Zastosowanie modeli transferu promieniowania w hiperspektralnych badaniach stanu roślinności łąk

Badanie roślinności, w tym monitoring pokrywy roślinnej, jest istotnym problemem badawczym w skali globalnej, regionalnej oraz lokalnej. W badaniu roślinności duże znaczenie ma pozyskiwanie parametrów biofizycznych roślin, co pozwala na określenie stanu roślin, a także prognozowanie plonów. Jednocześnie dane teledetekcyjne umożliwiają wiarygodne pozyskiwanie informacji na dużym terenie w znacznie krótszym czasie, niż w przypadku tradycyjnych metod badawczych. W monitoringu roślinności z wykorzystaniem danych teledetekcyjnych stosowane są dwie metody: statystyczna i modelowanie z wykorzystaniem modeli transferu promieniowania (RTM). Podstawowym celem niniejszych badań jest ocena skuteczności modeli transferu promieniowania do określania stanu szaty roślinnej łąk występujących na terenie Polski. W badaniach przetestowano dwa modele transferu promieniowania służące do modelowania odbicia promieniowania od pojedynczych liści i szaty roślinnej traktowanej jako jednolita pokrywa roślinna, z punktu widzenia poprawności symulowania krzywych odbicia spektralnego. Badania odbywały się na obszarach łąkowych, które, ze względu na duże zróżnicowanie wewnętrzne, są trudne do modelowania. Poza tym zbadano i oceniono istotność czynników wpływających na skuteczność symulowania odbicia spektralnego od zróżnicowanej roślinności łąkowej. Podjęto także próbę oceny przydatności danych symulowanych do obliczania teledetekcyjnych wskaźników roślinności i relacji tak obliczonych wskaźników do ich wartości uzyskanych na podstawie danych z bezpośrednich pomiarów terenowych. Badania miały za zadanie określić, jak dalece modele transferu promieniowania mogą być wykorzystane do pozyskiwania danych o cechach roślinności łąkowej o zróżnicowanej strukturze, występujących na terenie Polski. Modele transferu promieniowania (Radiative Transfer Model – RTM) są modelami fizyczno-matematycznymi, które na podstawie praw fizycznych opisują, co dzieje się z promieniowaniem w atmosferze i kontakcie z pokrywą roślinną. Modele są używane od kilkudziesięciu lat do symulowania odbicia od pokrywy roślinnej, a po wykonaniu inwersji modelu, do badania parametrów biofizycznych. Danymi wejściowymi są zmienne biofizyczne i biometryczne roślin, np. zawartość barwników, LAI, zawartość wody, masy suchej, natomiast wyjściowymi – krzywe odbicia spektralnego. W modelowaniu z użyciem RTM zbiorowiska roślinne lub pojedyncze rośliny opisane są jako homogeniczne warstwy. Modele RTM mogą być używane do symulowania pomiarów spektrometrycznych, a także, po przeprowadzeniu inwersji, do pozyskiwania parametrów biofizycznych z krzywych odbicia spektralnego. Do modelowania odbicia od liści używany jest często model PROSPECT, który został zastosowany w niniejszym badaniach (Jacquemoud i in., 1996). Na ogół jest używany do jednolitych powierzchni, takich jak zboża. Wśród modeli opisujących pokrywę roślinności najbardziej popularny jest SAIL i jego modyfikacje. Model SAIL (Scattering by Arbitrarily Inclined Leaves) jest jednowymiarowy, pod względem obliczeniowym mało wymagający, z niewielką liczbą parametrów wejściowych (Verhoef, 1984; 1985). Na ogół modele opisujące odbicie na poziomie pokrywy roślinnej łączone są z modelami opisującymi pojedyncze liście. Jednym z najczęstszych połączeń jest kombinacja modelu PROSPECT z SAIL nazywana PROSAIL (Jacquemoud i in., 2009). Dotychczas na terenie Polski modele transferu promieniowania nie były wykorzystywane do badań roślinności łąkowej. Na ogół modele