SATELITARNY MONITORING EKOSYSTEMÓW WYSOKOGÓRSKICH
Ze względu na znaczną wrażliwość na zmiany klimatyczne terenów wysokogórskich, należą one do najbardziej
cennych naukowo obszarów. Wszelkie zmiany warunków termicznych przekładają się na zmiany zasięgów
występowania pokrywy śnieżnej oraz występowania poszczególnych zbiorowisk roślinnych.
Ewidentnym utrudnieniem dla badaczy jest niedostępność
terenu, duże deniwelacje, krótki okres wegetacyjny oraz
wyjątkowo duża dynamika zmian pogody. Możliwe jest
w takich przypadkach wykorzystanie danych satelitarnych,
które we wstępnym opracowaniu powinny by poddane
korekcji geometrycznej i atmosferycznej. Warunkuje to
prawidłowy przebieg dalszych prac. Opracowując korekcję
geometryczną należy znalez
ć kilkanaście punktów
z pomiarów terenowych GPS, które będą dobrze
identyfikowalne na zobrazowaniu. Podczas korekcji
atmosferycznej eliminuje się z zarejestrowanego obrazu
wpływ atmosfery oraz orografii terenu. Wymaga to użycia
dokładnego numerycznego modelu terenu oraz kilkunastu
pomiarów spektrometrycznych pomierzonych na
poligonach kalibracyjnych. Wszystkie pomiary
Wielowymiarowość obrazów hiperspektralnych pozwala spektrometryczne muszą zostać wykonane w trakcie
obserwować zmienność poszczególnych cech obiektu w
wykonywania zobrazowania, by uchwycić stan atmosfery.
dowolnym kanale (górna i prawa krawędz
zobrazowania).
W wielu przypadkach znalezienie takich poligonów jest
y
ródło: KGiT WGiSR UW
dość trudne, ponieważ ich rozmiar powinien być 3-5 razy
większy niż piksel (dla danych Hyperion lub Landsat
ETM+ powinny to być homogeniczne tereny o powierzchni
90x90  150x150 m). Ponadto powinny charakteryzować
się dużym i małym odbiciem (jasne i ciemne spektralnie).
Ciemnym spektralnie poligonem może być czysta i głęboka
woda, natomiast jasnym, np. duże powierzchnie ścian
skalnych, czy dużych homogenicznych płatów roślinności.
Najnowsze algorytmy stosowane do korekcji atmosfery
umożliwiają eliminację cieni chmur (np. ATCOR 2007).
Wykonanie powyższych procedur umożliwia prowadzenie
prawidłowych analiz, np. klasyfikacji zbiorowisk
roślinnych znajdujących się po południowej stronie góry,
gdzie znacznie szybciej zanika śnieg i zaczyna się okres
Tworzenie map rozmieszczenia gatunków zaczyna być
wegetacyjny niż po stronie północnej.
standardową możliwością teledetekcji hiperspektralnej.
y
ródło: KGiT WGiSR UW
Jeszcze kilka lat temu podstawowym wkładem
teledetekcji satelitarnej w badania nad
roślinnością była możliwość tworzenia map
pokrycia terenu w skalach mniejszych niż około
1:50 000, a wykorzystanie kilku kanałów
spektralnych pozwalało na gromadzenie
informacji o stanie i kondycji roślinności (np.
biomasa, temperatura radiacyjna badanych
powierzchni, estymacja wilgotności biotopu).
Obecnie prace nad monitoringiem roślinności
zmierzają w kierunku identyfikacji
poszczególnych gatunków, analizy ich
Wielowymiarowość danych hiperspektralnych w znaczący sposób
rozmieszczenia oraz badania stanu barwników
ułatwia identyfikację badanych obiektów, ponieważ można je
i struktur komórkowych. Z drugiej strony tworzy
identyfikować w dowolnych przestrzeniach spektralnych.
się skanery o szerokim kącie widzenia
y
ródło: KGiT WGiSR UW
i niewielkiej rozdzielczości przestrzennej (np.
SPOT Vegetation) w celu prowadzenia
� Polskie Biuro ds. Przestrzeni Kosmicznej
monitoringu roślinności na dużych obszarach (od lat pracujący z sukcesami skaner NOAA AVHRR dostarczając
dane do modelowania stanu upraw rolniczych).
Największe zmiany zachodzą jednak w procedurach przetwarzania danych. Jako pierwszy przykład może służyć
powszechne stosowanie korekcji atmosferycznej dla danych wielospektralnych, jeszcze kilka lat temu nie była to
obowiązująca procedura. Obecnie, wraz z pojawieniem się danych hiperspektralnych jest to wręcz konieczność.
