|
Metodológia
Etapa 1: Analýza a integrácia informačných zdrojov a návrh regionálneho
informačného systému (RIS) ekologického a produkčného stavu lesa
Riešenie etapy sa zameria na analýzu kvality a integráciu informačných zdrojov z MODISu a
terestrických zisťovaní, vybudovanie tréningovej a validačnej databázy pre monitorovanie
ekosystémových premenných: NDVI, EVI, LAI, FPAR, NPP a GPP. Ďalej sa zanalyzujú
špecifiká použitých výberových dizajnov, ich možné dopady na výsledky monitorovania
a navrhnú sa adekvátne prístupy zhodnotenia údajov.
V oblasti technicko-informačného zabezpečenia projektu, cieľom etapy bude: (i) návrh
informačno-technologickej koncepcie regionálneho informačného systému (RIS) a (ii) návrh
nástrojov RIS pre manažovanie, prístup a prezentáciu informácií o ekologickom a
produkčnom stave lesa.
Analýza kvality odvodenia NDVI, EVI, LAI, FPAR, NPP a GPP v globálnych modeloch
Preverí sa kvalita všetkých vstupných údajov a produktov MODIS. K tomu využijeme
informačné vrstvy popisujúce kvalitu jednotlivých produktov MODIS. Tieto informácie sú
dodávané spolu s údajovými vrstvami a definujú kvalitu odvodenia hodnoty danej
charakteristiky v obrazovom elemente (pixeli). Ich implementácia do procesu tvorby údajovej
bázy umožní identifikovať potencionálne zdroje chýb a zvýšiť tak spoľahlivosť dosiahnutých
výsledkov.
Zanalyzujú sa algoritmy a modely použité pri odvodení NDVI, EVI, LAI, FPAR, NPP a GPP
na globálnej úrovni. Ich analýza je potrebná pre ich validáciu a parametrizáciu na regionálnej
úrovni ako aj pri návrhu zodpovedajúcich prístupov zhodnocovania údajov. Tieto je potrebné
navrhnúť vzhľadom na rôznorodosť integrovaných systémov z hľadiska reprezentatívnosti
výberových jednotiek a výberového dizajnu. Pre uvedené potreby ako aj pre potrebu validácie
nami odvodených výstupov, vybudujeme tréningovú a validačnú databázu. Pre to využijeme:
- (A) údaje zo systému národnej inventarizácie lesov na úrovni základných jednotiek
priestorového rozdelenia lesa (JPRL)
- (B) pozemné merania realizované v monitorovacej sieti
zdravotného stavu lesov na 112 TMP a
- (C) iné údaje ako sú Landsat snímky, údaje
z literatúry alebo iných výskumných plôch.
Tvorba tréningovej a validačnej databázy (TVD)
TVD pre analýzu modelov odvodenia NDVI, EVI sa odvodí zo zisťovaní na údajovej báze
(A), ktoré sa vykonávajú v 10 ročných intervaloch, t.j. vždy na 1/10 lesov Slovenska.
Využiteľné sú najmä porastové charakteristiky (vek, zakmenenie, zápoj, drevinové zloženie,
charakteristiky stredného kmeňa, štruktúra porastu, údaje o podraste a zásoba porastu).
Pomocou výberu podľa uvedených porastových charakteristík v kombinácii s informáciou o
priestorovej lokalizácii (zemepisná šírka a dĺžka, nadmorská výška a expozícia), bude možné
vytvoriť dostatočne reprezentatívne tréningové a validačné databázy, ktoré budú homogénne
podľa zvolených kritérií. Takýmto spôsobom bude možné parciálne analyzovať variabilitu
hodnôt vegetačných indexov (NDVI, EVI) z globálnych modelov v závislosti od parametrov
snímania a anizotropie vlastností atmosféry ako aj preveriť kvalitu výstupov po ich
parametrizácii na podmienky našich lesných ekosystémov.
Pri budovaní TVD pre analýzu modelov odvodenia LAI bude potrebné uskutočniť merania na
údajovej báze (B) a to na výbere trvalých monitorovacích plôch (TMP). Vzhľadom k tomu,
že hodnotenie straty asimilačného aparátu sa vykonáva každoročne od roku 1987 na 112
TMP, bude možné odvodiť LAI spätne, korigovaním nameranej hodnoty o hodnotu defoliácie
v rokoch 2000 až 2008. TVD dobudujeme zahrnutím vybraných JPRL z (A) pričom na
odvodenie LAI použijeme alometrické vzťahy spravidla odvodzujúce LAI podľa stromových
charakteristík (Widlowski, 2003). Na 4 TMP údajovej bázy (B) sa navyše vykonávajú
fenologické pozorovania. Tieto budú využité pri validácii regionálneho fenologického
modelu.