RTM są używane do badania roślinności homogenicznej ze względu na konieczność prostego opisania roślinności. Znaczna część badań z użyciem modeli RTM wykorzystuje jedynie podstawowe badania terenowe wykonywane w trakcie zobrazowania. Użycie do niniejszych badań wyłącznie pomiarów terenowych powoduje bardziej wiarygodną ocenę skuteczności modeli. Zastosowanie w pracy dwóch różnych modeli pozwoliło na określenie ich skuteczności w zależności od poziomu (modelowanie odbicia od liści i od pokrywy roślinnej). Badania zostały przeprowadzone na zróżnicowanych terenach łąkowych o niejednolitej strukturze. Ponadto, żeby obiektywnie ocenić poprawność działania modeli znaczna większość danych wejściowych została obliczona z pomiarów terenowych. Badania przeprowadzono na dwóch obszarach: na obszarze Pogórza Karpackiego (Pogórze Gorlickie) oraz na terenie Równin Środkowopolskich: Mazowsza Północnego w mikroregionie Ziemi Zakroczymsko-Serockiej; Doliny Środkowej Wisły w mikroregionach: Nadzalewowych Tarasów Dęblińsko-Markoskich i Rynny Karczewskiej oraz Mazowsza Środkowego w mikroregionie Równiny Mszczonowskiej (Olędzki, 2007). Przedmiotem badań są zbiorowiska trawiaste – ekstensywnie użytkowane łąki. Łącznie wykonano pomiary na 57 poligonach pomiarowych. W zależności od sposobu użytkowania, a tym samym struktury, wyróżniono łąki uprawiane o dużej biomasie, uprawiane o zredukowanej biomasie (skoszone) oraz nieuprawiane. W modelowaniu odbicia promieniowania od roślinności na poziomie pojedynczych liści wykorzystano model PROSPECT-5. Parametry wejściowe to: parametr opisujący strukturę liści – zwartość warstw liści, zawartość chlorofilu oraz karotenoidów, zawartość materii suchej i masa wody w liściach (Feret i in., 2008). Pomiary terenowe do modelu PROSPECT odbywały się na Pogórzu Karpackim i na Mazowszu na 22 poligonach badawczych w lipcu 2009 oraz w lipcu i sierpniu 2010 roku. Na podstawie pomiarów terenowych obliczono parametry wejściowe do modelu i utworzono dwa zestawy danych. W pierwszym zestawie (PROSPECT-1) utworzono krzywe odbicia spektralnego na podstawie danych obliczonych bezpośrednio z pomiarów terenowych. Ze względu na duże rozbieżności w wielkości odbicia wygenerowano drugi zestaw krzywych (PROSPECT-2), w którym empirycznie dopasowano parametr określający zawartość chlorofilu, karotenoidów oraz zawartość wody. W modelowaniu odbicia od pokrywy roślinnej zastosowano model SAIL, który ma następujące parametry wejściowe opisujące rośliny i glebę: dane spektrometryczne, dane biofizyczne roślin, zmienna opisującą glebę, informacje o geometrii odbicia promieniowania, a także dodatkowe informacje. Pomiary terenowe do modelu PROSAIL odbywały się wyłącznie na terenie Mazowsza na 50 poligonach pomiarowych w lipcu i sierpniu 2010 roku. Podobnie jak w przypadku PROSPECT opracowano dwa zestawy danych wejściowych do modelu PROSAIL: PROSAIL-1 (wartości bezpośrednio obliczone z pomiarów terenowych) i PROSAIL-2 (empirycznie dopasowano te same parametry, co w przypadku PROSPECT-2). Po połączeniu modelu PROSPECT i SAIL wprowadzono dane wejściowe do modelu i uzyskano krzywe odbicia spektralnego. Ostatnim etapem opracowania była weryfikacja uzyskanych krzywych z dwóch modeli przez porównanie z wartościami odbicia zmierzonymi w terenie. Obliczono pierwiastek błędu średniokwadratowego – Root Mean Square Error (RMSE) w przypadku każdej symulowanej krzywej w zakresie 0,4-2,5 µm oraz w czterech jego fragmentach: 0,4-0,6 µm, 0,4-0,8 µm i zakresów w podczerwieni bliskiej (0,8-1,5 µm) oraz średniej (1,5-2,5 µm). Określono wielkości średniego błędu