Légi hiperspektrális biomassza térképezés elsődleges eredményei a Tass-pusztai biomassza ültetvényen Preliminary results of evaluation of biomass mapping based on hyperspectral imagery on energy tree plantation of Tass-puszta Enyedi Péter 1, Dr. Burai Péter 2, Kozma-Bognár Veronika 3, Dr. Berke József 4, Dr. Tomor Tamás 5 1 kutatási koordinátor, Károly Róbert Főiskola, enyedipeti@gmail.com 2 docens, Károly Róbert Főiskola, pburai@karolybert.hu 3 ügyvivő szakértő-kutató, Károly Róbert Főiskola, kozma.bognar@gmail.com 4 főiskolai tanár-kutató, Károly Róbert Főiskola, berke64@gmail.com 5 főiskolai docens, intézetigazgató, Károly Róbert Főiskola, tomor@karolyrobert.hu Összefoglaló A kutatás elsődleges célja az energia ültetvények biofizikai változóinak vizsgálata volt nagy terepi (1m) és spektrális (253 csatorna) felbontású hiperspektrális légi felvételek alapján. Az alkalmazott rendszer egy repülőgépbe beépített AISA Eagle II légi hiperspektrális szenzor volt, amellyel a Tass-puszta energia ültetvényről készítettünk felvételeket. A tanulmányban az elsődleges biomassza hozammal összefüggő biofizikai változókat vizsgáltuk. A légi felvételekből nevezetes vegetációs indexeket számítottunk, amellyel a biomassza hozam térbeli különbségeit térképeztük. Kulcsszavak: Légi hiperspektrális technológia, AISA, NDVI, biomassza Abstract The primary goal of this study was to investigate the utility of high ground (1 m) and spectral (253bands) resolution airborne hyperspectral imagery for evaluate some biophysical parameters of energy-tree plantation. AISA Eagle II hyperspectral airborne sensor was applied to map Tass-puszta study site on the North-Eastern part of Hungary. This study focused on mapping of primary biomass products of different type of energytrees. Vegetation indexes were calculated to evaluate spatial differences of investigated energy-tree plantation. Keywords: hyperspectral airborne imagery, AISA, NDVI, biomass Bevezetés A távérzékelési technológiák gyors fejlődése egyre megbízhatóbb módszereket nyújtanak környezetünk vizsgálatára. Napjainkban a hiperspektrális távérzékelés során nyert adatok felhasználása egyre szélesebb körben elterjedt, hiszen a többsávos érzékelők által szolgáltatott adatok más technikákhoz képest spektrálisan pontosabb mérést tesznek lehetővé. A hiperspektális technológia alkalmazásával - köszönhetően a nagyobb spektrális és térbeli felbontásnak - a hagyományos légi felvételezési technikákhoz (RGB-, multispektrális felvételek) képest nagyobb információtartalmú adatot kapunk a földfelszín legkülönfélébb jelenségeiről, rétegeiről, felületeiről. A pontos állománybecslés egyik hatékony eszköze lehet a hiperspektrális távérzékelés, amely nagy terepi felbontás mellett társulás és faj szintű térképezésre is alkalmazható (Underwood et al, 2003; Underwood, 2007).
