Αξιοποίηση προηγμένων τεχνικών τηλεπισκόπησης για τη μελέτη δυναμικών παραμέτρων της βλάστησης
Φόρτωση...
Ημερομηνία
Συγγραφείς
Βανικιώτης, Θεόφιλος
Vanikiotis, Theofilos
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Υγείας. Τμήμα Βιολογικών Εφαρμογών και Τεχνολογιών
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Η ολική πρωτογενής παραγωγικότητα (Gross Primary Productivity, GPP) των χερσαίων οικοσυστημάτων αποτελεί τη μεγαλύτερη ροή άνθρακα μεταξύ ατμόσφαιρας και βιόσφαιρας, γεγονός που την έχει θέσει στο επίκεντρο της έρευνας για την κλιματική αλλαγή. Η τηλεπισκόπηση παρέχει τα μέσα για τον υπολογισμό της παραγωγικότητας σε μεγάλη κλίμακα, μέσω μοντέλων παραγωγικότητας, με τα μοντέλα LUE (Light Use Efficiency models) να είναι ίσως τα πιο ευρέως χρησιμοποιημένα. Τα μοντέλα LUE βασίζονται στην αρχή της αποδοτικότητας χρήσης φωτός (ε), που θέλει την παραγόμενη βιομάζα να εξαρτάται γραμμικά από την διαθέσιμη ακτινοβολία. Η παρούσα μελέτη ερευνά την ακρίβεια ενός μοντέλου LUE (sCASE) που βασίζεται σε δορυφορικά και μετεωρολογικά δεδομένα, με βάση μετρήσεις από πύργους eddy covariance, αναλύει τα επιμέρους συστατικά του και εξετάζει πιθανές βελτιώσεις. Επιπλέον, εξετάζεται και η σχέση του δείκτη βλάστησης PRI (Photochemical Reflectance Index) με την ε, μια σχέση που θα μπορούσε να λύσει το πρόβλημα του υπολογισμού της αποδοτικότητας διαφορετικών οικοσυστημάτων.
Η ημερήσια 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, υστερώντας σε περιοχές με αειθαλή πλατύφυλλα, κάτι που ισχύει για όλα τα μοντέλα παραγωγικότητας (όχι μόνο LUE). Η ακρίβεια του sCASE υπερτερεί έναντι αυτής του μοντέλου LUE του MODIS (προϊόν MOD17A2) στο σύνολο των περιοχών που εξετάστηκαν, και είναι συγκρίσιμη με αντίστοιχα μοντέλα LUE στη βιβλιογραφία. Και τα τρία scalar που χρησιμοποιεί η αρχική εκδοχή του sCASE (αναπτυξιακό, θερμοκρασιακό και υδατικό), κρίνονται απαραίτητα για την ακρίβεια της GPP, με τη βαρύτητα καθενός να καθορίζεται από τα χαρακτηριστικά του κάθε οικοσυστήματος. Η σύγκριση του υδατικού scalar του sCASE με άλλα ευρέως χρησιμοποιούμενα υδατικά scalar, 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. Σε κάθε περίπτωση, κανένα από τα άλλα υδατικά scalar που εξετάστηκαν, δεν βρέθηκε να βελτιώνει την ακρίβεια του sCASE στο σύνολο των περιοχών έναντι του Wscalar.