modelowania w zależności od: rodzaju łąk, ilości biomasy świeżej, wartości parametru LAI oraz procentowej zawartości wody. Określono istotność statystyczną różnic. Policzono wartości teledetekcyjnych wskaźników roślinności na charakterystykach spektralnych pobranych w terenie i modelowanych (na podstawie zestawów danych PROSPECT-2 i PROSAIL-2). Porównując modelowanie wykonane na poziomie liści i na poziomie pokrywy roślinnej z wykorzystaniem dwóch modeli, można stwierdzić, że w całym zakresie widma od 0,4 do 2,5 µm lepsze wyniki uzyskuje się z użyciem modelu PROSPECT. Wartości pierwiastka błędu średniokwadratowego w symulacjach wykonywanych z pierwszym zestawem danych (PROSPECT-1 i PROSAIL-1) wzrastają wraz z długością fali. Największe błędy występują w zakresie środkowej podczerwieni, a mniejsze wartości błędu uzyskiwane są w zakresie bliskiej podczerwieni. Znacznie mniejsze błędy w porównaniu z zakresem podczerwonym, występują w zakresach 0,4-0,6 µm i 0,4-0,8 µm. W przedziale od 0,4 do 0,8 µm stwierdza się najmniejsze różnice w modelowaniu wskaźników z wykorzystaniem z jednej strony zestawów danych niezmodyfikowanych (PROSPECT-1 i PROSAIL-1) i z drugiej – zmodyfikowanych (PROSPECT-2 i PROSAIL-2). W przypadku zestawu danych PROSPECT-2 i PROSAIL-2 największe wartości pierwiastka błędu średniokwadratowego w modelowaniu krzywych odbicia spektralnego występują w zakresie bliskiej podczerwieni (0,8-1,5 µm), a najmniejsze w zakresie 0,4-0,6 µm. Niezależnie od modelu w każdym z zakresów widma, w przypadku stosowania zestawu danych zmodyfikowanych (PROSPECT-2 i PROSAIL-2) wielkość pierwiastka błędu średniokwadratowego jest znacznie mniejsza niż w przypadku danych niezmodyfikowanych (PROSPECT-1 i PROSAIL-1). Zestawiono otrzymane wyniki dla pierwszych zestawów danych (PROSPECT-1 i PROSAIL-1). Przeanalizowano skuteczność modelowania w zależności od rodzaju łąki. W zakresach 0,4-0,6 i 0,4-0,8 µm niezależnie od rodzaju uzyskano zbliżone uśrednione wartości pierwiastka błędu średniokwadratowego. W zakresie podczerwieni najmniejsze błędy występują w charakterystykach spektralnych na terenie łąk nieuprawianych, a największe na obszarach łąk uprawianych o zredukowanej biomasie. Jedynie w modelowaniu z użyciem algorytmu PROSAIL w zakresie środkowej podczerwieni (1,5-2,5 µm) różnice były istotne statystycznie. Stwierdzono, że aspekty środowiskowe mają niewielki wpływ na rezultaty modelowania. Poprawność modelowania zależy także od wartości parametrów biofizycznych. Niezależnie od modelu, stosując zestawy danych niemodyfikowanych, stwierdzono tę samą zależność dotyczącą biomasy świeżej. W przypadku klas łąk o większej zawartości biomasy błąd jest mniejszy. Wspomniane różnice są istotne statystycznie. W zakresie podczerwieni mniejsze błędy występują na terenie łąk o większej wartości wskaźnika powierzchni projekcyjnej liści, ale różnice są istotne statystycznie tylko w przypadku modelowania według algorytmu PROSAIL. W przypadku obu modeli – im większa jest zawartość wody, tym większa wartość błędu. W obu modelach różnice są istotne statystycznie. Oceniając skuteczność modelowania odbicia spektralnego z użyciem zestawów danych zmodyfikowanych (PROSPECT-2 i PROSAIL-2), należy stwierdzić, że w porównaniu z zestawami danych niemodyfikowanych różnice między poszczególnymi aspektami modelowania są znacznie mniejsze. Takie same rezultaty, na danych modyfikowanych stosując oba modele, uzyskuje się w przypadku podziału poligonów na trzy rodzaje łąk. Różnice w wartościach pierwiastków błędów średniokwadratowych między poszczególnymi rodzajami łąk są