Ocena przydatności teledetekcji do monitorowania uszkodzeń roślinności Tatr

Monitorowanie stanu środowiska pozwala na wykrywanie uszkodzeń roślinności. Teledetekcja satelitarna dostarcza dane oraz procedury ich przetwarzania, które stanowią wsparcie dla tradycyjnych metod monitorowania i ochrony roślin. Jest to szczególnie ważne w obszarach górskich ze względu na skrócenie czasu i zmniejszenie kosztów potrzebnych na prace terenowe. Integracja danych satelitarnych oraz terenowych pozwala na opracowanie algorytmów detekcji i predykcji zmian w ekosystemach. W pracy postawiono cztery cele: 1) opracowanie i przetestowanie algorytmu monitoring uszkodzeń roślinności bazującego na serii czasowej zobrazowań Landsat o rocznym interwale; 2) opracowanie map uszkodzeń roślinności Tatr w obrębie Tatrzańskiego Parku Narodowego (TPN) i słowackiego Tatranského národného parku (TANAP) dla okresu 1985-2016; 3) ocenę zależności pomiędzy częstością występowania uszkodzeń roślinności a wybranymi czynnikami fizyczno-geograficznymi (wysokość n.p.m., ekspozycja i nachylenie stoku; dla obu parków narodowych), cechami drzewostanów oraz formą ochrony przyrody (typ zbiorowiska leśnego, typ siedliskowy lasu, wiek, struktura wiekowa oraz stopień naturalności; dla TPN); 4) ocenę użyteczności wybranych teledetekcyjnych wskaźników roślinności obliczonych na podstawie danych Landsat do monitorowania uszkodzeń roślinności, dokonaną na podstawie siły korelacji z referencyjnymi danymi naziemnymi, a także na podstawie zmian wartości wskaźników obserwowanych w serii czasowej w związku z wystąpieniem uszkodzenia. 51 zobrazowań zostało poddanych korekcji atmosferycznej i topograficznej oraz dla wybranych lat utworzono kompozycje w celu uzyskania danych o jak najniższym stopniu zachmurzenia. W celu wybrania teledetekcyjnego wskaźnika roślinności najbardziej skorelowanego z parametrami biofizycznymi roślinności pomierzono w terenie: zawartość chlorofilu, wielkość powierzchni projekcyjnej liści (Leaf Area Index; LAI), ilość energii akumulowanej na potrzeby fotosyntezy (Accumulated Photosynthetically Active Radiation; APAR) oraz charakterystyki spektralne roślinności nieleśnej, kosodrzewiny oraz drzewostanów. Prace terenowe przeprowadzono w sierpniu 2013 i 2015 roku na 190 powierzchniach badawczych. Przetestowano 10 teledetekcyjnych wskaźników w celu wybrania najlepszego predyktora uszkodzeń roślinności: Simple Ratio (SR), Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI), Green Normalized Difference Vegetation Index (GNDVI), Optimized Soil Adjusted Vegetation Index (OSAVI), Wide Dynamic Range Vegetation Index (WDRVI), Moisture Stress Index (MSI), Normalized Difference Moisture Index (NDMI), Normalized Pigment Chlorophyll Index (NPCI) and Plant Senescence Reflectance Index (PSRI). Sprawdzono siłę korelacji pomiędzy wynikami pomiarów terenowych a wartościami teledekcyjnych wskaźników roślinności obliczonych na podstawie zorbazowań satelitarnych. W wyniku analizy korelacji wybrano 7 wskaźników do dalszych prac, gdzie sprawdzono jak zmieniaja się ich wartości pomiędzy kolejnymi zobrazowaniami w serii czasowej w zależności od tego czy wystąpiło uszkodzenie. Na podstawie przeprowadzony badań stwierdzono, że Normalized Difference Moisture Index daje nalepsze wyniki w detekcji uszkodzeń roślinności. Opracowany algorytm wykorzystuje osobno dwa podejścia: 1) progowanie (wartość 0,085 została wybrana jako najlepsza) służące do wskazania terminu i miejsca wystąpienia uszkodzenia, 2) analizę lini trendu w całej serii czasowej dla każdego piksela. W wyniku działania algorytmu otrzymano 29 obrazów uszkodzeń roślinności Tatr na podstawie, których opracowano mapę uszkodzeń roślinności wykrytych w okresie 1985-2016. Wykorzystując 200 losowo rozrzuconych punktów sprawdzono dokładność algorytmu uzyskując wynik dokładności całkowitej wynoszący 98,4%. Wykryte uszkodzenia roślinności spowodowane były głównie huraganowymi wiatrami i gradacjami kornika ale również wyrębem drzew, osuwiskami oraz pracami budowlanymi. Drzewostany na zboczach o nachyleniu do 20 stopni i południowej ekspozycji były najczęściej dotykane uszkodzeniami.