Για τη βελτίωση του sCASE εξετάστηκε η χρήση ενός επιπλέον scalar για την επίδραση της διάχυτης ακτινοβολίας (cloud scalar), η οποία έχει βρεθεί πως αυξάνει την ε των οικοσυστημάτων, κάτι που αγνοεί η αρχική εκδοχή του μοντέλου, όπως και τα περισσότερα μοντέλα LUE. Χρησιμοποιούνται δέκα πιθανά cloud scalar, πέντε εκ των οποίων δημιουργήθηκαν στα πλαίσια της παρούσας εργασίας. Τα περισσότερα cloud scalar βελτιώνουν την ακρίβεια του sCASE στο σύνολο των περιοχών μελέτης, αυξάνοντας τον συντελεστή προσδιορισμού (R2) και μειώνοντας τον συντελεστή RMSE, μεταξύ των μοντελοποιημένων και των μετρημένων ημερήσιων τιμών GPP. Παρότι τα πέντε cloud scalar που δημιουργήθηκαν σε αυτή την εργασία υστερούν ελαφρώς έναντι του εbase, η ευκολία υπολογισμού τους τα καθιστά πολύ καλά εργαλεία για την συμπερίληψη της επίδρασης της διάχυτης ακτινοβολίας στα μοντέλα LUE. Ωστόσο, η απόδοση τους θα πρέπει να εξεταστεί και σε άλλες περιοχές, για να αξιολογηθεί η γενικότερη απόδοση τους.
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. Η χωρική ανάλυση των δεικτών βλάστησης που χρησιμοποιεί το sCASE αποδείχτηκε κρίσιμη για της περιοχές με κενά στη βλάστηση, επηρεάζοντας λιγότερο τις περιοχές με ετερογένεια, με της πυκνές ομοιογενείς περιοχές να μένουν ανεπηρέαστες. Πιο κρίσιμη στην ακρίβεια του sCASE αποδείχθηκε η χωρική ανάλυση της ταξινόμησης, επηρεάζοντας έντονα τόσο τις περιοχές με κενά όσο και αυτές με ετερογένεια. Επιπλέον, η ταξινόμηση φαίνεται να επηρεάζει την ακρίβεια ακόμη και σε μικρές διαφορές στο θόλο.
Ο PRI που υπολογίστηκε από τις επίγειες μετρήσεις ανακλαστικότητας συσχετίστηκε με το λόγο χλωροφυλλών προς καροτενοειδή (Chl/Car), αν και βρέθηκαν διαφορές μεταξύ των τεσσάρων ειδών, αλλά δεν είχε καμία συσχέτιση με το δυναμικό νερού (Ψ). Οι μετρήσεις πεδίου πραγματοποιήθηκαν σε τέσσερα δασικά είδη της Βόρειας Πίνδου, ένα κωνοφόρο (Pinus nigra) και τρία φυλλοβόλα (Fagus sylvatica, Quercus frainetto και Quercus cerris). Στα τρία φυλλοβόλα είδη παρατηρήθηκε μια αποσύνδεση του PRI θόλου από τον λόγο χλωροφυλλών προς καροτενοειδή μέσα στην ημέρα, η οποία θα μπορούσε να προκύπτει από αλλαγές στον κύκλο των ξανθοφυλλών.
Όσον αφορά τη σχέση του PRI με την ε, αυτή εξετάστηκε σε ένα οικοσύστημα με αειθαλή κωνοφόρα στην Ιταλία (San Rossore) που διαθέτει πύργο eddy covariance. Ο PRI υπολογίστηκε από δεδομένα του αισθητήρα MODIS (με χωρική ανάλυση 1 km), από δυο διαφορετικούς δορυφόρους (Terra και Aqua) οι οποίοι διαφέρουν ως προς την ώρα διέλευσης από την περιοχή μελέτης. 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 λήψεις (γωνίες αισθητήρα και ηλίου), με τις backscatter λήψεις να ευνοούν τη σχέση έναντι των άλλων (nadir, forward scatter). Προσοχή ωστόσο απαιτείται στα κριτήρια κατηγοριοποίησης των λήψεων, καθώς επηρεάζουν το αποτέλεσμα, με τα αυστηρά κριτήρια να αποδυναμώνουν τη σχέση PRI και ε. Οι ημίωρες τιμές αποδοτικότητας (εhh) αποκλίνουν από τις ημερήσιες (εd), κάτι που επηρεάζει την σχέση μεταξύ δορυφορικού PRI (MODIS PRI) και ημερήσιας ε, με τον PRI του Aqua να αποδίδει καλύτερα στη συγκεκριμένη περιοχή εκμεταλλευόμενος την ώρα διέλευσης του συγκεκριμένου δορυφόρου (μετά το μεσημέρι). Επιπλέον, οι PRI και των δυο αισθητήρων MODIS (Terra και Aqua) συσχετίζονται καλύτερα με την αποδοτικότητα κατά την στιγμή διέλευσης του δορυφόρου (εov) έναντι της ημερήσιας αποδοτικότητας. Από τα τρία κανάλια αναφοράς που εξετάστηκαν, ο PRI που χρησιμοποιεί το κανάλι 12 (546 – 556 nm, PRI12) είχε την ισχυρότερη απόδοση στο συγκεκριμένο οικοσύστημα, διατηρώντας τη σχέση του για τα διάφορα σύνολα PRI που εξετάστηκαν, με τις γωνίες λήψεις πάντως να επιδρούν στην απόδοση των καναλιών αναφοράς. Σε όλες τις περιπτώσεις (αισθητήρα, κανάλι αναφοράς, συνθήκες λήψης), ο PRI συσχετίστηκε καλύτερα με την ε υπολογισμένη με τιμές PAR αντί APAR, ένα αποτέλεσμα που χρειάζεται περεταίρω διερεύνηση.
Όλα τα παραπάνω ευρήματα για την σχέση του PRI με την ε, φαίνεται να επηρεάζονται 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 όσον αφορά τη σχέση του PRI με την αποδοτικότητα.
