Wyniki wyszukiwania - Biblioteka Nauki

1

Land-use change analysis in the basin of the Upper Narew river using Landsat data and archival topographic maps

100%

Nasiłowska S.

Roczniki Geomatyki

|

2009

|

tom T. 7, z. 2

91-98

PL

W niniejszej pracy podjęto się wieloczasowej analizy zmian użytkowania ziemi. Obszar badawczy stanowiła zlewnia Górnej Narwi. Materiał źródłowy stanowiły obrazy satelitarne oraz archiwalne mapy topograficzne, co umożliwiło analizę w okresie 16 lat (1985-2001). Specyfika danych satelitarnych nie pozwala na proste porównanie ich ze względu na użytkowanie ziemi z mapami topograficznymi. Dlatego też podjęto się próby zniwelowania różnic między omawianymi materiałami geoinformatycznymi. Informacje pozyskane w procesie interpretacji wizualnej posłużyły do opracowania trzech map inwentaryzujących stan użytkowania ziemi. Agregacja treści oraz znaczenia symboli w poszczególnych materiałach źródłowych pozwoliła na wyróżnienie 10 kategorii użytkowania ziemi. Dokładność wyznaczania poligonów użytkowania ziemi wynosiła 25 ha, natomiast zmiany wykryto z 5 hektarową precyzją. Niezmiennie dominującymi formami użytkowania ziemi są grunty orne oraz lasy, zajmujące po około 40% powierzchni obszaru badawczego. Naturalne jeziora w zakresie założonej dokładności zniknęły z powierzchni zlewni. Wraz z zanikiem zbiorników naturalnych, zmniejsza się powierzchnia obszarów podmokłych, a wzrasta areał trwałych użytków zielonych i gruntów ornych. Zanotowano intensywny wzrost powierzchni zabudowanej. Największy wzrost liczby ludności zanotowano dla Białegostoku, który niezmienne pełni funkcję najważniejszego ośrodka miejskiego na Podlasiu. Przeprowadzona analiza wskazuje, że w badanym okresie przekształcenia nastąpiły na 32,8% powierzchni obszaru badawczego.

2

Zmiany użytkowania ziemi zlewni górnej Narwi w XIX-XX w.

100%

Nasiłowska S.

Teledetekcja Środowiska

|

2008

|

tom T. 40

53--68

3

Zmienność wskaźników NDVI oraz NDMI na przykładzie analizy uprawy kukurydzy w Etiopii

63%

Nasiłowska S. , Kubiak K.

Teledetekcja Środowiska

|

2016

|

tom T. 55

15--26

PL

Celem pracy jest analiza zmian kondycji uprawy kukurydzy na przestrzeni trzech lat, z zastosowaniem danych satelitarnych Landsat-8. Wykorzystano tu obrazy prezentujące rozkład przestrzenny dwóch wskaźników teledetekcyjnych: NDVI oraz NDMI. Pierwszy pozwala badać wielkość biomasy a tym samym potencjalny plon upraw. Drugi natomiast wrażliwy jest na zawartość wody w strukturach komórkowych roślin, co pozwala na detekcję stresu wodnego. Przebadano zróżnicowanie przestrzenne i zmienność tych dwóch wskaźników od 2014 do 2016 roku. Obliczono średnią i odchylenie standardowe dla uprawy oraz wydzielonych w niej 4 stref. Przeanalizowano również zmienność wskaźników na podstawie opracowanych map uprawy. Analiza przedstawiona w pracy jest konkretnym przykładem zastosowania średniorozdzielczych scen Landsat do monitoringu upraw, a tym samym tzw. precyzyjnego rolnictwa, gotowym do zaaplikowania na platformie COMOZ tworzonej w Instytucie Lotnictwa. Statystyki wskazują na konkretne daty kiedy kondycja upraw była najlepsza a kiedy najgorsza. Mapowanie zjawiska pozwala na śledzenie trendów w czasie i przestrzeni. Dodatkowo interpretacja wizualna i pośrednie cechy interpretacyjne obrazu mogą wskazywać na prowadzone na miejscu zabiegi hydrotechniczne.