bardzo niewielkie. Oceniając wpływ zawartości poszczególnych substancji w roślinach (biomasy świeżej, LAI i wody) na skuteczność modelowania odpowiedzi spektralnych z wykorzystaniem zmodyfikowanych zestawów danych można stwierdzić, że różnice w modelowaniu między poszczególnymi klasami badanych parametrów są znacznie mniejsze przy tych zestawach danych niż przy zestawach danych niezmodyfikowanych. Zawartość parametrów biofizycznych ma niewielki wpływ w podczerwieni. Większość teledetekcyjnych wskaźników roślinności modelowanych za pomocą obu algorytmów ma wartości zbliżone do wzorcowych. Mniejsze różnice między modelowaną wartością wskaźnika a obliczoną na podstawie pomiarów terenowych uzyskuje się z użyciem modelu PROSPECT. Wyjątkiem jest wskaźnik określający zwartość ligniny (NDLI). Zbliżoną skuteczność niezależnie od modelu uzyskuje się w przypadku wskaźnika zawartości celulozy (CAI). Oba modele dają bardzo dobre wyniki odnośnie do wskaźnika kanału wody (WBI), dość dobre są też wyniki dotyczące znormalizowanego różnicowego wskaźnika zieleni (NDVI). Przeprowadzone badania umożliwiły ocenę zastosowania modeli transferu promieniowania do modelowania odbicia od złożonych środowisk roślinnych. Na podstawie przeprowadzonych badań można stwierdzić, że modele transferu promieniowania mogą być stosowane do symulowania współczynnika odbicia spektralnego w przypadku niejednorodnej roślinności trawiastej. Jednak, aby możliwe było dalsze używanie modeli, konieczne jest wprowadzenie poprawek do danych wejściowych, co znacznie wydłuża proces modelowania. Łąki są na tyle skomplikowanym środowiskiem, że niektóre z parametrów muszą być ustalane lub dopasowywane, a nie mierzone w terenie. Na modelowanie znikomy wpływ ma rodzaj łąki i stopień jej złożoności. Na skuteczność symulacji współczynnika odbicia znacznie bardziej wpływają wartości poszczególnych parametrów biofizycznych. W dalszych badaniach warto wykonać inwersję modelu PROSAIL na podstawie opracowanych danych, aby uzyskać wybrane zmienne biofizyczne z charakterystyk spektralnych. Jest to ułatwione przez opracowanie zakresów danych wejściowych, jakie powinny być stosowane. Można także podjąć próbę modelowania korzystając z danych pozyskanych z pułapu lotniczego i satelitarnego. Na podstawie przeprowadzonych badań ustalono, jakie zakresy parametrów wejściowych do modeli PROSPECT i PROSAIL są optymalne dla tak zróżnicowanego środowiska, jakim są łąki na obszarze Polski. Feret J.-B., Frençois C., Asner G. P., Gitelson A. A., Martin R. E., Bidel L. P. R., Ustin S., le Maire G., Jacquemoud S., 2008, PROSPECT-4 and 5: Advances in the leaf optical properties model separating photosynthetic pigments. Remote Sensing of Environment, nr 112, str. 3030-3043. Jacquemoud S., Ustin S. L., Verdebout J., Schmuck G., Anderoli G., Hosgood B., 1996, Estimating Leaf Biochemistry Using the PROSPECT Leaf Optical Properties Model. Remote Sensing of Environment, nr 56, str. 194-202. Jacquemoud S., Verhoef W., Baret F., Bacour C., Zarco-Tejada P. J., Asner G. P., François H., Ustin S. L., 2009, PROSPECT+SAIL models: A review of use for vegetation characterization. Remote Sensing of Environment, nr 113, str.556–566. Olędzki J. R., 2007, Regiony geograficzne Polski, Teledetekcja Środowiska, nr 38, str. 1-337. Verhoef W., 1984, Light scattering by leaf layers with application to canopy reflectance modeling: The SAIL model. Remote Sensing of Environment, nr 16, str. 125-141. Verhoef W., 1985, Earth observation modeling based on layer scattering matrices. Remote Sensing of Environment, nr 17, str. 165-178.