TVD pre analýzu modelu odvodenia GPP a NPP vytvoríme (i) výberom JPRL a TMP z
údajových báz (A, B) a (ii) meraní na výskumnom objekte Hukavský Grúň. Na tomto objekte
sa okrem hore uvedených prieskumov realizujú aj fenologické pozorovania a kontinuálne
merania meteorologických charakteristík. Pre potreby odvodenia GPP tu rozšírime merania o
hodnotenia listového indexu a z existujúcich meraní odvodíme evapotranspiráciu.
Z uvedených meraní tu bude reálne odvodená aj GPP. Pre odvodenie GPP na (A a B)
použijeme alometrické vzťahy o produkcii biomasy opísané v literatúre (Widlowski, 2003)
a výsledky z prebiehajúceho projektu „Výskum uhlíkových zásob a uhlíkovej bilancie
v horskej krajine“.
Možné obmedzenie priameho využitia terestrických údajov z údajovej bázy (B) vyplýva z
veľkosti TMP (50x50 m). Možným spôsobom riešenia tohto problému je návrh
trojstupňového prístupu vyhodnotenia údajov, založenom na kombinácii údajov z TMP
s údajmi z Landsatu (rozlíšenie 30 x 30 m) a potom s údajmi z MODISu. Landsat TM a
ETM+ scény z rokov 2000, 2002 and 2006 sú na NLC k dispozícii.
Technicko-informačné zabezpečenie projektu, tvorba RIS
Návrh na riešenie etapy v oblasti technicko-informačného zabezpečenia projektu, vychádza zo
skúseností, že podcenenie vývoja informačných nástrojov vo výraznej miere obmedzuje
efektívne riešenie výskumnej úlohy a limituje využitie výsledkov výskumu po ukončení
projektu. Zvlášť dôležité je to v prípade potreby spracovania veľkého objemu údajov. Riešená
bude problematika obsahovej náplne systému a implementácie vhodnej informačno-
komunikačnej technológie. Táto by okrem manažovania integrovaného informačného spektra
údajov a ich priestorovej vizualizácie, podľa zvolených jednotiek, mala umožniť vykonanie
užívateľom definovaných operácií nad údajovou geodatabázou. Prepodkladáme využitie
ArcSDE a ArcIMS technológie na báze produktov firmy ESRI. Ide o profesionálne nástroje,
ktoré umožňujú manažovať a štandardným spôsobom pristupovať k údajom i k
metainformáciám uloženým v geodatabáze prostredníctvom webového prehliadača.
Etapa 2: Validácia algoritmov odvodenia vegetačných indexov NDVI a EVI a návrh
regionálneho fenologického modelu
Riešenie etapy sa zameria na:
- validáciu globálnych modelov odvodenia NDVI a EVI v
lesných ekosystémoch zo spektrorádiometra MODIS a zlepšenie ich kvality
- analýzu ich
časovej a priestorovej premenlivosti a konštrukciu regionálneho fenologického modelu.
Validácia modelov odvodenia NDVI a EVI
Cieľom validácie globálnych modelov odvodenia NDVI a EVI je posúdiť ich stabilitu
vzhľadom na vplyv vonkajších a vnútorných faktorov. Z vonkajších faktorov bude preverené
do akej miery sú vegetačné indexy ovplyvnené (i) heterogenitou atmosféry
z dôvodu rozdielneho obsahu aerosolov, vodnej pary a riasovitou oblačnosťou a (ii)
rozdielnou geometrickou konfiguráciou Slnko-Objekt-Senzor jednotlivých snímaní. Z
interných faktorov, závislých od samotnej vegetácie, preveríme (iii) kontamináciu odraznosti
lesného porastu vplyvom pôdy a podrastu, (iv) vplyv saturácie, keď vegetačné indexy
ostávajú necitlivé k zmenám v množstve a stave vegetácie a (v) vplyv štruktúry porastu daný
prítomnosťou fotosynteticky neaktívnych komponentov a heterogenitou asimilačného aparátu
jednotlivých druhov drevín.