EN

The aim of the study was to analyze changes in the condition of maize over three years, using satellite data Landsat-8. Spatial distribution and statistics of two remote sensing indices: NDVI and NDMI were shown. First of mentioned allows biomass estimation and thus potential crop yield. The second one is sensitive to water content of the plant cell structure, which allows for the detection of water stress. In the study spatial heterogeneity and variability of these two indicators from 2014 until 2016 were presented. The mean and standard deviation for 4 separated region of interests were calculated. Spatial variability of indices based on developed crops maps were also analyzed The analysis presented in this work is a concrete example of the application of medium-resolution Landsat scenes for monitoring crops and thus the so-called precision farming, ready to implement in COMOZ platform developed in Institute of Aviation. Statistics indicate a specific date when the condition of the crop was the best and when the worst. Mapping the phenomenon allows to track trends over time and space. In addition, the visual interpretation of indirect features of the image can indicate on the agricultural treatments characterization.

4

Detekcja zachmurzenia na podstawie danych satelitarnych MODIS

63%

Leziak K. , Nasiłowska S.

Teledetekcja Środowiska

|

2013

|

tom T. 49

27--38

EN

Cloud detection is an important field in meteorology and remote sensing, due to clouds role in meso- and macroscale weather processes. Most of the dangerous weather events, such as hail fall, strong wind or severe storm can be forecasted or predicted using satellite imagery. MODIS data are very useful in nephological analysis as they cover vast majority of Earth surface and provide hiperspectral images with a short revisit time. Tests of RGB compositions of MODIS bands were performed, to look for model compositions for cloud detection. Three best compositions have been chosen: RGB 17/18-6-26, RGB 30-23-8, RGB 34-1-17. They allow to delimitate clouds and identify their family, type and (in some cases) specie. MODIS cloud masks accuracy has been checked, based on model RGB compositions. Results show that each mask detects different family or type of clouds, and accuracy and precision of this process depends on the mask parameters. For proper cloud delimitation an assistance of a qualified meteorologist is required.

5

Zmienność wilgotności w dolinie górnej Narwi w okresie 20 lat na podstawie transformacji Tasseled Cap i wskaźników wilgotności

63%

Jarocińska A. , Nasiłowska S.

Teledetekcja Środowiska

|

2009

|

tom T. 41

51--57

EN

Wetness monitoring is very important issue especially on wetlands ecosystems, because they are very vulnerable to changes, particularly those made by human. The upper Narew valley with eminence was analyzed. Described area is in north-eastern Poland and covers the valley from Tykocin to Łazy. This area is unique wetland habitat in Europe. In natural part is an anastomosing river system, whereas second part is covered by agricultural areas (wetlands which were drained in ‘70 of XX century). The aim of this paper is to demonstrate quantitative multitemporal analyses of changes in this environment by using various wetness indices and comparing them. To investigate the amount of changes the images from Landsat were used: from TM and ETM+ scanner (available from http://glovis.usgs.gov/). They were from two time series: the end of XX century (1989, 1992, 1993 and 1994) and the beginning of XXI century (2006 and 2007). All of the images were from the beginning or the middle of the vegetation season. In addition, meteorological data were used (from www. tutiempo.es), to detect the precipitation influence on analyzed indices. NDVI was calculated using image from the 2006, then the mask was created to remove all apart from the vegetation (everything under 0,4). After that the Tasseled Cap transformation was made to obtain Wetness band (TCW). Values under -37 on image from 1993 were masked to eliminate cloudy areas. In next step two wetness indices were calculated: Normalized Difference Infrared Index (NDII) and Moisture Stress Index (MSI). TCW is based on visual, near-infrared and-middle infrared electromagnetic radiation, because of that it could depend on atmospheric conditions. NDII and MSI are calculated only from 4th and 5th Landsat bands. Scattering from aerosols in that part of wavelength is weaker and doesn’t have big impact on indices values. Three describing indices are used when atmospheric correction isn’t possible or needed. Values of the three parameters were mapped by dividing into four classes: higher, medium, lower and the lowest wetness. Maps were averaged in the two time series (end of XX and beginning of XXI century). They were reclassified into tree difference maps to show the differences in wetness conditions and between various indices. Three maps showing changes in wetness were classified into five categories: much more wet, more wet, no changes, drier and much drier. These set of data could be compared. The results show that about 55% of analyzing area is stable. Table 3 present that about 2% of all changes were big. About 30% of total amount of transformation are connected with drainage areas. Areas which were more wet cover about 10%. Drained areas are getting extremely wet based on TCW, but opposite tendency can be noted on MSI and NDII maps. Big discrepancy between the maps of changes was discovered. TCW showed that the natural valley is getting drier and eminences are getting wet, but the results are different for the other two analyzed indices. Apart from that, some of the results are different for the parameters. In further research this kind of analysis should be compared with land cover and field measurements.