Vegetation analysis is an important problem in regional and global scale. Because of pollution of environment and changes in the ecosystems plant monitoring is very important. Remote sensing data can be easily used to plant monitoring. That kind of method is much faster and more reliable than traditional approaches. Spectrometry analyses the interaction between radiation and object and it uses measurement of radiation intensity as a function of wavelength. Each object emits and absorbs different quantity of radiation, so it is possible to recognize the object and check its characteristics analyzing the spectrum. The subject of the researches is Polish meadows. The human usage of the meadows determines its proper functioning. Grasslands, which consist of meadows and pastures, cover 10% of Poland. Meadows are mostly extensively used, the crops from meadows, hay and green forage, are very low. The meadows in Poland are floristically and morphologically very diverse. Many factors influence on this ecosystem and that is why the monitoring is very important. The aim of the researches is to study the possibility of use of the Radiative Transfer Models in modeling the state of the heterogeneous vegetation cover of seminatural meadows in Poland. To canopy analysis two approaches are used: statistic and modeling. In statistic approach, biophysical parameters calculated from the image are correlated with reflectance or transmittance from field measurements. In second approach physically based model is used to represent the photon transport inside leaves and canopy. The Radiative Transfer Models are based on the laws of optics. Developing the model results in better understanding of the interaction of light in canopy and leaves. The Radiative Transfer Models are often applied to vegetation modeling. The Radiative Transfer Models are physically based models which describe the interactions of radiation in atmosphere and vegetation. Adjusted models can be used to fast and precise analysis of biophysical parameters of the canopy. The canopy can be described as homogeneous layer consist of leaves and spaces. The Radiative Transfer Models are algorithms which vary by input and output parameters, the level of the analysis, kinds of plants and other modifications. Models are used on two levels: single leaf and whole canopy. The first model, which is used in this research, is PROSPECT, which describes the multidirectional reflectance and diffusion on leaf level. It is often employed with other models that describe whole canopy. The input parameters in the model are: chlorophyll and carotenoid content, Equivalent Water Thickness and dry matter content and also leaf structure parameter that describe the leaf structure and complexity. Second model, which is used in the study, is the canopy reflectance model SAIL (Scattering by Arbitrarily Inclined Leaves). It simulates the top of the canopy bidirectional reflectance and it describes the canopy structure in a fairly simple way. In this analysis the 4-SAIL model will be used. This version has few input parameters that describe plants and soil: spectrometric data – reflectance and transmittance from leaves (the output parameters form PROSPECT model), biophysical canopy parameters (Leaf Area Index, brown pigment content, mean leaf inclination angle), soil brightness parameter, reflectance geometry (Solar zenith angle, observer zenith angle, relative azimuth angle), ratio of diffuse to total incident radiation and two hot spot size parameters. The SAIL model is often combined with the model on leaf level – the PROSAIL model. The PROSPECT and SAIL are very rarely used to meadows, because this kind of ecosystem is normally rather heterogeneous and modeling is quite difficult. In this study two Radiative Transfer Models (PROSPECT-5 and 4SAIL) were used form modeling the reflectance on leaf and canopy level. In order to acquire the input data to both models model and reference spectrums the field measurements were done. The input parameters were recalculated using fields measurements and put into the models: PROSPECT and PROSAIL. Only one leaf structure parameter was fitted for each polygon individually. The field measurements were done in 2009 and 2010on 57 test polygons, that were located in Carpathian Foothills (near Gorlice) and on the Środkowopolskie Plains. For each model two datasets were calculated: first (PROSECT-1 and PROSAIL-1), where the input parameters were calculated directly from field measurements, and second (PROSPECT-2 and PROSAIL-2), where water, chlorophyll and carotenoid content were modified. Then, the spectral reflectance obtained from model was compared with field measurements. Based on the calculated Root Mean Square Error the simulation was verified. The RMSE values were calculated for whole range from 0,4-2,5 µm and for specific ranges. The correctness of simulated spectra were analyzed dependent on the type of meadows (cultivated meadows with reduced amount of biomass, cultivated meadows with high amount of biomass and not cultivated meadows) and the value of three different biophysical parameters (Leaf Area index, fresh biomass content and water content). Better results were obtained using PROSPECT model than PROSAIL. In the visible light more accurate values were calculated using PROSAIL and in infrared using PROSPECT. Generally bigger errors were noticed in the infrared, especially middle infrared. In the case of the second datasets (PROSPECT-2 and PROSAIL-2) the largest root mean square error was noticed in the near-infrared and the smallest in the range 0.4-0.6 µm. For both models in each range the RMSE was smaller for datasets PROSPECT-2 and PROSAIL-2 compared to the PROSPECT-1 and PROSAIL-1. The effectiveness of simulation reflectance was not influenced by different kind of meadows. The only differences were noticed in infrared, but were not statistically significant. Apart from that, better results were obtained on meadows with higher biomass value, bigger Leaf Area Index and lower water content for both models. The differences in infrared were statistically significant, especially for the PROSPECT-1 and PROSAIL-1 datasets. Most modeled vegetation indices have vales similar to the field measurements. Better results were notice for PROSPECT model. The smallest differences were for Water band index and also Normalized Difference Vegetation Index. Generally, the PROSPECT and PROSAIL radiative transfer models can be used to simulate the spectral reflectance of vegetation on heterogeneous meadows. The models can be used to estimate the biophysical parameters, but it is necessary to correct the values of input variables (especially water content). Meadows are very complex environment and some of the parameters should be adjusted. The type of the meadow is irrelevant to the correctness of the simulation, while the effectiveness of simulation is much more influenced by the values of biophysical parameters.