Validácia modelov sa uskutoční analýzou variability hodnôt vegetačných indexov na
súboroch homogénnych validačných databáz (homogénnych z pohľadu analyzovaného
faktora) odvodených podľa zvolených kritérií, v rámci etapy 1. V prípade, že hodnoty
vegetačných indexov budú ovplyvnené analyzovaným faktorom, bude potrebné navrhnúť
metódu ich eliminácie, za účelom zvýšenia vypovedacej hodnoty indexov.>
Konštrukcia regionálneho fenologického modelu
Pod modelovaním fenologického vývoja lesných porastov rozumieme predikciu hlavných
fenologických udalostí. Odvodenie modelu bude založené na korelačnej a regresnej analýze
ekosystémových premenných NDVI a EVI voči nezávisle premenným reprezentovanými
bioklimatickými údajmi. Kang (2003) poukázal na problém nastavenia prahovej hodnoty
NDVI súvisiacej s nástupom jarného olisťovania. Pri riešení problému prahových hodnôt
budeme testovať optimálnu hodnotu (deň) nástupu jednotlivých fenologických udalostí vo
vzťahu k rôzne zvoleným prahovým hodnotám bioklimatických premenných a rôznym
prahovým hodnotám vegetačných indexov podľa druhov drevín, prípadne podľa
stanovištných podmienok. Klimatické údaje budú získané z meteorologických staníc SHMÚ
a korigované vo vzťahu k nadmorskej výške. Rastrové mapové vrstvy drevinového zloženia,
stanovištných podmienok vyjadrených prostredníctvom aplikovaných lesníckych
typologických jednotiek - hospodárskych súborov (HS) ako aj digitálny model terénu sú na
riešiteľskom pracovisku k dispozícii.
Ďalej preveríme možnosť popisu celoročného vývoja vegetačného indexu pomocou
nelineárnych matematických funkcií (napr. piecewise logistic function). Výhodou tohto
postupu je možnosť odvodiť čas nástupu rozhodujúcich fenologických udalostí (pučanie,
koniec zalisťovania, jesenné žltnutie listov, opad listov) bez potreby stanovenia prahových
hodnôt vegetačných indexov pri nástupe jednotlivých fenologických udalostí. Tieto sa
odvodia zo stanovenej krivky vývoja vegetačného indexu pomocou výpočtu krivosti
a následne miery zmeny krivosti. Fenologické pozorovania na TMP použijeme k overeniu
hypotézy, že extrémne hodnoty (lokálne minimum a maximum) miery zmeny krivosti
zodpovedajú dňom nástupu jednotlivých fenologických udalostí.
Etapa 3: Validácia a parametrizácia modelov odvodenia LAI a FPAR a odvodenie
čistej a hrubej primárnej produkcie (NPP, GPP) lesných ekosystémov
Riešenie etapy sa zameria na:
- validáciu globálnych modelov odvodenia biofyzikálnych charakteristík LAI a FPAR z MODISu,
- parametrizáciu modelov na regionálnej úrovni a
- odvodenie čistej a hrubej primárnej produkcie (NPP, GPP) lesných ekosystémov.
Validácia a parametrizácia modelov odvodenia LAI a FPAR
Pri odvodení LAI a FPAR z MODISu sa vychádza z klasifikácie krajiny do 8-tich biómov,
ktoré sú definované súborom štrukturálnych charakteristík. Táto klasifikácia je možným
prvým zdrojom nepresnosti odvodenia LAI a FPAR. Ďalšími zdrojmi neistoty sú kvalita
odvodenia vstupných údajov (NDVI alebo EVI) a použitý radiačný model odvodenia LAI a
FPAR. Skúmaná bude jeho citlivosť na saturačnú hodnotu FPAR, po prekročení ktorej sa
rýchlosť fotosyntézy ďalej nezvyšuje. Posúdime dopad použitej 8 triednej biómovej
klasifikácie na kvalitu odvodenia LAI a FPAR a preveríme možnosti spresnenia
využitím Corine Land Cover klasifikácie Slovenska. Vzhľadom na rozlišovaciu úroveň
globálneho produktu (1 km) sa odvodia LAI a FPAR vrstvy na rozlišovacej úrovni 250 m.
