OPERA CORCONTICA 37: 329–333, 2000 ANTROPOGENNÍ ZMĚNY VEGETACE SUBALPINSKÉ TUNDRY KRKONOŠ Anthropogenic changes of subalpine tundra vegetation in the Giant Mountains MŰLLEROVÁ JANA1, VÍTEK ONDŘEJ2 1 2
Botanický ústav AV ČR, 252 43 Průhonice, CZ
[email protected] Správa národního parku České Švýcarsko, Pražská 52, 407 46 Krásná Lípa, CZ,
[email protected]
Na hřebenech Krkonoš jsou porosty se změněným druhovým složením rozšířeny zejména podél cest a kolem bud. Tento příspěvek srovnává dvě z celé řady metod používaných ke studiu těchto porostů a jejich výsledky na modelovém území v západní části Krkonoš. Jednou metodou je mapování v terénu s využitím GPS (Global Positioning System). Použitý přístroj umožňuje mapovat prvky bodové, liniové i polygonální s přesností pod 1m. Druhou metodou je digitální analýza a interpretace leteckých snímků. Lemová vegetace v území je natolik odlišná od okolní přirozené vegetace (habitus, množství biomasy, zápoj), že je možné ji klasifikací leteckého snímku odlišit. Stands of altered species composition in subalpine area of the Giant Mts. are distributed mainly along trails and around chalets. The article compares two methods used to study this non−natural vegetation and their results from a model area of western part of the Giant Mts. Field GPS (Global Positioning System) mapping represents one of the methods. GPS device enables to measure point, line and polygon features with submeter accuracy. The second method is digital analysis and interpretation of aerial photography. Roadside vegetation in the area differs from the surrounding natural vegetation (physiognomy, biomass, cover) enough to be distinguished by aerial photo classification. Klíčová slova: Keywords:
vegetace lemová, cesta, změna antropogenní, GPS, mapování, snímek letecký, geobotanika, GIS roadside vegetation, trails, anthropogenic changes, GPS, mapping, aerial photo, geobotany, GIS
Jako modelové území pro srovnání dvou metod použitých ke studiu nepůvodní vegetace na hřebenech Krkonoš byla vybrána oblast mezi Labskou boudou, pramenem Labe a rozcestím U čtyř pánů zahrnující části Pančavské a Labské louky. I když oba dílčí výzkumy zahrnují rozlehlejší území, nejsou do současné doby všechna data vyhodnocena; zde svou roli hrálo i území zachycené na jednom leteckém snímku a plocha na něm zastíněná mraky. Lze ale předpokládat, že srovnání dat obou metod bude velmi podobné i v okolní krajině hřebenové plošiny. Měření pomocí systému GPS je založeno na zjišťování souřadnic měřeného bodu. Přístroj GPS přijímá svou anténou signály ze satelitů a z nich zjišťuje vzdálenost mezi satelitem a anténou. Na základě znalosti přesného pohybu satelitů je pak možné vypočítat i přesnou polohu antény. Diferenciální korekcí lze posléze odstranit i řadu chyb tohoto měření. Použitý způsob měření a zpracování dat dosahuje přesnosti pod 1 metr (přístroj Trimble Pathfinder ProXR), což je zcela dostačující pro podobné geobotanické využití. Zaměřováním polohy lze vytvořit prvky typu bod (průměrováním několika pozic), linie (spojením
329
všech pozic od první do poslední) nebo polygon (uzavřením linie). Každému prvku lze přiřadit řadu atributů podle toho, jak si je uživatel nadefinuje. V prostředí GIS (použito bylo ArcView a ARC/INFO) je možné další atributy přidávat či automaticky vypočítávat (např. plochu polygonu) (VÍTEK, VÍTKOVÁ, BRANIŠ 1999). Výsledkem je tedy v případě mapování lemových společenstev vektorová vrstva polygonů. Pro mapový výstup bylo použito Křovákovo zobrazení v souřadném systému S−JTSK. V projektu byly měřením GPS zaměřovány polygony lemových porostů podél cest a kolem bud. Ty byly rozděleny podle bylinné dominanty a případně zaznamenány další významné druhy. Dále byly zaměřovány okraje cest a další prvky.
