. 371.
118. Running S.W., Peterson D.L., Spanner M.A., Teuber K.B., 1986, Remote sensing of coniferous forest leaf area. Ecology, 67(1), 273-276.
119. Schaepman M.E., Koetz B., Schaepman-Strub G., Zimmermann N.E., Itten K., 2004, Quantitative retrieval of bio-geophysical characteristics using imaging spectroscopy – a mountain forest case study. Community Ecology, 5(1), 93-104.
120. Schläpfer D., Koetz B., Gruber S., Morsdorf F., 2003, The influence of DEM characteristics on preprocessing of DAIS/ROSIS data in high altitude alpine terrain. Proceedings of 3rdEARSeL Workshop on Imaging Spectroscopy, Herrsching, Germany, 13-16 May 2003, 133-139.
121. Schläpfer D., Richter R., 2002, Geo-atmospheric processing of airborne imaging spectrometry data. Part 1: parametric orthorectification. International Journal of Remote Sensing, 23(13), 2609-2630.
122. Schlerf M., Atzberger C., Hill J., 2005, Remote sensing of forest biophysical variables using HyMap imaging spectrometer data. Remote Sensing of Environment, 95, 177-194.
123. Schmidt K.S., 2003, Hyperspectral remote sensing of vegetation species distribution in a salt marsh. Praca doktorska wykonana w International Institute for Geo-information Science & Earth Observation, Enschede, the Netherlands (ITC), ITC dissertation nr 96, Enschede, Netherlands, ss. 47.
124. Schmidt K.S., Skidmore A.K., 2001, Exploring spectral discrimination of grass species in African rangelands. International Journal of Remote Sensing, 22 (17), 3421-3434.
125. Schmidt K.S., Skidmore A.K., 2003, Spectral discrimination of vegetation types in coastal wetland. Remote Sensing of Environment, 85, 92-108.
126. Schmidtlein S., 2005, Imaging spectroscopy as a tool for mapping Ellenberg indicator values. Journal of Applied Ecology, 42, 966-974.
127. Scurlock J. M. O., Asner G. P., Gower S T., 2001. Worldwide Historical Estimates of Leaf Area Index, 1932-2000, Oak Ridge National Laboratory, Oak Ridge, Tennessee, USA, ss. 34.
128. Sims D.A., Gamon J.A., 2002, Relationships between leaf pigment content and spectral reflectance across a wide range of species, leaf structures and developmental stages. Remote Sensing of Environment, 81, 337-354.
129. Skiba S., 2002, Mapa gleb Tatrzańskiego Parku Narodowego. [w:] Przemiany Środowiska Przyrodniczego Tatr. TPN-PTPNoZ. Kraków-Zakopane, 21-26 (+mapa).
130. Skidmore A.K., Knowles E., 1996, Neural networks for image processing. Proceedings of the 8th Australasian remote sensing conference ARSC, Canberra, Australia, 2, 169 - 174.
131. Sluiter R., de Jond S.M., van der Kwast H., Walstra J., 2004, A contextual approach to classify mediterranean heterogeneous vegetation using the spatial classification kernel (SPARK) and DAIS7915 imagery.[w:] S.M. de Jong i F.D. van der Meer (red.), Remote Sensing Image Analysis: Including the Spatial Domain, Bookseries Remote Sensing and Digital Image Processing, Kluwer Academic Publishers, 5, 291-310.
132. Smith G.M, Milton E.J., 1999, The use of empirical line method to calibrate remotely sensed data to reflectance. International Journal of Remote Sensing, 20(13), 2653-2662.
133. Smith B., Knorr W., Widlowski J.L., Pinty B., Gobron N., 2008, Combining remote sensing data with process modelling to monitor boreal conifer forest carbon balances. Forest Ecology and Management, 255, 3985-3994.
134. Sobczak M., Folbrier A., Krówczyńska M., Pabjanek P., Wrzesień M., Zagajewski B., 2005, Assessment of the potential of hyperspectral data and techniques for mountain vegetation analysis.[w:] B. Zagajewski, M. Sobczak, (red.), Imaging Spectroscopy. New Quality in Environmental Studies, Warsaw University Faculty of Geography and Regional Studies, Warsaw, 747-764.
135. Sobczak M., 2009, Hiperspektralna metoda badania i kartowania roślinności wysokogórskiej[maszynopis]. Praca doktorska wykonana w Katedrze Geoinformatyki i Teledetekcji, WGSiR UW pod kierunkiem prof. dr hab. Jana R. Olędzkiego, Warszawa, ss. 141.
136. Sobhan I., 2007, Species discrimination from statistical perspective. Praca doktorska wykonana w International Institute for Geo-information Science & Earth Observation, Enschede, the Netherlands (ITC), ITC Dissertation Number: 150, ss. 176.
