Określanie defoliacji drzewostanów sosnowych z wykorzystaniem zobrazowań satelitarnych Landsat

Wielkość: px

Rozpocząć pokaz od strony:

Download "Określanie defoliacji drzewostanów sosnowych z wykorzystaniem zobrazowań satelitarnych Landsat"

Eleonora Kulesza
5 lat temu
Przeglądów:

1 Określanie defoliacji drzewostanów sosnowych z wykorzystaniem zobrazowań satelitarnych Landsat mgr inż. Paweł Hawryło dr hab. inż. Piotr Wężyk dr inż. Marta Szostak Zakład Urządzania Lasu, Geomatyki i Ekonomiki Leśnictwa, Instytut Zarządzania Zasobami Leśnymi, Wydział Leśny, Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie

terenie a informacjami zawartymi w zobrazowaniach

2 Hipoteza badawcza istnieje zależność pomiędzy stopniem defoliacji drzewostanów sosnowych określonym wizualnie w terenie a informacjami zawartymi w zobrazowaniach satelitarnych Landsat 8 (LDCM) 2 Źródło:

3 Landsat Źródło: 3

4 Krzywe spektrostrefowe Źródło: 4

Normalized Difference Vegetation Index (NDVI) Źródło: http://www.ece.

5 Normalized Difference Vegetation Index (NDVI) Źródło: 5

6 6 Teren badań

7 Teren badań Jabłoński, T., Szkodniki liściożerne drzewostanów sosnowych. [W:] Krótkoterminowa prognoza występowania ważniejszych szkodników i chorób infekcyjnych drzew leśnych w Polsce w 2014 roku. Sękocin Stary. Instytut Badawczy Leśnictwa, s. 179: w roku 2013 barczatka sosnówka była głównym szkodnikiem starszych drzewostanów sosnowych w Polsce, największe zagrożenie ze strony tego szkodnika prognozowane było dla Regionalnych Dyrekcji Lasów Państwowych Szczecin, Zielona Góra oraz Piła, na wybranym terenie badań stwierdzono największe szkody w skali kraju. 7

8 8 Teren badań

9 Dane zobrazowania satelitarne misji Landsat, wektor leśnej mapy numerycznej (LMN) wraz z bazą atrybutową SILP, wyniki własnych pomiarów defoliacji w terenie (n=50). 9

10 Metodyka Wybór drzewostanów : - w wieku lat, - na siedlisku Bśw, - udział So >= 80% - klasyfikacja obiektowa drzewostanów. Wybór lokalizacji powierzchni próbnych : - różnica wartości indeksu spektralnego NDVI ( , ), - reklasyfikacja różnicy do 25 klas, - dla każdej klasy losowo 2 powierzchnie. Ocena defoliacji w terenie na 50 powierzchniach: - średnia wartość defoliacji z 10 drzew najbliższych środka powierzchni, - Atlas defoliacji drzew (IBL). Zobrazowania Landsat 8 (OLI): - obliczenie 18 indeksów spektralnych dla dwóch zobrazowań satelitarnych Landsat 8 ( , ), - pakiet R RSToolbox. Model regresji liniowej: - usunięcie skorelowanych zmiennych (54), - wszystkie możliwe kombinacje z wybranych 17 zmiennych ( ), - wybór najlepszego modelu wg kryterium Akaike (AIC), - pakiety R: AICcmodavg, MuMIn. Walidacja modelu: -10-krotna walidacja krzyżowa z 5 powtórzeniami, - pakiet R caret. 10

11 11 Klasyfikacja obiektowa drzewostanów

Metodyka Wybór drzewostanów : - w wieku 21-60 lat, - na siedlisku Bśw, - udział So >= 80% - klasyfikacja obiektowa drzewostanów.

12 Metodyka Wybór drzewostanów : - w wieku lat, - na siedlisku Bśw, - udział So >= 80% - klasyfikacja obiektowa drzewostanów. Wybór lokalizacji powierzchni próbnych : - różnica wartości indeksu spektralnego NDVI ( , ), - reklasyfikacja różnicy do 25 klas, - dla każdej klasy losowo 2 powierzchnie. Ocena defoliacji w terenie na 50 powierzchniach: - średnia wartość defoliacji z 10 drzew najbliższych środka powierzchni, - Atlas defoliacji drzew (IBL). Zobrazowania Landsat 8 (OLI): - obliczenie 18 indeksów spektralnych dla dwóch zobrazowań satelitarnych Landsat 8 ( , ), - pakiet R RSToolbox. Model regresji liniowej: - usunięcie skorelowanych zmiennych (54), - wszystkie możliwe kombinacje z wybranych 17 zmiennych ( ), - wybór najlepszego modelu wg kryterium Akaike (AIC), - pakiety R: AICcmodavg, MuMIn. Walidacja modelu: -10-krotna walidacja krzyżowa z 5 powtórzeniami, - pakiet R caret. 12