Monitoring of environment allows to detect vegetation disturbances. Satellite remote sensing provides data and processing methods which ensures excellent support for traditional methods of monitoring and preservation of vegetation. It is particularly important in mountain areas due to reduce time and cost of field works in terrain difficult to explore. Satellite and field measurements data fusion allows for development of algorithms applicable to detect or predict of changes in ecosystem. Four aims of this work were formulated: 1) development and testing of a new remote sensing algorithm for monitoring of vegetation disturbances based on the annual time series of Landsat satellite imagery; 2) preparation of maps of the vegetation disturbances in Tatra Mountains within national parks borders (Polish Tatrzański Park Narodowy – TPN, and Slovak Tatranský národný park – TANAP) in the years 1985-2016; 3) assessment of the relationship between the frequency of vegetation disturbances and selected physical and geographical factors (altitude, exposure, slope for TPN and TANAP), stands features and management protection zone (vegetation community type, age, structure and degree of naturalness of the stand for TPN); 4) assessment of usefulness of vegetation indices (VIs) calculated on the Landsat data for monitoring vegetation disturbances, based on the strength of correlation with field measured data and VIs values changes in time series. Fifty-one images were atmospherically and topographically corrected and composites for selected years were created to obtain as much as possible cloudless datasets. In order to select vegetation index related to biophysical vegetation parameters field data as: chlorophyll content, Leaf Area Index (LAI), Accumulated Photosynthetically Active Radiation (APAR) and spectral signatures of non-forest vegetation, dwarf pine and stands were collected in August 2013 and 2015 from 190 sample plots. To select the best predictor of vegetation disturbances ten vegetation indices were tested: Simple Ratio (SR), Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI), Green Normalized Difference Vegetation Index (GNDVI), Optimized Soil Adjusted Vegetation Index (OSAVI), Wide Dynamic Range Vegetation Index (WDRVI), Moisture Stress Index (MSI), Normalized Difference Moisture Index (NDMI), Normalized Pigment Chlorophyll Index (NPCI) and Plant Senescence Reflectance Index (PSRI). The results of field measurements and satellite-based vegetation indices values were correlated and it has effected a selection of seven indices used for analysis of differences between their values in following pairs of years in time series. Finally Normalized Difference Moisture Index was found as the best for vegetation disturbance detection. Elaborated algorithm utilizes two approaches separately: 1) thresholding (value 0,085 was discovered as best), indicating where and when disturbances occurred, 2) trend line, presenting general trend in time series for each pixel. As a result 29 images of disturbed areas in Tatra Mountains were obtained and the map of vegetation disturbances detected in the period 1985-2016 was prepared. Using two hundred randomly selected validation points based on all observations in time series 98,4% overall accuracy (OA) were achieved. The detected disturbances were primarily caused by windthrows, bark beetle outbreaks and also harvesting, landslides and constructing. Forest stands on slopes up to 20 degrees and on south and southeast exposures were mainly affected by vegetation disturbances.