Αξιοποίηση προηγμένων τεχνικών τηλεπισκόπησης για τη μελέτη δυναμικών παραμέτρων της βλάστησης

Abstract

The present study investigates the potential of remote sensing data to monitor vegetation dynamics. Starting by estimating the accuracy of a LUE model (sCASE), analyzing the components of its algorithm and testing possible improvements. Additionally, the relationship between the vegetation index PRI and LUE is investigated on ecosystem scale. The productivity (GPP) values estimated by sCASE were compared to those measured on thirteen eddy covariance sites in Europe and were found to be very accurate for most sites. sCASE was found to be more accurate than the LUE model of MODIS, matching the accuracy of other LUE models in literature. The comparison of sCASE’s water scalar with other widely used water scalars showed that it can capture adequately well the water availability of water stressed sites, slightly overestimating water effects on sites without water limitations. In order to improve sCASE accuracy, the use of an extra scalar accounting for the effect of diffuse radiation (cloud scalar) was tested. Ten cloud scalars were used, five of which were developed in this study, most of which improved the accuracy of sCASE estimations for all the sites. The importance of the spatial resolution of the data used by sCASE, was investigated over six sites in Greece that differ in species composition, forest density and coverage. That was done by estimating GPP with sCASE using three different sensor data, MODIS, OLCI and MSI, which have different spatial resolution (500, 300 and 10 m respectively). The spatial scale of the vegetation indices and the classification were both found to be crucial for sites with fragmented canopy, affecting heterogeneous sites to a lesser degree and having no effect on homogenous and dense sites. The relationship of PRI and LUE was tested over an evergreen needleleaf forest. PRI was calculated from MODIS data of two satellites (Terra and Aqua). PRI was found capable of following LUE seasonal variability, although unable to capture the effects of severe and prolonged water stress. The PRI:LUE relationship benefits from more stable viewing conditions, with backscatter acquisitions performing better than the other types (nadir and forward scatter). PRI from both MODIS sensors correlate better with the LUE at the time of satellite overpass rather than daily LUE, with Aqua PRI performing better, benefiting from its overpass time at the test site (right after local noon). The PRI:LUE relationship seems to be strongly affected by the range of LUE values corresponding to each PRI group, with lower LUE variability resulting to weaker PRI:LUE correlations. LUE range effect should be accounted for when different PRI datasets are compared and might explain the contradicting findings in the existing literature.

Η παρούσα μελέτη ερευνά τη δυνατότητα δεδομένων τηλεπισκόπησης να αποτυπώσουν δυναμικές παραμέτρους της βλάστησης. Αρχικά εξετάζεται η ακρίβεια ενός μοντέλου παραγωγικότητας (sCASE), αναλύονται τα επιμέρους συστατικά του και εξετάζονται πιθανές βελτιώσεις. Επιπλέον, αναλύεται και η σχέση του δείκτη βλάστησης PRI με την αποδοτικότητας χρήσης φωτός (ε) σε επίπεδο οικοσυστήματος. Η παραγωγικότητα (GPP) που υπολογίστηκε από το μοντέλο sCASE συγκρίθηκε με αυτή που μετρήθηκε σε δεκατρείς περιοχές με πύργους eddy covariance στην Ευρώπη, με το sCASE να αποδεικνύεται αρκετά ακριβές για τις περισσότερες περιοχές, με την ακρίβεια του να υπερτερεί έναντι αυτής του μοντέλου παραγωγικότητας του MODIS και να είναι συγκρίσιμη με αντίστοιχα μοντέλα στη βιβλιογραφία. Η σύγκριση του υδατικού scalar του sCASE με άλλα ευρέως χρησιμοποιούμενα, έδειξε πως είναι πολύ ακριβές στην αποτύπωση της υδατικής κατάστασης της βλάστησης σε περιοχές με υδατική καταπόνηση, αν και υπερβάλει ελαφρώς σε περιοχές χωρίς καταπόνηση. Για τη βελτίωση του sCASE εξετάστηκε η χρήση ενός επιπλέον scalar για την επίδραση της διάχυτης ακτινοβολίας, η οποία έχει βρεθεί πως αυξάνει την ε των οικοσυστημάτων. Συνολικά εξετάστηκαν δέκα τέτοια scalar, πέντε εκ των οποίων δημιουργήθηκαν στα πλαίσια της παρούσας εργασίας, με τα περισσότερα να βελτιώνουν την ακρίβεια του sCASE στο σύνολο των περιοχών μελέτης. Η σημασία της χωρικής ανάλυσης των δεδομένων που χρησιμοποιεί το sCASE, εξετάστηκε σε έξι περιοχές στην Ελλάδα που διαφέρουν σε ποσοστό κάλυψης και ετερογένεια, με τη χρήση δεδομένων από τρεις αισθητήρες με διαφορετική χωρική ανάλυση. Παραλλαγές της GPP των περιοχών αυτών υπολογίστηκαν με δεδομένα από τους MODIS, OLCI και MSI (500, 300 και 10 m, αντίστοιχα) και συγκρίθηκαν μεταξύ τους. Τόσο η χωρική ανάλυση των δεικτών βλάστησης όσο και αυτή της ταξινόμησης αποδείχτηκαν κρίσιμες για τις περιοχές με κενά στη βλάστηση, επηρεάζοντας λιγότερο τις περιοχές με ετερογένεια, με τις πυκνές ομοιογενείς περιοχές να μένουν ανεπηρέαστες. Όσον αφορά τη σχέση του PRI με την ε, αυτή εξετάστηκε σε ένα οικοσύστημα με αειθαλή κωνοφόρα, με τον PRI να υπολογίζεται από δεδομένα του αισθητήρα MODIS, από δυο διαφορετικούς δορυφόρους (Terra και Aqua). Ο PRI καταφέρνει να παρακολουθήσει την εποχιακή διακύμανση της ε, αν και η σχέση τους αποκλίνει υπό συνθήκες έντονης και παρατεταμένης ξηρασίας. Η σχέση των δυο βελτιώνεται όταν χρησιμοποιούνται πιο σταθερές συνθήκες λήψης, με τις backscatter λήψεις να ευνοούν τη σχέση έναντι των άλλων (nadir, forward scatter). Οι PRI και των δυο αισθητήρων MODIS συσχετίζονται καλύτερα με την αποδοτικότητα κατά την στιγμή διέλευσης του δορυφόρου έναντι της ημερήσιας αποδοτικότητας, με τον PRI του Aqua να αποδίδει καλύτερα εκμεταλλευόμενος την ώρα διέλευσης του συγκεκριμένου δορυφόρου από την περιοχή μελέτης (μετά το μεσημέρι). Η σχέση του PRI με την ε φαίνεται να επηρεάζεται έντονα από το εύρος τιμών της ε που αντιστοιχεί σε κάθε σύνολο PRI, με το χαμηλό εύρος τιμών να οδηγεί σε αδύναμες συσχετίσεις. Αυτή η επίδραση του εύρους τιμών της ε θα πρέπει να λαμβάνεται υπόψη όταν συγκρίνονται διαφορετικά σύνολα PRI και πιθανόν να εξηγεί τα αντικρουόμενα αποτελέσματα στη βιβλιογραφία.