Využijú sa k tomu prevodné tabuľky (Knyazikhin et al., 1999) odvodené pre globálny
produkt a členené podľa biómov. Prevodné tabuľky sú odvodené na základe korelácie medzi
NDVI a LAI resp. NDVI a FPAR. Validáciu globálneho aj parametrizovaného modelu LAI
založíme na porovnaní MODIS hodnôt s údajmi LAI odvodenými v rámci etapy 1 z údajovej
bázy (A) a (B).
Validácia a parametrizácia modelov odvodenia GPP a NPP
Modelovanie hrubej primárnej produkcie (GPP) založíme na analýze vývoja listového indexu
(LAI) a časti fotosynteticky aktívnej radiácie (0.4–0.7 μm) absorbovanej vegetáciou APAR
kde APAR = PAR * FPAR (PAR – dopadajúca fotosynteticky aktívna radiácia, FPAR – podiel PAR
pohltený vegetáciou). Pri možnosti modelovania GPP vychádzame z postulátu, že existuje vzťah
medzi absorbovanou solárnou energiou a produkciou. Viacero štúdií preukázalo túto koreláciu
(napr. Landsberg et al., 1996). Ďalšie štúdie preukázali závislosť GPP od typu vegetácie, jej
štruktúry, teploty, stanovištných podmienok, prístupnosti vody, živín, od evapotranspiračných
požiadaviek, koncentrácie fotosynteticky aktívnych enzýmov (napr. Nightingale et al., 2007).
Výhodou využitia APAR je predpoklad, že v jeho intenzite je obsiahnutý integrálny vplyv
hore uvedených závislostí. Za kľúčový problém sa považuje objektívna parametrizácia
vzťahov medzi GPP a APAR. Pri riešení tohto problému budeme vychádzať z konceptu
účinnosti využitia dopadajúcej radiácie, pričom na tento účel je využívaný koeficient
radiačnej účinnosti (ε) (Hunt, 1994). Pre potreby odvodenia dennej resp. z praktického
hľadiska 16-dennej NPP zahrnieme do výpočtu komponenty modelujúce intenzitu respirácie,
ktorá je potrebná pre udržanie základných životných funkcií a pre rast. Ročná NPP sa
vypočíta sumáciou 16-denných produktov upravených o obidva typy respirácie.
Vychádzajúc z uvedeného konceptu modelovania GPP a NPP, skúmané budú možnosti
spresnenia hlavných vstupných údajov a vrstiev, ktoré na regionálnej úrovni môžeme
považovať za hlavné zdroje nepresností a to:
- Denné meteorologické údaje odvodené z údajovej bázy NASA Data Assimilation Office
(DAO). Skúmaná bude možnosť spresnenia určenia koeficient radiačnej účinnosti (ε),
ktorý varíruje vzhľadom k typu vegetácie a klimatickým podmienkam. Pre korekciu ε
bude potrebné určiť dennú minimálnu teplotu a priemerný denný deficit tlaku vodných
pár. Meteorologické údaje budú prebraté z národnej databázy SHMÚ a modelovo
korigované vo vzťahu k nadmorskej výške analyzovanej lokality resp. TMP.
- Konštantné hodnoty fyziologických parametrov potrebných pre výpočet udržiavacej
a rastovej respirácie členené podľa typov krajiny. Skúmané budú možnosti nahradenia
klasifikácie biómov, vrstvou Corine Land Cover Mapping alebo mapou drevinového
zloženia lesov Slovenska a možnosti spresnenia fyziologických parametrov ich
nahradením hodnotami odvodenými pre lesné ekosystémy Slovenska. Pôjde najmä o
implementáciu poznatkov o uhlíkových zásobách v pôde a biomase podľa porastových
typov a pôdnych typov a spresnených expanzných faktorov – BEFs (biomass expansion
factors), ktoré konvertujú objem kmeňa priamo na suchú hmotnosť zložky biomasy
(listy, vetvy, kmeň, mŕtve vetvy, kôra, peň, hrubé korene, jemné korienky).
- Kvalita LAI a FPAR. Možnosti spresnenia vrstiev LAI a FPAR sú popísané vyššie.
Validáciu globálneho aj parametrizovaného modelu GPP založíme na porovnaní výsledkov
s údajmi z údajovej bázy (A,B) a s reálnymi meraniami na výskumnom objekte Hukavský
Grúň (etapa 1).
|