MASARYKOVA UNIVERZITA Přírodovědecká fakulta Geografický ústav
Pavel GAJA
MAPOVÁNÍ CHARAKTERISTIK VEGETAČNÍHO KRYTU OBRAZOVÝCH DAT MODIS
Bakalářská práce
Vedoucí práce: doc. RNDr. Petr Dobrovolný, CSc.
Brno 2010
Jméno a příjmení autora:
Pavel Gaja
Název bakalářské práce:
Mapování charakteristik vegetačního krytu obrazových dat MODIS
Název v angličtině:
Vegetation mapping using MODIS data
Studijní obor:
Geografická kartografie a geoinformatika
Vedoucí bakalářské práce:
Doc. RNDr. Petr Dobrovolný, CSc.
Rok obhajoby:
2010 Anotace
Cílem bakalářské práce je sestavení map vybraných charakteristik vegetačního krytu v rozsahu střední Evropy s vyuţitím obrazových produktů skeneru MODIS. Po podrobném prostudování produktů MODIS charakterizujících vegetaci byl jako nejvhodnější pro její mapování vybrán normalizovaný diferenční vegetační index (NDVI), s nímţ byla vytvořena databáze relevantních snímků (s ohledem na časoprostorové vymezení). Tato databáze poslouţila ke konečnému zhotovení map vegetačních indexů NDVI pro střední Evropu. Navíc byly sestaveny časové profily NDVI vybraných vegetačních povrchů. Annotation The aim of this bachelor thesis is to produce maps of chosen charakteristics of vegetation cover in central Europe using image products from the MODIS scanner. After a detailed review of the MODIS products characterizing vegetation, the Normalized Difference Vegetation Index (NDVI) was chosen as the most appropriate for the above mentioned vegetation mapping. An image database including all the relevant (with respect to time and space) NDVI values was created. This database then served to produce the final maps of NDVI vegetation indices for central Europe. In addition the NDVI time series of chosen vegetation types were compiled. Klíčová slova: mapování vegetace, MODIS, datové produkty, normalizovaný diferenční vegetační index (NDVI), časové profily, střední Evropa Key words: vegetation mapping, MODIS, data products, Normalized Difference Vegetation Index (NDVI), time series, central Europe
Prohlašuji tímto, ţe jsem zadanou bakalářskou práci vypracoval samostatně pod vedením doc. RNDr. Petra Dobrovolného, CSc. a uvedl v seznamu literatury veškerou pouţitou literaturu a další zdroje.
V Brně dne 21. května 2010
_________________________________ vlastnoruční podpis autora
Na tomto místě bych rád poděkoval doc. RNDr. Petru Dobrovolnému, CSc. za vstřícnost, cenné připomínky a odborné rady. Děkuji také všem ostatním, kteří jakýmkoli způsobem přispěli k vypracování této bakalářské práce.
OBSAH 1
ÚVOD ............................................................................................................................ 8 1.1 1.2
CÍL PRÁCE ................................................................................................................ 9 REŠERŠE LITERATURY.............................................................................................. 9
2
VYMEZENÍ A CHARAKTERISTIKA ÚZEMÍ .................................................... 11
3
MODIS (Moderate-resolution Imaging Spectroradiometer) ................................. 14 3.1 DATOVÉ PRODUKTY ............................................................................................... 15 3.1.1 Vegetační indexy ........................................................................................... 16 3.1.1.1 NDVI (Normalized Difference Vegetation Index) ................................ 18 3.1.1.2 EVI (Enhanced Vegetation Index) ........................................................ 20 3.1.2 LAI (Leaf Area Index) a FPAR (Fraction Photosynthetically Active Radiation) ...................................................................................................... 21 3.1.3 GPP (Gross Primary Productivity) ................................................................ 22 3.1.4 Krajinný pokryv (Land Cover)...................................................................... 23
4
DOSTUPNOST DATOVÝCH PRODUKTŮ........................................................... 25 4.1 STAŢENÍ PRODUKTŮ ............................................................................................... 25 4.1.1 WIST (NASA Warehouse Inventory Search Tool) ...................................... 25 4.1.2 LP DAAC Data Pool ..................................................................................... 28 4.2 DATOVÝ SOUBOR ................................................................................................... 29
