Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Landsat 8 OLI

Sortuj według:

Ogranicz wyniki do:

Evaluation the Soil-Adjusted Vegetation Indices SAVI and MSAVI for Bristol City, United Kingdom Using Landsat 8-OLI Through Geospatial Technology

Kareem Hayder H., Attaee Muammar H., Omran Zainab Ali

Ecological Engineering & Environmental Technology

2023

Vol. 24, iss. 7

89--97

Soil moisture is highly variable in space and time; moreover, it has nonlinear effects on a wide variety of environmental systems. Understanding the multiple hydrological processes, developing more accurate models of those processes, and applying those models to conservation planning all benefit greatly from a better characterization of temporal and geographic variability in soil moisture. Vegetation indices (VIs) are used to assess vegetative coverings objectively and subjectively through spectral observations. The spectral responses of vegetated areas are influenced by many factors, including vegetation and soil brightness, environmental influences, soil color, and moisture. This research looked into the soil adjusted indices SAVI and MSAVI for the city of Bristol in the United Kingdom and assessed them. The Landsat 8 OLI of the research area was downloaded, whereas Bands 4 and 5 were processed in a geographic information system (GIS) to provide SAVI and MSAVI. The obtained values for the SAVI index are between -0.557 and 0.425, and the obtained values for the MSAVI index are between -1.183 and 0.441. The MSAVI is able to extract a thicker layer of vegetation than the SAVI. Similarly, MSAVI has revealed more non-vegetated locations compared to those extracted by SAVI. Since the MSAVI index provides reliable signals of land cover, it should be used in research applications. Technically, the work presented the GIS functionality of a raster calculator for processing Landsat 8 OLI data, and regionally, it added to the studies of Bristol City.

Modelowanie wymiany netto ekosystemu (NEE) na obszarach bagiennych z zastosowaniem danych satelitarnych

Dąbrowska-Zielińska K., Budzyńska M., Tomaszewska M., Malińska A., Bartold M., Gatkowska M., Turlej K., Małek I., Turbiak J., Jaszczyński J.

Woda-Środowisko-Obszary Wiejskie

2017

T. 17, z. 1

31--51

W artykule przedstawiono wyniki badań nad modelowaniem wymiany netto ekosystemu (NEE – ang. Net Ecosystem Exchange) bagiennego na przykładzie doliny Biebrzy z wykorzystaniem zdjęć satelitarnych i danych z pomiarów naziemnych z lat 2011–2015. Przeprowadzono szczegółową analizę zastosowania zdjęć optycznych i radarowych do uzyskania charakterystyk roślinno-wilgotnościowych wpływających na wymianę węgla. W wyniku przeprowadzonych analiz opracowano modele szacowania NEE, w których zastosowano opracowane na podstawie danych satelitarnych następujące parametry: wilgotność gleby (WG), zawartość wody w roślinach (WR). Do analizy WG i WR został zastosowany współczynnik wstecznego rozpraszania (σº) obliczony z sygnału zarejestrowanego w zakresie mikrofalowym przez urządzenia SAR (ang. Synthetic Aperture Radar) dla różnych polaryzacji fal. Prace badawcze zmierzające do określenia wielkości wymiany węgla oraz jego zróżnicowania przestrzennego i czasowego, przeprowadzone z uwzględnieniem informacji o pokrywie roślinnej i wilgotności gleby uzyskanych z danych satelitarnych, są ważne dla monitorowania ekosystemów bagiennych.

The article presents results of the study on modeling Net Ecosystem Exchange (NEE) in the wetland ecosystem using remote sensing and in-situ data. The study has been conducted in Biebrza Valley for the years 2011–2015. The analysis of application of optical and microwave images for the assessment of vegetation-moisture conditions influenced carbon exchange has been performed. The impact of soil moisture and type of vegetation habitat on CO2 flux in wetland ecosystems has been analyzed to develop NEE models. Soil moisture (WG) and vegetation water content (WR) have been correlated with backscattering coefficient (σº) calculated from the signal registered by microwave satellites in different wave polarization. The research was focused on the assessment of carbon balance in time and space taking into account vegetation cover and soil moisture derived from satellite data. The research is important for monitoring wetland ecosystem.