Εκτίμηση της βιομάζας δασικών συστάδων με τη χρήση μεθόδων τηλεπισκόπησης και γεωγραφικών συστημάτων πληροφοριών

Abstract

The importance of forests, in both economic and environmental point of view, has made imperative the need of change of forestry policy. The implementation of ecosystem management, shifted the emphasis from maintaining the ability to harvest, to the maintenance of healthy and diverse ecosystems. In this frame, the biomass as a measure of production, assembles more advantages, in relation with the traditional measurements of volume. The traditional methods for biomass estimation, based directly or indirectly to the field measurements, are the more accurate techniques for the collection of biomass data. But they present some inherent disadvantages concerning mainly the high cost for a large scale application. The remote sensing based methods, could be an alternative source of information, for the estimation of quantity and distribution of forest biomass. The way with which the forest vegetation is captured from a remote sensing image, is a result of species composition, development stage, structure, etc. Within this sense, the objectives of this thesis, was firstly to evaluate the general ability of remote sensing methods to estimate forest biomass. Also attempts, to examine the degree in which different remote sensing data and various techniques of analysis can be performed in the field of forest biomass estimation. From the results proved that remote sensing has the ability to estimate forest biomass in a significant level. Spectral information of the thematic mapper of Landsat, as well as spatial information of IKONOS images, show that, with the selection of the appropriate techniques, in both pre-processing and processing stages, can predict biomass variability with a success of more than 60%. For the Landsat multispectral image, the most valuable source of information proved to be the middle infrared (MIR) band (TM5). MIR has the ability to reveal information about the fraction of broadleaved understory vegetation that participate in the spectral response of the forest stand. The fraction of understory vegetation in the field of view of the image, is necessary information for the biomass estimation for a coniferous stand. Best predictor from a series of vegetation indices proved to be the RDVIc which is a combination of the classic index RDVI, weighted with the quantity of MIR reflected from the forested areas. Interesting results was also revealed from the spatial analysis, extracting texture measures from panchromatic IKONOS image. The measure of Homogeneity estimated that can predict biomass variability with success of 60%. Homogeneity probably related with the structure of overstory vegetation. Regression model based mainly in the presence of homogeneity as independed variable predicted biomass with precision of 82%. Finally it has to be pointed out the importance in the selection of an appropriate topographic correction method. Topographic correction method, proved that has a direct relation with the improvement of the quality of image spectral information. Methods that takes into account the behaviour of reflected radiation due to the roughness of surface, as the Minnaert method, can improve the accuracy of the results more than 50%, in relation with method which based only to the geometry of the surface.