Obr. 1. Orientační mapka vybraného území s vyznačenými zónami obou národních parků
Již z uvedené metodiky měření GPS vyplývá, že chyby vznikají zejména při sběru dat v terénu. Prvotní chybou jsou vlastní nepřesnosti systému GPS. Po veškerém zpracování ale zpravidla nepřesahují 1 m. Větší nepřesnost může vzniknout při rozhodování v jakých místech zaměřit hranici (společenstva, cesty). Velmi často totiž nejde o ostrou hranici, ale pozvolný přechod a pak záleží na pracovníkovi v terénu, ve kterém místě hranici vyznačí. V případě mapování lemových porostů také záleží jen na terénním pracovníkovi, jaké společenstvo považuje za lemové a jaké ne. Např. porosty s dominantní Deschampsia cespitosa nebo Calamagrostis villosa mohou být (podle znalostí autorů) rozšířeny přirozeně i druhotně a jsou si přitom velmi podobné. Zcela jiného charakteru jsou chyby v zaznamenaných atributech – ty zcela závisí na znalostech a schopnostech pracovníka, který atributy edituje. Tyto chyby je ale možné na rozdíl od chyb měření později opravit (pokud jsou dohledány). Některé chyby geometrické i atributové mohou vzniknout ještě při zpracovávání v GIS, ale pokud zpracovatel dokonale ovládá aplikaci, ve které pracuje, neměly by takové chyby vzniknout. Díky faktu, že charakter (habitus, množství biomasy, zápoj) antropogenně ovlivněné vegetace podél cest se liší od převažující původní vegetace, je možné pro identifikaci těchto porostů využít metody dálkového průzkumu Země (DPZ). Rozlišení družicových snímků je pro potřeby takto podrobné studie
330
příliš hrubé, naproti tomu rozlišení leteckých snímků je dostačující. Pro klasifikaci byly využity multispektrální letecké snímky z roku 1989 v měřítku 1 : 22 000 se čtyřmi kanály (0,54 μm, 0,60 μm, 0,66 μm a 0,84 μm) a černobílé ortofotografie z roku 1997 v měřítku 1 : 5 000. Před vlastní klasifikací bylo třeba naskenovat jednotlivé negativy pro každý kanál barevného snímku a vlícovat je navzájem do sebe pomocí nalezených dvojic shodných bodů. Důležité pro klasifikaci bylo vhodné zobrazení s pomocí analýzy hlavních komponent (PCA), stanovení vegetačního indexu NDVI (Normalised Difference Vegetation Index) – množství fotosyntetizující vegetace, využití různých barevných kombinací dostupných kanálů apod. (použit byl software Chips). Lemová vegetace pak byla vymapována metodou řízené klasifikace podle nejvyšší podobnosti (Maximum Likelihood) (LILLESAND et KIEFER 1999, MATHER 1999). Výsledek klasifikace (rastrový obrázek lemových porostů) byl vlícován do ortofotografií kvůli odstranění zakřivení leteckých snímků. Tak vznikla výsledná rastrová mapa lemové vegetace. Velikost pixelu výsledné mapy je cca 40 × 40 cm, což je výstup dosti podrobný. Při rektifikaci ale nelze zcela eliminovat zakřivení obrazu. Navíc každá transformace rastru vede k částečné ztrátě rozlišovací schopnosti. Použitý po− stup umožňuje klasifiko− vat lemovou vegetaci jako celek, podrobnější rozliše− ní porostů však není mož− né. Klasifikace je založena nikoliv na druhovém složení (společenstvech), ale na vlastnostech domi− nant porostu (např. bio− masa, vzrůst, šířka listů, zápoj, barva) a obsahu vody v půdě (FRANKLIN et al. 1994, GRAETZ 1989). Pokud tedy mají různá společenstva tutéž domi− nantu, případně pokud se dominanty různých typů porostu ve zmíněných charakteristikách podobají či je porost smíšený, rozli− šení je ztíženo až znemož− něno. Metoda je méně ča− sově náročná než použití GPS, má však svá ome− zení (viz výše) a také ona vyžaduje znalost území a terénní ověření výsledků. Dobré počítačové vyba− vení (zejména hardware) je nezbytné. Rozdíly výsledků obou metod lze interpre− tovat různě. Jejich jedno− značnost komplikuje fakt, že v hodnoceném území není přítomen pouze jeden Obr. 2. Detaily lemových porostů podle obou použitých metod
331
typ vegetace přirozené a jeden typ vegetace lemové. Při mapování pomocí GPS je rozhodnutí o tom, kam porost zařadit plně na pracovníkovi. Tak lze zohlednit nejen podrobnější rostlinné složení porostu, ale i vzdálenost od cesty (resp. kontinuitu porostu), stanovištní poměry (zejména vlhkost), jiné antropogenní vlivy (výsadby kosodřeviny) apod. Klasifikací leteckých snímků lze velmi objektivně vymapovat společen− stva podobného vzhledu. Z našich zkušeností vyplývá, že kromě lemových společenstev jsou do nich zařazeny i prvky vlhkomilné vegetace břehů potůčků, přirozené i člověkem vytvořené terénní deprese (odvodňovací příkopy a stružky), plošně malé bylinné porosty mezi kosodřevinou a další. Z mapy získané analýzou leteckých snímků je ale dobře patrná struktura antropogenně ovlivněných porostů, které často tvoří výrazné liniové prvky. Vlhkomilná vegetace zrašelinělých poloh je v mapě typická tvarovou rozrůzněností a kontinuitou porostů. Porosty v kosodřevině se zase vyznačují nesouvislou mozaikou drobných plošek. Závěrem lze říci, že obě metody lze využít k vytvoření přehledné mapy lemových společenstev v podobné krajině. Mapování s GPS zejména tehdy, pokud můžeme zajistit mapovací přístroj GPS a vyškoleného terénního pracovníka na delší dobu (úměrně velikosti území a požadovanému rozlišení) – výsledky jsou pak velmi přesné. Metoda klasifikace leteckých snímků může být dosti rychlá a účinná, ale s výsledkem pouze orientačním, s přesností závisející na zkreslujících vlivech (popsaných výše), což je dobře patrné i z obr. 2.