Gross Primary Productivity (GPP) of terrestrial ecosystems is the largest carbon flux between the atmosphere and the biosphere, which has set it in the spotlight of climate change research. Remote sensing provides the means for the calculation of productivity on large scale, through productivity models, with Light Use Efficiency (LUE or ε) models being the most frequently used. LUE models are based on the light use efficiency principle, which mandates a linear dependance of biomass production on the amount of radiation available. The present study investigates the accuracy of a LUE model (sCASE) that uses satellite and meteorological data, based on GPP measurements from eddy covariance towers, analyzes the components of its algorithm and tests possible improvements. Additionally, the relationship between the vegetation index PRI (Photochemical Reflectance Index) and LUE is investigated, a relationship that could offer a bypass for the difficult task of estimating efficiency values of different ecosystems. The daily 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, failing to capture GPP of evergreen broadleaved ecosystems, a common problem for all productivity models (not only LUE type). sCASE was found to be more accurate than the LUE model of MODIS (MOD17A2 product) for all the sites of this study, matching the accuracy of other widely used LUE models in literature. All three scalars used by the original sCASE algorithm (developmental temperature and water), were proven to be crucial for its accuracy, with the importance of each one depending on the site characteristics. The comparison of sCASE’s water scalar (Wscalar) with other widely used water scalars from literature, showed that it can capture adequately well the water availability of water stressed sites, slightly overestimating water effects on sites without water limitations. Overall, Wscalar performed better or equally good to all the other water scalars that were tested, when their performance on all sites is considered. In order to improve sCASE accuracy, the use of an extra scalar accounting for the effect of diffuse radiation (cloud scalar) was tested. Diffuse radiation is known to increase canopy LUE, but sCASE, as most of the LUE models, does not incorporate this in its GPP estimates. Ten cloud scalars were used with sCASE, five of which were developed in this study. Most of them improved the accuracy of sCASE estimations for all the sites, increasing the coefficient of determination (R2) of the linear regressions and reducing the Root Mean Square Error (RMSE) between modelled and measured GPP values. Although εbase performed better than the five cloud scalars that were created in this study, their simplicity makes them useful tools for incorporating the effects of diffuse radiation in LUE models. However, their wider applicability for GPP estimation should be validated on other sites as well. 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 used from sCASE was 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. More important for the accuracy of sCASE was the spatial resolution of the classification that the model uses, which strongly affected both sites with heterogeneity and sites with fragmentation. Moreover, classification seems to affect accuracy even for small differences in canopy characteristics. PRI calculated from ground-based reflectance measurements correlated well with the chlorophyll to carotenoids ratio (Chl/Car), although differences exist between species, but was found to have no relationship with water potential (Ψ). The ground measurements were conducted to four tree species of the North Pindus area, one coniferous (Pinus nigra) and three deciduous (Fagus sylvatica, Quercus frainetto και Quercus cerris). On the three deciduous species, canopy PRI and Chl/Car was found to diverge in the course of the day, which could be due to changes in the xanthophyll cycle. The relationship of PRI and LUE was tested over an evergreen needleleaf forest in Italy (San Rossore), which is equipped with an eddy covariance tower. PRI was calculated from MODIS data (with 1 km spatial resolution) of both satellites (Terra and Aqua), which have different acquisition times on the specific site. 