137. Sokołowski M., 1928, O górnej granicy lasu w Tatrach, Wyd. Fundacji „Zakłady Kórnickie”, Kraków, ss. 188.
138. Soukupová L., Jeník J., Frantík T., 2001, Edge effect of krummholz in Giant Mts.’ tundra, The Sudetes. Opera Concortica, 38, 75-85.
139. Stenberg P., Rautiainen M., Manninen T., Voipio P., Smolander H., 2004, Reduced simple ratio better than NDVI for estimating LAI in Finnish pine and spruce stands. Silva Fennica, 38(1), 3-14.
140. Szafer W., Pawłowski B., Kulczyński S., 1927, Die Pfanzen-assoziationen des Tatra-Gebirges. III. Teil. Die Pflanzen-assoziationen des Kościeliska-Tales. Bull. Int. Acad. Pol. Sc. Lettr. Math. Nat.B Suppl., 2, 13-78.
141. Szczygielski M., 2001, Fitosocjologiczne zróżnicowanie sub-alpejskich zarośli kosodrzewiny[maszynopis]. Praca magisterska wykonana na AR w Krakowie.
142. Thenkabail P.S., Smith R.B., De Pauw E., 2000, Hyperspectral vegetation indices and their relationships with agricultural crop characteristics. Remote Sensing of Environment, 71, 158-182.
143. Theurillat J.-P., Guisan A., 2001, Potential impact of climate change on vegetation in the European Alps: a review. Climatic Change, 50, 77–109.
144. Trafas K., 1968, Przydatność zdjęć lotniczych terenów wysokogórskich w badaniach geograficznych na przykładzie Tatrzańskiego Parku Narodowego. Fotointerpretacja w Geografii. Problemy telegeoinformacji, 6, 92-103.
145. Treml V., Křížek M., 2006, Effects of dwarf pine (Pinus mugo)on patterned ground in the Czech part of the High Sudetes, Opera Concortica, 43, 45-56.
146. Turner D.P., Cohen W.B., Kennedy R.E., Fassnacht K.S., Briggs J.M., 1999, Relationships between leaf area index and Landsat TM spectral vegetation indices across three temprate zone sites. Remote Sensing of Environment, 70, 52-68.
147. Tymińska-Zawora K., Ziobrowski S., 2000, Zanieczyszczenie cynkiem, niklem, ołowiem i kadmem pędów i szpilek świerka pospolitego (Picea abies)na obszarze Tatr Zachodnich TPN. Inżynieria Środowiska, 5, 1, 85-99.
148. Underwood E., Ustin S., DiPietro D., 2003, Mapping nonnative plants using hyperspectral imagery. Remote Sensing of Environment, 86, 150-161.
149. Ustin S.L, Roberts D.A., Gamon J.A., Asner G.P., Green R.O., 2004, Using imaging spectroscopy to study ecosystem processes and properties. Bioscience, 54, 6, 523-534.
150. Ustin S.L., Gamon J.A., 2010, Remote sensing of plant functional types. New Phytologist, 186, 4, 795-816.
151. Vaiphasa C., Ongsomwangc S., Vaiphasa T., Skidmore A.K., 2005, Tropical mangrove species discrimination using hyperspectral data: a laboratory study. Estuarine, Costal and Shelf Science, 65, 371-379.
152. Vladovič J., Čaboun V., 2004, Ekologické prístupy k posudzowaniu štruktúry horských lesných ekosystémov.[w:] Laučík P. (red.), Štúdie o Tatranskom Národnym Parku. Štátne lesy Tatranskégo Národného Parku, Tatranská Lomnica.
153. Wężyk P., Guzik M., 2001, Techniki geoinformatyczne w badaniach czasowo-przestrzennych zmian szaty roślinnej na przykładzie rejonu Kasprowego Wierchu w Tatrach. Teledetekcja Środowiska, 33, 58-67.
154. Wężyk P., Guzik M., 2004, The use of „Photogrammetry-GIS” (P-GIS) for the analysis of changes in the Tatra Mountains’ natural environment. [w:] W. Widacki, A. Bytnerowicz, A. Riebau (red.), A message from the Tatra. Geographical Information Systems and Remote Sensing in Mountain Environmental Research. Jagiellonian University Press – USDA Forest Service, Kraków – Poland, Riverside, California – USA, 31-46.
155. Wężyk P., Wrzodak J., 2005, Integracja technik geomatycznych w badaniach przyrodniczych na przykładzie kartowania szaty roślinnej Tatr Wysokich. Roczniki Geomatyki, III (4), 209-218.