A felvételezés a REG-EM-09-3-2009-0008, OMFB-00561/2010 E-kompetencia alapú fejlesztés és szolgáltatás a Gyöngyösi Kistérségben energianövényekre vonatkozóan megnevezésű Baross-pályázat keretében és valósult meg. A projekt célkitűzése egy olyan földrajzi információs rendszer kiépítése, amely elősegíti az energianövények hatékony termesztését a gyöngyösi kistérségben. A modell kialakításához számos input adatot veszünk figyelembe (közigazgaztási adatok, meteorlológiai adatok, talajtani paraméterek, topográfiai adatok, területhasználati adatok, stb.) melyek között az projekt megvalósítása során távérzékelt adatok, valamint azok feldolgozásából és kiértékeléséből nyert információk fontos szerepet játszanak. 1. ábra. Az E-kompetencia alapú fejlesztés és szolgáltatás a Gyöngyösi Kistérségben energianövényekre vonatkozóan megnevezésű projekt területe Míg a közelmúltban csak kutatási jellegű hiperspektrális alkalmazásokkal találkozhattunk, napjainkban a hiperspektrális légi felvételezés egyre szélesebb gyakorlati felhasználásai jelentek meg a botanikai, mezőgazdasági, környezetvédelmi, katonai, katasztrófavédelem, és egyéb részletes környezeti adatokat igénylő területeken. A hiperspektrális légi és űrfelvételek a spektrográfok és a digitális technológia fejlődésének köszönhetően a napjainkban egyre szélesebb körben terjednek. Az adatok nagy informácó-tartalmúak, az optikai tartományban a csatornák keskeny sávúak és folyamatos spektrumot tartalmaznak. Egy-egy felvétel akár 100 vagy több csatornát is tartalmazhat, szemben a multispektrális adatok 4-8 csatornájával. A légi hiperspektrális felvételezésre alkalmazott technikák többsége push-broom vagy wishk-broom típusú szenzor vagy szenzorokkal összeépített navigációs adatokat rögzítő GPS/INS
rendszerekből állnak, amely direkt georeferencia alkalmazásával gyors adathozzáférést, egyszerű kezelhetőséget eredményez. Anyag és módszer A hiperspektrális légi felvételezést a Károly Róbert Főiskola hajtotta végre AISA Eagle II rendszerű hiperspektrális szenzorral. A szenzor 400-1000nm közötti hullámhossz tartományban, 1,25-10nm közötti csatornaszélességgel és 0,3-3m-es terepi felbontásban képes adatot gyűjteni. AISA szenzorral készített felvételek első hazai alkalmazása 2006- ban volt, azóta számos területen alkalmazták (Deákvári et al, 2008; Mucsi et al., 2008; Milics et al, 2008). A pontosabb geometria miatt nagy pontosságú GPS/INS rendszert (OxTS 3003) alkalmaztunk a navigációs adatok gyűjtésére (2. ábra). 2. ábra AISA Eagle II hiperspektrális szenzor és fedélzeti rendszer repülőgépbe beszerelve A felvételezés során alkalmazott repülési paraméterek: - repülési magasság: 1522m - repülési sebesség: 60m/s - sávszélesség: 1024m - átfedés: 30% - terepi felbontás: 1m Az AISA Eagle II szenzor, VNIR tartományban (400-1000) 2,5nm (12bit) mintavételezéssel készítette a hiperspektrális felvételeket. A mintaterület hiperspektrális repülésének időpontja 2011.05.26.-án 10:44-10:52 közötti időszakban volt. A hiperspektrális felvételezés során elkészült (Tass-pusztai tangazdaság területét érintő) sávok száma 2 db, amely egy 454 ha-os területet fed le.
3. ábra Előfeldolgozott, összemozaikolt hiperspektrális felvétel látható (balra) és hamis színes közeli infra (jobbra) kompozitban Google Earth alaptérképen megjelenítve Eredmények A hiperspepektrális felvételek radiometriai és geometriai feldolgozása után különböző nevezetes vegetációs indexeket transzformáltunk a felvételekből. Világszerte a legelterjedtebb vegetációs index a normalizált vegetációs index (Normalized Difference Vegetation Index, NDVI) amelyet levélfelület, zöld biomassza mennyiségének, a klorofiltartalomnak, növényi szövet víztartalmának meghatározására alkalmazzák (Tucker, 1979; Cihlar et al., 1991, Sellers et al., 1992, Goward et al., 1994). Az NDVI nagy területek biomassza-változásának idősoros elemzésére is előszeretettel alkalmazott univerzális mutatószám (Morisette et al., 2002). Az NDVI meghatározásával következtethetünk az adott terület vegetációs aktivitására. Értékét a növényzet által a közeli infravörös (NIR) és a látható vörös (RED) sugárzási tartományban visszavert intenzitások különbségének és összegének hányadosa határozza meg. Mivel az NDVI korrelál a területet takaró növényzet fajlagos klorofill tartalmával, fotoszintetikus aktivitásával ennek segítségével osztályozhatjuk a mintaterületet a biomassza-mennyiség alapján. A tass-pusztai területre az NDVI értékét AISA Eagle felvételekből a 640nm (vörös) és közeli infravörös (800nm) csatornákból számítottuk.