Kolejne różnice to modelowanie sygnału uzyskanego
z satelity - bierze się pod uwagę geometrię układu: Słońce 
obiekt  detektor, kąt padania i odbicia promieniowania
elektromagnetycznego wpływa na rejestrowaną przez detektor
wartość odbicia. W przypadku klasyfikacji poszczególnych
gatunków w środowisku wysokogórskim, gdzie, jak już
wspomniano, występuje duża różnorodność zbiorowisk
roślinnych oraz ekspozycji i spadków terenu, koniecznym
staje się wykonanie modelowania dwukierunkowości odbicia
sygnału (BRDF).
Następny element coraz silniej wkraczający w prace nad
monitoringiem ekosystemów wysokogórskich to
modelowanie transmisji promieniowania (RTM), którego
głównym zadaniem jest rozpoznanie kierunków przebiegu
promieni słonecznych w warstwie roślinności i analiza jego
wykorzystania przez rośliny (np. model CRASh). Wszystko to
ma za zadanie dokładne rozpoznanie bilansu i geometrii
rozkładu promieniowania, które w widzialnym zakresie jest
podstawą procesów fotosyntezy, przekładając się na procesy
fizjologiczne roślin, w tym przyrost biomasy. RTM pośrednio
świadczy o ekosystemie i zmianach jakie w nim zachodzą.
Kolejne kierunki, w których zmierza przetwarzanie danych to
nowe algorytmy ich klasyfikacji. Obecnie dane
hiperspektralne z powodzeniem bazują na rozbudowanych
informacjach znajdujących się w poszczególnych zakresach
spektralnych. W trakcie klasyfikacji obrazu porównuje się
krzywe odbicia spektralnego pozyskane z każdego piksela
obrazu do wzorców uzyskanych z baz danych (biblioteki
spektralne) lub homogenicznych i czystych spektralnie pikseli
(endmembers). Efekty tych klasyfikacji to zbiory rozmyte
określające w sposób statystyczny prawdopodobieństwo
wystąpienia danego gatunku na danym obszarze. Umożliwia
to tworzenie zaawansowanych scenariuszy składu
poszczególnych zbiorowisk roślinnych.
Różnice w klasyfikacji danych kryją się także w algorytmach
poszukiwania obiektów na zdjęciu. Pierwszy z nich,
klasyfikacja obiektowa umożliwia dokładniejszą analizę
poszczególnych pikseli poprzez agregacje ich w grupy
(segmenty) z uwzględnieniem cech spektralnych
i teksturalnych oraz budowanie hierarchii obiektów. Podobne
możliwości przedstawiają symulatory sztucznych sieci
Analiza zdolności akumulacji energii (fAPAR)
fotosyntetycznie czynnej (fAPAR), czy powierzchni
neuronowych, które umożliwiają zmianę decyzji podczas
projekcyjnej liści (LAI) bazowały do tej pory głównie
klasyfikacji danych.
na danych pozyskanych z badań terenowych. Obecnie
powszechnie modeluje się je na podstawie cech
Ciekawą, aczkolwiek nie najnowszą koncepcją są drzewa
spektralnych pozyskanych z danych
decyzyjne, które obecnie przeżywają swój renesans, gdyż
hiperspektralnych. y
ródło: KGiT WGiSR UW
stosuje się w nich najnowsze strategie klasyfikacji danych
względem uzyskiwanych wyników.
Patrząc w przyszłość należy stwierdzić, iż czeka nas dalszy
intensywny rozwój technik hiperspektralnych, tworzenie
bardziej zaawansowanych modeli analizujących procesy
� Polskie Biuro ds. Przestrzeni Kosmicznej
środowiskowe, a także weryfikujących dotychczasowe prognozy i stan wiedzy o środowisku i jego zmianach.
Bez najmniejszej wątpliwości należy stwierdzić, iż w przyszłości teledetekcyjne prace badawcze będą
powiązane z bardzo dokładnymi analizami z zakresu fizjologii roślin. Będzie dążyć się do połączenia informacji
uzyskanej z pomiarów prowadzonych na poziomie tkanek w laboratoriach fizjologii roślin z tym, co jest
rejestrowane przez satelitę na wysokości kilkuset kilometrów nad powierzchnią ziemi. Obecnie brzmi to jak
rodzaj opowieści science-fiction, ale już dziś mamy bardzo wiele dowodów, że nastąpi to jeszcze na początku
drugiej dekady tego wieku.
Opracowanie: B. Zagajewski
� Polskie Biuro ds. Przestrzeni Kosmicznej