156. Wild J., Wildová R., 2002, Interactions between dwarf pine shrubs and grassland vegetation under different management. Opera Concortica, 39, 17-33.
157. Wrzesień M., Zagajewski B., Sobczak M., Zwijacz-Kozica T., 2005, Estimation of leaf area index in dwarf mountain pine (Pinus mugo Turra) using hyperspectral data.[w:] B. Zagajewski, M. Sobczak (red.), Imaging Spectroscopy. New Quality in Environmental Studies, Warsaw University Faculty of Geography and Regional Studies, Warsaw, 793-801.
158. Wrzesień M., Zwijacz-Kozica T., 2007, Wykorzystanie metody powtórzonych fotografii do ilościowej analizy zmian pokrycia terenu na przykładzie Hali Gąsienicowej. Studia Naturae, 54 (I), 265-273.
159. Zagajewski B., 2005, Zastosowanie geoinformacji w badaniach wpływu abiotycznych komponentów środowiska na rozmieszczenie roślinności w Narwiańskim Parku Narodowym i jego otulinie. Geoinformatica Polonica, 6, 132-136.
160. Zagajewski B., Sobczak M., WrzesieńM., 2004, Badania górskich zbiorowisk roślinnych z użyciem technik hiperspektralnych. Przegląd Geofizyczny, 49, 115-129.
161. Zagajewski B., Kozłowska A., Krówczyńska M., Sobczak M., Wrzesień M., 2005a, Mapping of high mountain vegetation using hyperspectral data. EARSeL eProceedings, 4(1), 70-78 [Internet: http://las.physik.uni-oldenburg.de/eProceedings/ 16-03-2006]
162. Zagajewski B., Folbrier A., Kozłowska A., Sobczak M., Wrzesień M., 2005b, Zintegrowane pomiary roślinności wysokogórskiej. Teledetekcja Środowiska, 36, 61-68.
163. Zagajewski B., Wrzesień M., Sobczak M., Krówczyńska M., 2005c, Cyfrowe przetwarzanie zdjęć hiperspektralnych. Teledetekcja Środowiska, 36, 78-95.
164. Zagajewski B., Kozłowska A., Krówczyńska M., Sobczak M., Wrzesień M., Zwijacz-Kozica T., 2006a, Badania górskich zbiorowisk roślinnych z użyciem naziemnych technik hiperspektralnych.[w:] Z. Mirek, B. Godzik (red.), Materiały konferencyjne III Ogólnopolskiej Konferencji Przyroda Tatrzańskiego Parku Narodowego, a Człowiek, t. II, Nauki biologiczne, Wyd. Tatrzańskiego Parku Narodowego, PTPNoZ - OddziałKrakowski, Zakopane, 125-136.
165. Zagajewski B., Kozłowska A., Krówczyńska M., Sobczak M., Wrzesień M., Zwijacz-Kozica T., 2006b, Kartowanie górskich zbiorowisk roślinnych z użyciem zobrazowań hiperspektralnych DAIS7915 i ROSIS. [w:] Z. Mirek, B. Godzik (red.), Materiały konferencyjne III Ogólnopolskiej Konferencji Przyroda Tatrzańskiego Parku Narodowego, a Człowiek, t. II, Nauki biologiczne, Wyd. Tatrzańskiego Parku Narodowego, PTPNoZ – Oddział Krakowski, Zakopane, 137-150.
166. Zarco-Tejada P.J., Miller J.R., Mohammed G.H., Noland T.L., Sampson P.H., 2002, Vegetation stress detection through chlorophyll a + b estimation and fluorescence effects on hyperspectral imagery. Journal of Environmental Quality, 31, 1433-1441.
167. Zarco-Tejada P.J., Miller J.R., Morales A., Berjón A., Agüera J., 2004, Hyperspectral indices and model simulation for chlorophyll estimation in open-canopy tree crops. Remote Sensing of Environment,90, 463-476.
168. Zarco-Tejada P.J. Berjon A., Lopez-Lozano R., Miller J.R., Martin P., Cachorro V., Gonzalez M.R., de Frutos A., 2005, Assessing vineyard condition with hyperspectral indices: Leaf and canopy reflectance simulation in a row-structured discontinuous canopy. Remote Sensing of Environment, 99, 271-287.
169. Zawadzki A., Dobrzański T., niedatowane, Prace nad zdjęciem mapy Tatr [Internet: www.gis.tpn.pl/zawartosc/biblioteka.htm 15-06-2006].
170. Zwijacz-Kozica M, Zwijacz-Kozica T., 2010, Naturalnie Tatry. Tatry,31(1), 68-71.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-c9dc3c14-738d-4087-b7f0-f6155fad0920