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 (sensor and light angles), with backscatter acquisitions performing better than the other types (nadir and forward scatter). Attention should be given on the criteria used to categorize acquisitions as they seem to affect the outcome, with strict criteria weakening the relationship. Half-hour LUE values (εhh) differ from those for the entire day (εd), which affects the relationship of satellite PRI (MODIS PRI) with daily LUE, with Aqua PRI performing better for the specific site benefiting from its overpass time (right after local noon). Additionally, PRI from both MODIS sensors (Terra and Aqua) correlate better with the LUE at the time of satellite overpass (εov) from the study site, compared to daily LUE. From the three MODIS bands used as PRI reference band, PRI with band 12 (546 – 556 nm, PRI12) had the best performance for this site, being more stable between PRI datasets. However, the performance of the various reference bands seems to be affected by the viewing conditions. In all cases (satellite, reference band, viewing conditions), PRI correlated stronger with LUE calculated using PAR values instead of APAR, a finding that must be further investigated. All these findings concerning the PRI:LUE relationship, seem 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.
Gross Primary Productivity (GPP) of terrestrial ecosystems is the largest carbon flux between the atmosphere and the biosphere, which has set it in the spotlight of climate change research. Remote sensing provides the means for the calculation of productivity on large scale, through productivity models, with Light Use Efficiency (LUE or ε) models being the most frequently used. LUE models are based on the light use efficiency principle, which mandates a linear dependance of biomass production on the amount of radiation available. The present study investigates the accuracy of a LUE model (sCASE) that uses satellite and meteorological data, based on GPP measurements from eddy covariance towers, analyzes the components of its algorithm and tests possible improvements. Additionally, the relationship between the vegetation index PRI (Photochemical Reflectance Index) and LUE is investigated, a relationship that could offer a bypass for the difficult task of estimating efficiency values of different ecosystems. The daily 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, failing to capture GPP of evergreen broadleaved ecosystems, a common problem for all productivity models (not only LUE type). sCASE was found to be more accurate than the LUE model of MODIS (MOD17A2 product) for all the sites of this study, matching the accuracy of other widely used LUE models in literature. All three scalars used by the original sCASE algorithm (developmental temperature and water), were proven to be crucial for its accuracy, with the importance of each one depending on the site characteristics. The comparison of sCASE’s water scalar (Wscalar) with other widely used water scalars from literature, showed that it can capture adequately well the water availability of water stressed sites, slightly overestimating water effects on sites without water limitations. Overall, Wscalar performed better or equally good to all the other water scalars that were tested, when their performance on all sites is considered. In order to improve sCASE accuracy, the use of an extra scalar accounting for the effect of diffuse radiation (cloud scalar) was tested. Diffuse radiation is known to increase canopy LUE, but sCASE, as most of the LUE models, does not incorporate this in its GPP estimates. Ten cloud scalars were used with sCASE, five of which were developed in this study. Most of them improved the accuracy of sCASE estimations for all the sites, increasing the coefficient of determination (R2) of the linear regressions and reducing the Root Mean Square Error (RMSE) between modelled and measured GPP values. Although εbase performed better than the five cloud scalars that were created in this study, their simplicity makes them useful tools for incorporating the effects of diffuse radiation in LUE models. However, their wider applicability for GPP estimation should be validated on other sites as well. 