Wyniki dla Polski Działalność w pakiecie roboczym 3 składała się z

Wyniki dla Polski
Działalność w pakiecie roboczym 3 składała się z 2 części, poświęconych analizie
niskorozdzielczych oraz wysokorozdzielczych zdjęć satelitarnych. W pierwszej części prac
działalność była skoncentrowana na ocenie przydatności niskorozdzielczych zdjęć
satelitarnych do badania wpływów klimatycznych i środowiskowych na polskie lasy. Wyniki
prac wskazują, ze oba te czynniki mogą być w dużym stopniu monitorowane przy
wykorzystaniu wskaźników roślinnych generowanych na podstawie zdjęć satelitarnych
NOAA AVHRR. Obszary leśne usytuowane w różnych regionach klimatycznych – klimatu
kontynentalnego w północnowschodniej Polsce oraz klimatu morskiego w
południowozachodniej Polsce charakteryzują się różnych przebiegami wskaźnika NDVI,
zwłaszcza na początku i końcu sezonu wegetacji. Skład gatunkowy drzewostanów –
dominacja drzewostanów iglastych, liściastych lub mieszanych – ma także wpływ na poziom
wskaźnika NDVI. W przypadku wysokich temperatur w końcu zimy i na początku wiosny (w
2014 r.) niższe wartości NDVI są obserwowane dla obszarów leśnych zlokalizowanych w
terenach górskich – Beskidach i Karkonoszach niż w północnowschodniej Polsce. Wskaźnik
ten jest jednakże kompensowany w dalszej części sezonu wegetacji – maju i czerwcu –
osiągając zbliżone wartości do innych obszarów leśnych. Lasy na obszarach górskich są
bardziej podatne na fluktuacje wskaźnika NDVI ze względu na bardziej zmienne warunki
klimatyczne. Najniższe wartości NDVI w środku okresu wegetacji zostały zaobserwowane
dla Puszczy Augustowskiej i Knyszyńskiej, które są usytuowane w strefie klimatu
kontynentalnego.
NDVI
Sytuacja meteorologiczna ma także wpływ na wartości wskaźnika roślinności. W przypadku
tzw. roku zimnego, o niskich temperaturach w końcu zimy i na początku wiosny (np. w 2006
r.) wartości wskaźnika NDVI były niskie dla wszystkich obszarów badawczych na początku
sezonu wegetacji (najniższe dla Karkonoszy) , osiągając zbliżony poziom w środku wegetacji.
W drugiej części okresu wegetacji (lipiec – wrzesień) obszary leśne z dominującymi
drzewostanami mieszanymi (Puszcza Białowieska i Borecka) wykazywały wyższe wartości
wskaźnika NDVI niż pozostałe lasy. Najniższe wartości ponownie zaobserwowano dla
Puszczy Augustowskiej i Knyszyńskiej, będących pod wpływem klimatu kontynentalnego.
Porównanie wartości NDVI dla dwóch różnych lat – roku „zimnego” (2006) i roku „ciepłego”
(2014) zostało przedstawione na rysunku 1.
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
NOAA NDVI CHANGES NORTHEASTERN FORESTS 2006 2014
Augustowska_2006
Bialowieska_2006
Knyszynska_2006
Augustowska_2014
Bialowieska_2014
Knyszynska_2014
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
TEN-DAY PERIOD
Rys. 1. Porównanie wartości NDVI dla lasów północnowschodniej Polski – 2006 i 2014
Wyniki analizy wskaźnika NDVI generowanego ze zdjęć niskorozdzielczych zostały
potwierdzone analizą drugiego wskaźnika charakteryzującego kondycję drzewostanówWskaźnika Kondycji Roślin (VCI). Wyniki analizy tego wskaźnika w okresie 2000 – 2016
wykazują podobne zależności jak w przypadku wskaźnika NDVI; zaobserwowano niższe
wartości VCI w pierwszej fazie okresu wegetacji dla roku „zimnego” niż „ciepłego”, które
następnie zostały skompensowane w dalszym etapie rozwoju drzewostanów.
