Využití GMES/COPERNICUS dat při studiu vlivu heterogenity povrchu na charakter stanoviště

Transkript

1 2. uživatelské forum GMES/COPECNICUS Praha Využití GMES/COPERNICUS dat při studiu vlivu heterogenity povrchu na charakter stanoviště Vilém Pechanec 1/25

2 Úvod / Cíle Krajina je heterogení komplex na všech měřítkových úrovních Pro pochopení procesů a vztahů za účelem jejich modelování je nutno heterogenitu identifikovat, popsat, charakterizovat Potřeba aktuálních, podrobných, standardních dat prostřednictvím GIT Rozvinout (maloformátové) snímkování krajiny, jako zdroj velmi podrobných dat DPZ, v integraci s kontinuálním sběrem pozemních dat pomocí senzorových systémů a získané poznatky aplikovat 2/25

3 Aktivity Aktivita 1 - Maloformátové snímkování Aktivita 2 - Kontinuální monitoring abiotických faktorů pomocí senzorových sítí Aktivita 3 - Geoekologické / Fenologické mapování Aktivita 4 - Modelování v GIS a zpracování dat Aktivita 5 - Geoinformatické alternativy stanovení C-faktoru modelu (R)USLE Vysoké Pole 7 km sz. od Valašských Klobouk, Zlínský kraj celková výměra katastru 1 211ha orná půda 245 ha, zahrady 15 ha, ovocné sady 14 ha, trvalé travní porosty 271 ha, lesní půda 591 ha, vodní plochy 6 ha, zastavěné plochy 13 ha, ostatní plochy 56 ha 3/25

4 Aktivita 1 - Maloformátové snímkování krajiny pořízení kolmých či šikmých snímků s vysokým prostorovým rozlišením (px - 6 cm) v oblasti viditelné a blízké infračervené části spektra (0,5-0,9 µm) Využívány UAV - paraglidový model DRONE PIXY, šestivrtulový multirotorový systém Hexakopter XL Tvorba DMR a DMP, charakteristika heterogenity stanovišť 4/25

5 Výstupy snímky z oblasti viditelné a blízké infračervené části spektra pořízené v měsících květen, červen, srpen a září Výškové poměry Aktuální využití území Orientace svahů Množství přijatého záření za rok (irradiace)

6 Aktivita 1/4 - Modelování v GIS a zpracování dat Zpracování dat z maloformátového snímkování, heterogenita stanovišť vegetační index NDVI květen červen srpen září 6/25

7 Aktivita 2 - Kontinuální monitoring abiotických faktorů pomocí senzorových sítí data pro kalibraci a verifikaci dat pořízených leteckým spektrozonálním snímkováním a data pro následnou tvorbu predikčních modelů využití senzorů, datalogerů a senzorových bezdrátových sítí přímo v terénu data přenášena skrze síťové prostředky do centrální databáze na serveru KGI Výstupy metodický postup na korektní stažení dat a převod do databázového prostředí s následnou vizualizací v GIS aplikační rozhraní pro import a základní analýzu dat časová řada stavu a vývoje vybraných abiotických faktorů (teplota vzduchu, srážky, vlhkost půdy) 7/25

8 Aktivita 2 - Kontinuální monitoring abiotických faktorů pomocí senzorových sítí Kalibrace multispektrální kamery porovnání hodnot NDVI z multispektrální kamery s hodnotami z přístroje PlantPenNDVI 300 a SPAD-502 Korelace NDVI a hodnot SPAD 8/25

9 AWSN MEMSIC senzor půdní vlhkosti Decagon EC 5 senzor půdní vlhkosti VIRRIB srážkoměr Amet teplotní čidlo Hobo 9/25

10 Aktivita 3 Feno-klimatické mapování fenologické mapování krajiny, které se zaměřuje na srovnávání sezónního vývoje rostlinných společenstev na vybraných stanovištích příprava na adaptaci metodiky TU Zvolen Výstupy aktuální využití země (land-use) pro měřítko 1: včetně určení dominantních fyziotypů a ohodnocení stupněm ekologické stability časová řada fenologických mapování vybraných rostlinných druhů včetně fotodokumnetace v termínech: , 1. 8., 3. 9., a buk lesní, borovice lesní, hloh obecný, slída krvavá, slivoň trnka, bez černý, dub letní a třešen ptačí 10/25

11 konec kvetení (100%) počátek fruktifikace 10% zralost plodů 10% zralost plodů 25% zralost plodů 50% 11/25