4. ábra Vegetációs index (NDVI) számítása a mintaterületről. Baloldalon a látható tartományban készült felvétel, míg jobb oldalt az NDVI-ből készített kompozit található. A mintaterült lerepülésével egy időben terepi spektrofotometriás mérést is végeztünk ASD FieldSpec készülékkel és növényi mintákat gyűjtöttünk be a fotoszintetikus aktivitás, pigment-tartalom és C/N meghatározására. 5. ábra Terepi spektrofotométeres méréssel mért fűz (Salix sp.) levél spektruma A terepi spektrofotometriás mérések és a laboratóriumi minták eredményeinek értékelésével meghatározható, hogy melyik csatornákból lehetséges a fotoszintetikus aktivitás meghatározása a növényzet reflexiós tulajdonságaiból ezen keresztül hogyan lehetséges alkalmazni közvetetten a biomassza-hozam becslésre.
Következtetések A hiperspektrális légi felvételek nagy előnye a hagyományos pontszerű mintavételezéssel szemben, hogy alkalmasak lehetnek nagy területek biomassza hozamának becslésére. A technológia előnye, hogy gyors értékelésre ad lehetőséget és alkalmas az egyes jelenségek térbeli elemzésére. A jelenlegi kutatás a terepi adatok teljes kiértékelésével lesz teljes. A jövőben a biomassza hozam mennyiségi és minőségi értékeinek becslésére alkalmas vegetációs indexek és egyéb képfeldolgozási módszerek fejlesztése a cél, amellyel nagy területeken lévő különböző típusú ültetvények térképezésére is alkalmasak. Irodalom jegyzék Cihlar, J., St-Laurent, L., Dyer, J.A. (1991): Relation between the normalized difference vegetation index and ecological variables. Remote Sensing of Environment, 35, pp.279-298 Deákvári J., Kovács L., Papp Z., Fenyvesi L., Tamás J., Burai P., Lénárt Cs. (2008): Az AISA hiperspektrális távérzékelő rendszer használatának első eredményei. MTA AMB XXXII. Kutatási és Fejlesztési Tanácskozás. Gödöllő., Conference CD, 46-50. Goward, S.N., Haemmrich, K.F., Waring, R.H. (1994): Visible-near infrared spectral reflectance of landscape components in western Oregon. Remote Sensing of Environment, 47, pp.190-203 Milics G., Burai P., Lénárt Cs. (2008): Pre-Harvest Prediction of spring barley nitrogen content using hyperspectral imaging. Cereal Research Communications, Akadémiai Kiadó, 36: 1863-1866. Morisette, J., Privette, J., Justice, C. (2002): A framework for the validation of MODIS Land products. Remote Sensing of Environment, 83, pp.77-96. Mucsi L., Tobak Z., Leeuwen B., Kovács F., Szatmári J. (2008): Analyses of spatial and temporal changes of the urban environment using multi- and hyperspectral data. 275-284. In. Jürgens, C. (2008): Remote Sensing New Challenges of High Resolution, Bochum Underwood E., Ustin S., DiPietro D. (2003): Mapping nonnative plants using hyperspectral imagery. Remote Sensing of Environment, 86, 150 161. Underwood E.C., Ustin S.L., Ramirez C.M. (2007): A comparison of spatial and spectral image resolution for mapping invasive plants in coastal California. Environmental Management 39 (1), 63-83. Sellers, P.J., Berry, J.,A., Collatz, G.J., Field, C.B., Hall, F.G. (1992): Canopy reflectance, photosynthesis and transpiration. III. A re-analysis using improved leaf models and a new canopy integration scheme. Remote Sensing of Environment, 42, pp.1-30. Tucker, C. J. (1979): Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 8, pp.127 150.