Η σπουδαιότητα των δασών, τόσο από οικονομική άποψη όσο και από περιβαλλοντική, έχει κάνει επιτακτική την ανάγκη αλλαγής της δασικής πολιτικής. Η εφαρμογή μιας οικοσυστηματικής διαχείρισης έχει ως αποτέλεσμα την αλλαγή της θεώρησης, από την αειφορική συγκομιδή του ξύλου, στη διατήρηση υγιών και βιοποικιλόμορφων οικοσυστημάτων. Στα πλαίσια αυτά, η βιομάζα ως μέγεθος της παραγωγής συγκεντρώνει περισσότερα πλεονεκτήματα σε σχέση με τις παραδοσιακές μετρήσεις όγκου. Οι κλασικές μέθοδοι, που βασίζονται είτε άμεσα είτε έμμεσα σε μετρήσεις πεδίου, είναι οι περισσότερο ακριβής τεχνικές για την εξαγωγή και συλλογή στοιχείων βιομάζας. Παρουσιάζουν όμως κάποια εγγενή μειονεκτήματα και κυρίως υψηλό κόστος εφαρμογής. Οι τηλεπισκοπικές μέθοδοι, θα μπορούσαν να αποτελέσουν εναλλακτική πηγή πληροφοριών για το ύψος και τη κατανομή της βιομάζας. Ο τρόπος που η δασική βλάστηση αποτυπώνεται σε μια εικόνα, αποδεδειγμένα διαφοροποιείται βάσει της σύνθεσης, του σταδίου εξέλιξης, της δομής, κ.λπ. Με το σκεπτικό αυτό, η έρευνα αυτή είχε ως στόχο να αξιολογήσει κατά αρχήν την δυνατότητα εκτίμησης της δασικής βιομάζας. Είχε επίσης ως αντικείμενο να διερευνήσει τον βαθμό, στον οποίο διαφορετικά τηλεπισκοπικά δεδομένα και διαφορετικές τεχνικές επεξεργασίας, θα μπορούσαν να προβλέψουν τις μεταβολές της. Από τα αποτελέσματα αποδείχθηκε, ότι η δυνατότητα εκτίμησης της βιομάζας με τη χρήση δεδομένων τηλεπισκόπησης και τη βοήθεια εργαλείων Γεωγραφικών Συστημάτων Πληροφοριών για την ανάλυση τους, είναι υπαρκτή και μάλιστα σε ένα ιδιαίτερα ικανοποιητικό βαθμό. Τόσο η φασματική πληροφορία του θεματικού χαρτογράφου του Landsat, όσο και η χωρική πληροφορία των εικόνων IKONOS, έδειξαν ότι μπορούν μετά από την επιλογή των κατάλληλων τεχνικών, τόσο στο στάδιο της προεπεξεργασίας όσο και στο στάδιο της τελικής ανάλυσης των δεδομένων, να προβλέψουν τις μεταβολές της βιομάζας σε ποσοστό τουλάχιστον 60%. Για τον θεματικό χαρτογράφο του Landsat, η πολυτιμότερη πληροφορία προέρχεται από τον δίαυλο της μέσης υπέρυθρης ακτινοβολίας (ΤΜ5). Ο δίαυλος έχει την ικανότητα να προβλέψει την αναλογία του ποσοστού της πλατύφυλλης βλάστησης, του υπορόφου των δασών χαλεπίου πεύκης, που συνδράμει στην διαμόρφωση της φασματικής συμπεριφοράς μιας δασικής συστάδας, στοιχείο καθοριστικό για την εκτίμηση της βιομάζας. Ως καλύτερος εκτιμητής αποδείχθηκε ο δείκτης βλάστησης RDVIc, ο οποίος αποτελεί συνδυασμό του κλασικού δείκτη RDVI, σταθμισμένου με την ποσότητα της ακτινοβολίας που καταγράφεται από τον ΤΜ5 για τις δασικές επιφάνειες. Ο προσαρμοσμένος συντελεστής προσδιορισμού της συναρτησιακής σχέσης, για την εκτίμηση της βιομάζας, βάσει του RDVIc έλαβε τιμή 0,827. Ενδιαφέροντα ήταν τα αποτελέσματα της χωρικής ανάλυσης και της εξαγωγής μέτρων υφής από την παγχρωματική εικόνα του IKONOS. Το μέτρο της ομοιογένειας (Homogeneity), το οποίο δείχνει να αποτελεί δείκτη της δομικής συγκρότησης του ανορόφου, υπολογίστηκε ότι μπορεί να προβλέψει την μεταβλητότητα της βιομάζας σε ποσοστό 60%. Συναρτησιακές σχέσεις που αναπτύχθηκαν με βάση το μέτρο της ομοιογένειας έδειξαν ικανές να προβλέψουν την μεταβλητότητα της βιομάζας σε ποσοστό έως και 82%. Τέλος θα πρέπει να επισημανθεί, η ιδιαίτερη σημασία που αποδείχθηκε ότι έχει, η επιλογή της τεχνικής της τοπογραφικής ομαλοποίησης, η οποία θα εφαρμοστεί στα τηλεπισκοπικά δεδομένα στο στάδιο της προεπεξεργασίας. Η επιλογή της τεχνικής έχει άμεση σχέση με την βελτίωση της ποιότητας της φασματικής πληροφορίας. Αποδείχθηκε από την πορεία της έρευνας, ότι τεχνικές που λαμβάνουν υπόψη την συμπεριφορά της ανακλώμενης ακτινοβολίας εξαιτίας της τραχύτητας της επιφάνειας, όπως η μέθοδος των σταθερών Minnaert, μπορούν να βελτιώσουν σε ποσοστό άνω του 50% τα αποτελέσματα, σε σχέση με τεχνικές που βασίζονται μόνο στην γεωμετρία του ανάγλυφου.