Obr. 3. Celková mapa zájmového území s plochami společenstev mapovaných oběma metodami
332
SOUHRN Na modelovém území byly sledovány rozdíly dvou metod geobotanického výzkumu rozšíření nepůvodních porostů podél cest a kolem bud a srovnávány jejich možnosti a výsledky. Metoda měření GPS je časově značně náročná zejména na terénní práce. Její nezbytnou součástí je pohyb mimo cesty (narušení vegetace, fyzická zdatnost). Má ale řadu výhod – výsledná mapa je velmi přesná (podle použitého přístroje), podrobná (podle schopností pracovníka), zaměřeným prvkům lze hned v terénu přiřadit celou řadu atributů (např. druhové složení společenstva), a má zanedbatelné provozní náklady (přístroj je ale poměrně drahý). Výsledek je vždy subjektivní, jen na pracovníkovi v terénu záleží, které porosty vymapuje (obejde s GPS) a v jaké kvalitě. Analýza a interpretace leteckých snímků vyžaduje dobré počítačové vybavení. Letecké snímky jsou poměrně drahé, méně přesné než data GPS, různými způsoby zkreslené a kvalita je silně závislá na počasí při snímkování a na konfiguraci terénu. Výsledek analýzy je nutno ověřit v terénu a případně provést analýzu znovu s jinými parametry. Tato metoda je podstatně méně časově náročná než měření GPS, ale nehodí se pro každý typ porostu. Je také objektivnější a dá se provést i zpětně na starších snímcích, jsou−li dostupné. Výstupy obou metod jsou zpracovány v prostředí GIS a je možné je připravit ve shodném formátu (mapa s databází prvků s atributy). Výsledky se ale vždy liší a pouze podle konkrétní řešené situace lze určit, která z metod je vhodnější. V našem konkrétním případě je nejvýraznější rozdíl ve výsledcích dán tím, že nepůvodní lemové porosty podél cest jsou v některých případech svým druhovým složením velmi blízké vlhkomilným porostům, které se v území přirozeně vyskytují v okolí pramenišť a při březích potoků. Tato skutečnost byla při měření GPS subjektivně zohledněna, ale analýzou leteckého snímku je obojí klasifikováno jako stejný typ vegetace. Přesto lze říci, že v případě porostů s výraznými dominantami (Senecio hercynicus, Calamagrostis villosa) při vysoké pokryvnosti dominanty se výsledek obou metod shoduje, odhlédneme−li od polohového zkreslení rastru. Svou roli sehrál i fakt, že použité multispektrální letecké snímky jsou o několik let starší než terénní mapování pomocí GPS.
LITERATURA FRANKLIN, S. E., CONNERY, D. R. & WILLIAMS, J. A. (1994): Classification of alpine vegetation using Landsat Thematic Mapper, SPOT HRV and DEM data. Can. J. Remote Sens. 20: 49–56. GRAETZ, R. D. (1989): Remote sensing of terrestrial ecosystem structure: an ecologist’s pragmatic view. Ecological studies 79: 5–30. LILLESAND, T. M. & KIEFER, R. W. (1999): Remote sensing and image interpretation. John Wiley & Sons. MATHER, P. M. (1999): Computer processing of remotely−sensed images: an introduction. John Wiley & Sons. Vítek, O., Vítková, M., Braniš, M. (1999): Impact of trail network on alpina and subalpine landscape of the Krkonoše Mts. GPS measurements and GIS evalution. CGSIC IISC European Meeting 1999, Praha.
333