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 used from sCASE was 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. More important for the accuracy of sCASE was the spatial resolution of the classification that the model uses, which strongly affected both sites with heterogeneity and sites with fragmentation. Moreover, classification seems to affect accuracy even for small differences in canopy characteristics. PRI calculated from ground-based reflectance measurements correlated well with the chlorophyll to carotenoids ratio (Chl/Car), although differences exist between species, but was found to have no relationship with water potential (Ψ). The ground measurements were conducted to four tree species of the North Pindus area, one coniferous (Pinus nigra) and three deciduous (Fagus sylvatica, Quercus frainetto και Quercus cerris). On the three deciduous species, canopy PRI and Chl/Car was found to diverge in the course of the day, which could be due to changes in the xanthophyll cycle. The relationship of PRI and LUE was tested over an evergreen needleleaf forest in Italy (San Rossore), which is equipped with an eddy covariance tower. PRI was calculated from MODIS data (with 1 km spatial resolution) of both satellites (Terra and Aqua), which have different acquisition times on the specific site. 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 (sensor and light angles), with backscatter acquisitions performing better than the other types (nadir and forward scatter). Attention should be given on the criteria used to categorize acquisitions as they seem to affect the outcome, with strict criteria weakening the relationship. Half-hour LUE values (εhh) differ from those for the entire day (εd), which affects the relationship of satellite PRI (MODIS PRI) with daily LUE, with Aqua PRI performing better for the specific site benefiting from its overpass time (right after local noon). Additionally, PRI from both MODIS sensors (Terra and Aqua) correlate better with the LUE at the time of satellite overpass (εov) from the study site, compared to daily LUE. From the three MODIS bands used as PRI reference band, PRI with band 12 (546 – 556 nm, PRI12) had the best performance for this site, being more stable between PRI datasets. However, the performance of the various reference bands seems to be affected by the viewing conditions. In all cases (satellite, reference band, viewing conditions), PRI correlated stronger with LUE calculated using PAR values instead of APAR, a finding that must be further investigated. All these findings concerning the PRI:LUE relationship, seem 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.
Περιγραφή
Λέξεις-κλειδιά
Ολική πρωτογενής παραγωγικότητα, Αποδοτικότητα χρήσης φωτός, Τηλεπισκόπηση, Δείκτες βλάστησης, Gross primary productivity, Light use efficiency, Remote sensing, Vegetation indices
Θεματική κατηγορία
Δασολογία, Forestry
Παραπομπή
Σύνδεσμος
Γλώσσα
el
Εκδίδον τμήμα/τομέας
Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Υγείας. Τμήμα Βιολογικών Εφαρμογών και Τεχνολογιών
Όνομα επιβλέποντος
Κυπαρίσσης, Άρης
Εξεταστική επιτροπή
Κυπαρίσσης, Άρης
Καραγιάννη, Ήρα
Συκιώτη, Όλγα
Χάλλεϋ, Τζων - Μάξγουελ
Σωτηρόπουλος, Κωνσταντίνος
Γιώτης, Χαρίλαος
Γήτας, Ιωάννης
Καραγιάννη, Ήρα
Συκιώτη, Όλγα
Χάλλεϋ, Τζων - Μάξγουελ
Σωτηρόπουλος, Κωνσταντίνος
Γιώτης, Χαρίλαος
Γήτας, Ιωάννης
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Υγείας. Τμήμα Βιολογικών Εφαρμογών και Τεχνολογιών.
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Ονόματα συντελεστών
Αριθμός σελίδων
187 σ.
Λεπτομέρειες μαθήματος
Συλλογές
item.page.endorsement
item.page.review
item.page.supplemented
item.page.referenced
Άδεια Creative Commons
Άδεια χρήσης της εγγραφής: Attribution-NonCommercial-NoDerivs 3.0 United States