Wpływ wieku drzewostanów na ich charakterystyki spektralne i wartości wybranych wskaźników wegetacyjnych
Streszczenie
Obszarem badań autorów jest Puszcza Notecka, która rozciąga się w kierunku równoleżnikowym przez mezoregion Kotliny Gorzowskiej. Puszcza ta jest jednym z największych obszarów leśnych w Polsce i charakteryzuje się dużym udziałem gatunkowym drzewostanu sosnowego.
Celem przeprowadzonych badań było określenie zróżnicowania charakterystyk spektralnych różnowiekowych drzewostanów sosnowych Puszczy Noteckiej oraz wpływu wieku tych drzewostanów na wielkość odbicia promieniowania elektromagnetycznego w różnych zakresach spektralnych i w różnych terminach sezonu wegetacyjnego. Kolejnym celem było określenie relacji pomiędzy wiekiem drzewostanów sosnowych a wartościami wybranych wskaźników wegetacji w tychże terminach.
W obrębie zwartego kompleksu leśnego, jakim jest Puszcza Notecka, wyodrębniono 100 powierzchni badawczych. Kryterium wykorzystanym przy wyborze była jednorodność gatunkowa oraz wiekowa tych powierzchni. Każdy z wybranych obszarów porośnięty jest drzewostanem sosnowym o określonym wieku. Materiałem wykorzystanym do analiz są zobrazowania satelitarne wykonane przez sensor TM (ang. ThematicMapper) znajdujący się na satelicie Landsat 5, które charakteryzują się rozdzielczością przestrzenną na poziomie 30m. Zobrazowania pozyskane zostały z różnych momentów sezonu wegetacyjnego. Do analizy określono wartości odbicia promieniowania w sześciu zakresach spektralnych oraz wygenerowano charakterystyki spektralne dla każdej powierzchni testowej. Charakterystyki spektralne pozwoliły na określenie różnic pomiędzy drzewostanami o różnym wieku. Wartości odbić w poszczególnych zakresach promieniowania umożliwiły obliczenie trzech wskaźników wegetacji, które posłużyły dalszej analizie. W oparciu o metody statystyczne określono relacje pomiędzy wiekiem drzewostanów a wartościami poszczególnych wskaźników wegetacji oraz różnice pomiędzy terminami sezonu wegetacyjnego, w których wykonano zobrazowania satelitarne.
Słowa kluczowe:
Pełny tekst:
PDFBibliografia
Bannari A., Motin D., Bonn F., 1995: A Review of Vegetation Indices. Remote Sensing Reviews 13: 95-120.
Colombo R., Meroni M., Marchesi A., Busetto L., Rossini M., Giardino C., Panigada C., 2008: Estimation of leaf and canopy water content in poplar plantations by means of hyperspectral indices and inverse modeling. Remote Sensing of Environment 112: 1820-1834.
Daughtry C.S.T., Walthall C.L., Kim M.S., Brown de Colstoun E., McMurtrey J.E., 2000: Estimating Corn Leaf Chlorophyll Concentration from Leaf and Canopy Reflectance. Remote Sensing of Environment 74: 229–239.
Ekstrand S., 1996: Landsat TM-based forest damage assessment: corrections for topographic effects. Photogrammetric Engineering and Remote Sensing 62: 151-161.
Fleming M.D., Hoffer R.M., 1979: Machine Processing of Landsat MSS Data and DMA Topograhpic Data for Forest Cover Type Mapping. LARS Symposia 302: 377-390.
Gitelson A., Merzlyak M.N., 1994: Spectral reflectance changes associated with autumn senescence of Aesculus hippocastanum L. and Acer platanoides L. leaves. Spectral features and relation to chlorophyll estimation. Journal of Plant Physiology 143: 286–286.
Kondracki J., 2009: Geografia regionalna Polski, Wydawnictwo Naukowe PWN, Warszawa.
Kumar L., Schmidt K., Dury S., Skidmore A., 2002: Imaging Spectrometry and Vegetation Science. [W:] van der Meer F.D., de Jong S.M., Imaging Spectrometry. Basic Principles and Prospective Applications, Springer, Dordrecht.
Kurczyński Z., 2006: Lotnicze i satelitarne obrazowanie Ziemi, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa.
Lillesand T. M., Kiefer R.W., 1987: Remote sensing and image interpretation. Second edition. John Wiley & Sons.
Linder S., 1972: Seasonal Variation of Pigments in Needles A Study of Scots Pine and Norway Spruce. Seedlings Grown under Different Nursery Conditions. Studia Forestalia Suecica 100: 5-37.
Lorenc H., 2005: Atlas klimatu Polski, Instytut Meteorologii i Gospodarki Wodnej, Warszawa.
Paris J., 2005: Tutorials about Remote Sensing Science and Geospatial Information Technologies. Dostęp 1.07.2013. http://www.microimages.com/sml/smlscripts/ParisScripts/FAQsbyJackB.pdf
Rouse Jr. J.W., Haas R.H., Schell J.A., Deering D.W., 1973: Monitoring the vernal advancement and retrogradation (Green wave effect) of natural vegetation. Progress Report RSC: 1-112.
Virk R., King D., 2006: Comparison of Techniques for Forest Change Mapping Using Landsat Data in Karnataka, India. Geocarto International 21(4): 49-57.
Wężyk P., Wertz B., Waloszek A., 2003: Skaner hiperspektralny AISA (Airborne Imaging Spectrometer for Applications) jako narzędzie pozyskiwania informacji o ekosystemie leśnym. Archiwum Fotogrametrii, Kartografii i Teledetekcji 13B: 485-496.
Zheng D., Rademacher J., Chen J., Crow T., Bresee M., LeMoine J., Ryua S-R., 2004: Estimating aboveground biomass using Landsat 7 ETM+ data across amanaged landscape in northern Wisconsin, USA. Remote Sensing of Environment 93: 402-411.