13 13 Landsat 8 (OLI)

14 14 NDVI ( )

15 15 Landsat 8 (OLI)

16 16 NDVI ( )

17 17 Różnica NDVI

18 Metodyka Wybór drzewostanów : - w wieku lat, - na siedlisku Bśw, - udział So >= 80% - klasyfikacja obiektowa drzewostanów. Wybór lokalizacji powierzchni próbnych : - różnica wartości indeksu spektralnego NDVI ( , ), - reklasyfikacja różnicy do 25 klas, - dla każdej klasy losowo 2 powierzchnie. Ocena defoliacji w terenie na 50 powierzchniach: - IX 2015, - średnia wartość defoliacji z 10 drzew najbliższych środka powierzchni (I-III kl. Krafta), - Atlas defoliacji drzew (IBL). Zobrazowania Landsat 8 (OLI): - obliczenie 18 indeksów spektralnych dla dwóch zobrazowań satelitarnych Landsat 8 ( , ), - pakiet R RSToolbox. Model regresji liniowej: - usunięcie skorelowanych zmiennych (54), - wszystkie możliwe kombinacje z wybranych 17 zmiennych ( ), - wybór najlepszego modelu wg kryterium Akaike (AIC), - pakiety R: AICcmodavg, MuMIn. Walidacja modelu: -10-krotna walidacja krzyżowa z 5 powtórzeniami, - pakiet R caret. 18

19 Ocena defoliacji w terenie 19 Źródło:

20 Metodyka Wybór drzewostanów : - w wieku lat, - na siedlisku Bśw, - udział So >= 80% - klasyfikacja obiektowa drzewostanów. Wybór lokalizacji powierzchni próbnych : - różnica wartości indeksu spektralnego NDVI ( , ), - reklasyfikacja różnicy do 25 klas, - dla każdej klasy losowo 2 powierzchnie. Ocena defoliacji w terenie na 50 powierzchniach: - średnia wartość defoliacji z 10 drzew najbliższych środka powierzchni, - Atlas defoliacji drzew (IBL). Zobrazowania Landsat 8 (OLI): - obliczenie 18 indeksów spektralnych dla dwóch zobrazowań satelitarnych Landsat 8 ( , ), - pakiet R RSToolbox. Model regresji liniowej: - usunięcie skorelowanych zmiennych (54), - wszystkie możliwe kombinacje z wybranych 17 zmiennych ( ), - wybór najlepszego modelu wg kryterium Akaike (AIC), - pakiety R: AICcmodavg, MuMIn. Walidacja modelu: -10-krotna walidacja krzyżowa z 5 powtórzeniami, - pakiet R caret. 20

21 21 Landsat 8 (OLI)

22 22 Landsat 8 (LDCM)

23 Indeksy spektralne (wegetacyjne) Lp. Skrót Nazwa Formuła 1 DVI Difference Vegetation Index s * nir - red 2 EVI Enhanced Vegetation Index G * ((nir - red)/(nir + C1 * red - C2 * blue + L_evi)) 3 EVI2 Two-band Enhanced Vegetation Index G * (nir - red)/(nir * red + 1) 4 GEMI Global Environmental Monitoring Index 5 LSWI Land Surface Water Index (nir - swir1)/(nir + swir1) (((nir^2 - red^2) * 2 + (nir * 1.5) + (red * 0.5))/(nir + red + 0.5)) * (1 - ((((nir^2 - red^2) * 2 + (nir * 1.5) + (red * 0.5))/(nir + red + 0.5)) * 0.25)) - ((red )/(1 - red)) 6 MSAVI Modified Soil Adjusted Vegetation Index nir (0.5 * sqrt((2 * nir + 1)^2-8 * (nir - (2 * red)))) 7 MSAVI2 Modified Soil Adjusted Vegetation Index 2 (2 * (nir + 1) - sqrt((2 * nir + 1)^2-8 * (nir - red)))/2 8 NDVI Normalised Difference Vegetation Index (nir - red)/(nir + red) 9 NDWI Normalised Difference Water Index (green - nir)/(green + nir) 10 SATVI Soil Adjusted Total Vegetation Index (swir1 - red)/(swir1 + red + L) * (1 + L) - (swir2/2) 11 SAVI Soil Adjusted Vegetation Index (nir - red) * (1 + L)/(nir + red + L) 12 SLAVI Specific Leaf Area Vegetation Index nir/(red + swir2) 13 SR Simple Ratio Vegetation Index nir/red 14 TVI Transformed Vegetation Index sqrt((nir - red)/(nir + red) + 0.5) WDVI Weighted Difference Vegetation Index nir - s * red 16 TCG Tasselled Cap Greenness 17 TCW Tasselled Cap Wetness 18 TCB Tasselled Cap Brightness blue *green *red *nir *swir *swir *blue *green *red *nir *swir *swir *blue *green *red *nir *cirrus *swir2