Na podstawie wskaźników roślinnych generowanych z niskorozdzielczych zdjęć satelitarnych
w okresie 2000 – 2016 przeprowadzono analizę trendu. Wyniki tej analizy wykazały, że w
wymienionym okresie nie ma znaczącej różnicy w wartości wskaźników na początku i w
środku okresu wegetacji. Oznacza to, że w okresie ostatnich 16 lat nie zaobserwowano
statystycznie istotnego wpływu zmian klimatycznych na wartości wskaźników. Ten wniosek
jest zgodny z wynikami analizy danych meteorologicznych w okresie 2000 – 2016 –
temperatury i wskaźnika hydrotermicznego charakteryzującego warunki suszowe. Analiza
trendu tych parametrów w okresie 16 lat na początku i w środku okresu wegetacji nie
wykryła statystycznie istotnych zmian.
Druga część prac w pakiecie roboczym 3 byłą poświęcona analizie wysokorozdzielczych
danych satelitarnych do badania zmian klimatycznych i środowiskowych w polskich lasach.
Do prac wykorzystano 3 typy zdjęć: Landsat, SPOT 5 i Sentinel 2 (także obraz z satelity
WorldView dla jednego obszaru badawczego dla celów porównawczych). Analiza była
poświęcona lasom północnowschodniej Polski, dla których była dostępna odpowiednia liczba
zdjęć satelitarnych. Na podstawie zdjęć Landsat i SPOT 5 wygenerowano kilka wskaźników
roślinności:
- Normalized Difference Vegetation Index – NDVI
- Enhanced Normalized Difference Vegetation Index – ENDVI
- Enhanced Vegetation Index – EVI
- Normalized Difference Infrared Index –NDII
- Ratio Drought Index - RDI
- Disease Stress Water Index – DSWI
Poszczególne wskaźniki analizowano w przekroju czasowym w przeciągu całego okresu
wegetacji dla trzech obszarów badawczych: Puszczy Białowieskiej, Knyszyńskiej i Boreckiej.
Wyniki analizy wskazują na szczególną przydatność wskaźnika Disease Stress Water Index –
DSWI oraz Normalized Difference Infrared Index – NDII do różnicowania niektórych
gatunków drzew w ramach poszczególnych obszarów badawczych.
W drugim etapie prac przebadano wpływ zmienności środowiska na wartości wskaźników
roślinności określanie na podstawie wysokorozdzielczych zdjęć satelitarnych.
Przeanalizowano dwa aspekty środowiska leśnego: typ siedliska oraz zmieszanie
drzewostanów. Do analizy wykorzystano trzy typy siedlisk: siedlisko lasu wilgotnego,
świeżego i suchego. Również trzy typy zmieszania drzewostanów wzięto pod uwagę: czyste
drzewostany iglaste lub liściaste, drzewostany o zmieszaniu drzew iglastych i liściastych 70 –
90 % oraz 50 – 70 %. Analiza poszczególnych wskaźników roślinności wykazała, że
wskaźnik DSWI jest najbardziej wrażliwy na zróżnicowanie siedliskowe oraz zróżnicowanie
zmieszania. W przypadku stosowania zdjęć najnowszej generacji Sentinel-2 utworzono
dodatkowo wskaźniki, które bazują na wąskich przedziałach spektrum w zakresie dalekiej
czerwieni (red-edge). W szczególności dwa wskaźniki – Triangular Vegetation Index (TVI)
oraz Transformed Chlorophyll Absorption Index (TCARI) okazały się najbardziej przydatne
do różnicowania gatunków drzew, typów siedlisk i zmieszania drzewostanów. Zależności
pomiędzy wskaźnikami roślinności utworzonymi na podstawie wysokorozdzielczych zdjęć
satelitarnych a warunkami meteorologicznymi na obszarach badawczych zostały
przedstawione pokrótce w ramach opisu wyników pakietu 7 – zadania 7.2.