12 Aktivita 4 - Modelování v GIS a zpracování dat Zpracování dat ze senzorové sítě a fenoklimatického mapování 12/25

13 Aktivita 4 - Modelování v GIS a zpracování dat Zpracování dat ze senzorové sítě a fenoklimatického mapování 13/25

14 Aktivita 5 - Geoinformatické alternativy stanovení C-faktoru modelu (R)USLE Univerzální rovnice pro výpočet průměrné dlouhodobé ztráty půdy používaná k ochraně půdy po celém světě v předpovídání průměrné roční ztráty půdy způsobené povrchovou a rýhovou erozí G (A) = R*K*L*S*C*P G (A) - průměrná dlouhodobá ztráta půdy (t. ha -1 za rok) R - faktor erozní účinnosti deště - API 5, 30, senzorové systémy K - faktor erodovatelnosti půdy L - faktor délky svahu kombinovaný LS faktor v GIS S - faktor sklonu svahu C - faktor ochranného vlivu vegetace P - faktor účinnosti protierozních opatření 14/25

15 VEGETAČNÍ INDEXY NDVI De Jong NDVI J.M. van der Knijff a kol. NDVI M.Suriyaprasit a D.P.Shrestha SAVI/TSAVI M.Kefi a K.Yoshino mndvi u HYPERIONU M. Heidari Mozaffar a kol. USLE C FAKTOR RUSLE OSTATNÍ Geostatictické metody Wang Neuronové sítě Genetic programming algorithm TABULKOVÝ - TERÉNNÍ PŘÍSTUP Janeček a kol. NDVI + REKLASIFIKACE A. Karaburun NDVI + REKLASIFIKACE S.V. Smith a kol. LSMA A.M.de Asis, K.Omasa KLASIFIKACE OBRAZU KLASIFIKACE OBRAZU Databáze (LPIS, CORINE land cover, ZABAGED) LIDAR 15/25

16 NDVI J.M. Van der KNIJFF a kol. NDVI = (NIR red)/(nir + red) V literatuře známá korelace mezi NDVI a C-faktorem u jednotlivých typů vegetačního krytu Landsat 5 TM , 172x183 km, 1: Prostorové rozlišení 30 m Erdas Imagine ArcGIS IDRISI 16/25

17 LANDSAT pásmo 1,2,3 C - FAKTOR 17/25

18 NDVI J.M. Van der KNIJFF a kol. Histogram NDVI Histogram C-faktoru 1 18/25

19 SAVI - Soil Adjusted Vegetation Index M.Kefi a K.Yoshino Vizuální průzkum pokrytí vegetací Raster calculator Model Maker Landsat 5 TM 4,3,2 L = korekční faktor, hodnota 0 (pokrytí více než 90% snímku vegetací) -> 1 (při méně než 10% pokrytí vegetací) 19/25

20 POROVNÁNÍ VÝSLEDKŮ - výřez C faktor z NDVI C faktor ze SAVI 20/25

21 POROVNÁNÍ VÝSLEDKŮ Histogram NDVI Histogram SAVI /25

22 POROVNÁNÍ VÝSLEDKŮ 22/25

23 NEDOSTATKY VÝHODY Přesnost (dle zdroje dat) Nevhodnost pro malá území prostorové rozlišení => SENTINEL 2 Smíšené pixely Interval snímání Oblačnost, poškození snímků Rychlost Dostupnost Cena Vhodný pro velká území Budoucnost => SENTINEL 2 23/25

24 Vztah /očekávání od dat GMES/Copernicus Kosmická data - zejména SENTINEL2 proti stávajícím dostupným zdrojům (LANDSAT) častější perioda opakování => zachycení časové variability vegetace(?), podrobnější měřítko => potřeba pro postižení rozdílnosti krajiny na lokální/topické úrovni (vhodné pro M 1: , 1: 25000) levnější pro výzkum cena (zdarma?!) => možno pořídit aktuální data a plánovat delší experimenty (netřeba speciálně alokovat fin. zdroje) K MFS s využití UAV - synergické postavení UAV pro malé rozlohy aktuální stav,g/c pro větší území, systematické Pozemní in-situ data příprava procesního zpracování => integrace těchto zdrojů budou a jaká? (dotaz/diskuze k CENIA/ČHMU) 24/25

25 Děkuji za pozornost Děkuji RNDr. Vilém za Pechanec, pozornost Ph.D upol.cz Univerzita Palackého v Olomouci Katedra geoinformatiky PřF listopadu 50, Olomouc 25/25