24 Metodyka - defoliacja Wybór drzewostanów : - w wieku lat, - na siedlisku Bśw, - udział So >= 80% - klasyfikacja obiektowa drzewostanów. Wybór lokalizacji powierzchni próbnych : - różnica wartości indeksu spektralnego NDVI ( , ), - reklasyfikacja różnicy do 25 klas, - dla każdej klasy losowo 2 powierzchnie. Ocena defoliacji w terenie na 50 powierzchniach: - średnia wartość defoliacji z 10 drzew najbliższych środka powierzchni, - Atlas defoliacji drzew (IBL). Zobrazowania Landsat 8 (OLI): - obliczenie 18 indeksów spektralnych dla dwóch zobrazowań satelitarnych Landsat 8 ( , ), - pakiet R RSToolbox. Model regresji liniowej: - usunięcie skorelowanych zmiennych (54), - wszystkie możliwe kombinacje z wybranych 17 zmiennych ( ), - wybór najlepszego modelu wg kryterium Akaike (AIC), - pakiety R: AICcmodavg, MuMIn. Walidacja modelu: -10-krotna walidacja krzyżowa z 5 powtórzeniami, - pakiet R caret. 24

25 Metodyka - defoliacja Wybór drzewostanów : - w wieku lat, - na siedlisku Bśw, - udział So >= 80% - klasyfikacja obiektowa drzewostanów. Wybór lokalizacji powierzchni próbnych : - różnica wartości indeksu spektralnego NDVI ( , ), - reklasyfikacja różnicy do 25 klas, - dla każdej klasy losowo 2 powierzchnie. Ocena defoliacji w terenie na 50 powierzchniach: - średnia wartość defoliacji z 10 drzew najbliższych środka powierzchni, - Atlas defoliacji drzew (IBL). Zobrazowania Landsat 8 (OLI): - obliczenie 18 indeksów spektralnych dla dwóch zobrazowań satelitarnych Landsat 8 ( , ), - pakiet R RSToolbox. Model regresji liniowej: - usunięcie skorelowanych zmiennych (54), - wszystkie możliwe kombinacje z wybranych 17 zmiennych ( ), - wybór najlepszego modelu wg kryterium Akaike (AIC), - pakiety R: AICcmodavg, MuMIn. Walidacja modelu: -10-krotna walidacja krzyżowa z 5 powtórzeniami, - pakiet R caret. 25

26 Walidacja krzyżowa 26 Źródło:

Wyniki zmienna objaśniana: średnia defoliacja na powierzchni próbnej zmienne objaśniające: wartości 11 wskaźników wegetacyjnych istnieje zależność pomiędzy stopniem defoliacji

27 Wyniki zmienna objaśniana: średnia defoliacja na powierzchni próbnej zmienne objaśniające: wartości 11 wskaźników wegetacyjnych istnieje zależność pomiędzy stopniem defoliacji drzewostanów sosnowych określonym wizualnie w terenie a informacjami zawartymi w zobrazowaniach satelitarnych Landsat 8 (LDCM) 27 RMSE RMSE% ME MPE% R

28 28 Wyniki zmienne objaśniające

ochroną lasu, Sentinel-2, Planet (RapidEye, Planet Scope) - rozdzielczość czasowa.

29 Wnioski możliwość wykorzystania zobrazowań satelitarnych Landsat w praktyce ochrony lasu, różne przyczyny defoliacji, pozyskiwanie informacji o położeniu podczas prac związanych z ochroną lasu, Sentinel-2, Planet (RapidEye, Planet Scope) - rozdzielczość czasowa. 29 Źródło:

30 30 Dziękuję za uwagę

Podobne dokumenty

Wykorzystanie wysokorozdzielczych zobrazowań satelitarnych firmy Planet w rolnictwie precyzyjnym

Wykorzystanie wysokorozdzielczych zobrazowań satelitarnych firmy Planet w rolnictwie precyzyjnym (High-resolution imagery by Planet Labs Inc. in precision agriculture) Dominika Sztwiertnia Asystent ds.