Wyniki dla Norwegii:
Działalność w ramach pakietu roboczego 3 była prowadzona na trzech poziomach;
wykorzystania niskorozdzielczych zdjęć satelitarnych, wysokorozdzielczych zdjęć
satelitarnych oraz zdjęć lotniczych. W przypadku niskorozdzielczych zdjęć satelitarnych dla
obszaru badawczego Svalbard wykorzystano 2 typy zdjęć: NOAA AVHRR o rozdzielczości 1
km (30-letnia baza danych) oraz MODIS z okresu 2000 – 2014 (8-dniowy produkt NDVI).
Oprócz tego zgromadzono dane meteorologiczne dla tego obszaru, aby połączyć zmiany
wartości maksymalnej NDVI z trendami zmian średniej temperatury w czasie sezonu
wegetacji. W trakcie 30-letniego okresu dostępności zdjęć NOAA AVHRR stwierdzono
pozytywne trendy maksymalnej wartości NDVI 0.017/rok (średni wzrost o 29 %, p<0.05)
oraz 0.065 o / rok w przypadku średniej temperatury podczas lata (wzrost 59 %, p<0.01).
Zaobserwowano także pozytywną korelację wartości maksymalnych NDVI i średnich
wartości temperatury.
W latach 2005-2007, 2010, 2012 i 2014-2015 zaobserwowano niższe wartości NDVIMAX od
średniej (na podstawie NOAA AVHRR). Wartości te są wskaźnikiem stresu roślin. Są one
zgodne z informacjami o występowaniu zlodzeń i ociepleń zimowych (Vickers et al., 2016).
Zmniejszone wartości maksymalne NDVI dla wyżej wymienionych lat zostały częściowo
potwierdzone analizą obrazów MODIS NDVI.
W przypadku wysokorozdzielczych zdjęć satelitarnych wykorzystano 4 typy zdjęć: RapidEye
z 2014 r., Formosat z lat 2011-2012, WorldView-2 z 2013 r. oraz Sentinel-2 z 2016 r. Analiza
danych z satelity RapidEye o rozdzielczości 5m pozyskanych dla obszaru Svalbardu
Longyearbyen w tym samym czasie co naziemne pomiary spektroradiometryczne, dostarczyła
pozytywnych rezultatów. Analiza regresji pomiędzy naziemnymi wartościami wskaźnika
RENDVI dla roślin Dryas octopetala oraz wartościami otrzymanymi na podstawie zdjęć
RapidEye wykazała silną korelację R2 = 0.82, p=0.036. Wynik analizy wskazuje na
możliwość przeniesienia informacji o stresie roślin rejestrowanej na poziomie naziemnym na
poziom lokalny i regionalny. Ocena przydatności 8-metrowych obrazów z satelity Formosat
wykazała, że zimowe zjawisko ocieplenia, które wystąpiło w 2012 roku i spowodowało
uszkodzenia karłowatych roślin, może być obserwowane na zdjęciach z tego satelity.
Również zastosowanie zdjęcia WorlView-2 i zdjęć ortofoto dla obszaru Ny-Alesund
wykazało znaczne zmniejszenie wartości NDVI w okresie 2009 – 2013, ze względu na
uszkodzenia karłowatej roślinności podczas zimy 2011-2012. W przypadku danych
satelitarnych Sentinel-2 były dostępne tylko dwa bezchmurne zdjęcia dla obszaru Svalbard
Longyearbyen, tak więc ich przydatność była ograniczona, niemniej uzyskano dość dobre
związki pomiędzy wartościami NDVI wyznaczonymi ze zdjęć satelitarnych S-2 a
wartościami NDVI z pomiarów naziemnych (r2 = 0.46).
Dodatkowo przeanalizowano przydatność zdjęć lotniczych wykonywanych za pomocą drona.
Analiza wartości NDVI otrzymanych dla 4 typów roślinności z wysokości 100 m wykazała,
że korelacja między nimi a wartościami uzyskanymi z pomiarów naziemnych jest wysoka –
współczynnik korelacji wyniósł R2 = 0.75 (p,0.01).