5
POUŢITÉ SOUBORY ............................................................................................... 31
6
ČASOPROSTOROVÁ DIFERENCIACE CHARAKTERISTIK VEGETAČNÍHO KRYTU ........................................................................................ 33 6.1 6.2 6.3
ÚPRAVA VSTUPNÍCH DAT ....................................................................................... 33 SESTAVENÍ VÝSLEDNÝCH MAP ............................................................................... 33 ČASOVÉ PROFILY NDVI .......................................................................................... 37
7
DISKUZE VÝSLEDKŮ ............................................................................................. 42
8
ZÁVĚR ........................................................................................................................ 44
SEZNAM POUŢITÉ LITERATURY .............................................................................. 45 DALŠÍ ZDROJE ................................................................................................................ 47 SEZNAM POUŢITÝCH ZKRATEK .............................................................................. 50 SEZNAM PŘÍLOH............................................................................................................ 51
1
ÚVOD Vegetační kryt pokrývá významnou část zemského povrchu. Kromě polárních a
pouštních oblastí se s ním na pevnině setkáme v různých formách téměř všude. Pro lidstvo je vegetace nesmírně důleţitá a má vliv na klimatické podmínky na lokální i globální úrovni. Ovlivňuje například mnoţství atmosférické vlhkosti skrze transpirační proces, energetickou rovnováhu pohlcováním a odráţením slunečního záření a nebo také podíl obsahu oxidu uhličitého v atmosféře jako jeho přirozený spotřebitel při fotosyntéze (TOUKILOGLOU, 2007). Mapování vegetace, přes svoji dlouhou historii, zaznamenalo prudký rozvoj aţ v posledních desetiletích, také díky novým technologiím dálkového průzkumu Země (DPZ) a geografických informačních systémů (GIS). Dálkový průzkum Země je metoda, pomocí níţ získáváme informace o objektech a jevech na zemském povrchu bez přímého kontaktu s nimi. K tomu je vyuţíváno jejich reflektovaného nebo emitovaného záření, jehoţ intenzitu zaznamenávají v různých intervalech vlnových délek přístroje umístěné většinou na druţicích nebo letadlech. Intenzita záření je závislá na vlastnostech dané látky. Závislost mnoţství odraţeného nebo vyzářeného záření na vlnové délce lze u všech objektů na zemském povrchu popsat jejich vlastní tzv. spektrální charakteristikou. Spektrální chování vegetace se vyznačuje především značným nárůstem odrazivosti v přechodu z viditelné do blízké infračervené části spektra. Tohoto poznatku se v DPZ uţívá nejčastěji při jejím mapování. Odrazivost vegetace se odvíjí od řady faktorů, kromě obsahu pigmentačních látek a struktury listů, například také od vodního obsahu anebo vlastností půdního substrátu. Sledované vegetační parametry a změny lze kvantifikovat výpočtem řady indexů ze zaznamenaných dat ve formě obrazových záznamů. Nejuţívanějšími jsou tzv. vegetační indexy, které lze rozdělit na poměrové a ortogonální. Poměrové dávají do vztahu jednoduchým nebo normalizovaným poměrem snímky v různých částech spektra. Mezi jejich zástupce patří například normalizovaný diferenční vegetační index (NDVI), jehoţ moţnostmi vyuţití při mapování vegetace se bude také podrobněji zabývat tato práce. Ortogonální indexy jsou lineární kombinací původních pásem multispektrálního obrazu (podle http://www.sci.muni.cz/~dobro/zemsky_povrch_vegetace.html).
8
Jedním z přístrojů, speciálně navrţeným pro přesné monitorování vegetace na globální úrovni je i radiometr MODIS (Moderate-resolution Imaging Spectroradiometer). S jeho pomocí lze odpovědět na otázky týkající se změn vegetace a jejich vlivu na celou planetu Zemi. Právě o data z MODIS se bude tato práce opírat. MODIS nabízí řadu produktů, které se při mapování vegetace dají vyuţít.
