Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Prace Naukowe Politechniki Warszawskiej. Inżynieria Środowiska

1 2013

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Kozienicki Forest

Sortuj według:

Ogranicz wyniki do:

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

Przeździecki K., Szymankiewicz K., Zawadzki J.

Prace Naukowe Politechniki Warszawskiej. Inżynieria Środowiska

2013

z. 66

5--20

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.

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.