1.1
Cíl práce Hlavním cílem práce je sestavení map vybraných charakteristik vegetačního krytu
v rozsahu střední Evropy, které by prezentovaly jeho časoprostorovou diferenciaci. K sestavení map bude vyuţita databáze vegetačních indexů pro zvolené období a časový krok řešení z dostupných obrazových produktů radiometru MODIS. Ke splnění tohoto hlavního cíle budou dále řešeny tyto dílčí úkoly: - shrnutí dosavadních poznatků o mapování charakteristik vegetace metodami DPZ - charakteristika produktů MODIS, umoţňujících vegetační mapování - shrnutí předností a nedostatků při mapování výše zmíněných charakteristik metodami DPZ ve srovnání s klasickými metodami mapování.
1.2
Rešerše literatury Základními poznatky z oblasti DPZ, jeho fyzikální podstatou, spektrálním
projevem základních druhů povrchů, popisem jednotlivých částí spektra, druţicovými systémy, digitálním zpracováním obrazových dat apod., se zabývá řada českých i zahraničních autorů, například KOLÁŘ (1990), DOBROVOLNÝ (1998), HALOUNOVÁ a PAVELKA (2005) anebo LILLESAND et al. (2004). Ke studiu DPZ můţeme vyuţít i některé
internetové
zdroje,
třeba
The
Remote
Sensing
Tutorial
na
stránce
http://rst.gsfc.nasa.gov/. Environmentálnímu modelování s vyuţitím DPZ a GIS se ve své práci věnuje SKIDMORE (2002). Zabývá se zde mimo jiné i mapováním vegetace na globálním, regionálním i lokálním měřítku. Popisuje vývoj druţicového monitorování vegetace během posledních dvaceti let a uvádí některé příklady aplikací, například při odhadování výnosnosti úrody, při monitorování desertifikace a odlesňování tropických lesů, při detekci poţárů apod. Většina uvedených příkladů je zaloţena na datech z radiometru AVHRR (Advanced Very High Resolution Radiometer) a druţice Landsat. Právě Landsat a NOAAAVHRR patří mezi nejstarší satelity, věnující se kontinuálnímu monitorování vegetace. 9
V dnešní době jiţ však existuje spousta modernějších senzorů na nových druţicích, například jiţ zmiňovaný MODIS nebo VEGETATION (VGT). Jejich srovnáním s AVHRR se zabývá TOUKILOGLOU (2007). S danou tematikou se můţeme setkat také ve velkém počtu odborných článků jak v tištěné, tak i v elektronické podobě. Zmínit lze třeba XIE et al. (2008), kteří se zaměřují na srovnání současně nejuţívanějších skenerů při mapování vegetačního krytu, předzpracování obrazu a jeho klasifikaci. V praxi se vyuţívají distančně získaná data při mapování vegetace v řadě projektů. Uvést lze například projekt Evropské unie MARS (Monitoring Agriculture with Remote Sensing), jehoţ úkolem je monitorování a odhadování výnosů zemědělských plodin. (podle http://ec.europa.eu/dgs/jrc/index.cfm?id=4510).
Monitorováním
změn
v Konţském
deštném pralese se zabývá britská společnost DMCii. Vyuţívá k tomu skupinu druţic DMC (Disaster Monitoring Constellation) (podle http://www.scienceinafrica.co.za/ 2010/february/satellite_congo.htm). Tvorbou, zpracováním a analýzou produktů z dat MODIS se zaměřením na vegetaci a jejich vyuţitím se zabývají členové pozemního vědeckého týmu MODIS. HUETE et al. (1999) se věnují vegetačním indexům NDVI (Normalized Difference Vegetation index) a EVI (Enhanced Vegetation Index); MYNENI et al. (1999) indexu listové pokryvnosti (LAI, Leaf Area Index) a podílu fotosynteticky aktivního záření (FPAR, Fraction Photosynthetically Active Radiation); RUNNING et al. (1999) hrubé primární produkci (GPP, Gross Primary Productivity) atd. Podrobné informace o skeneru MODIS a o jeho účelu můţeme nalézt např. na internetové adrese http://modis.gsfc.nasa.gov/. Ke studiu lze vyuţít také diplomové nebo bakalářské práce s obdobným zaměřením. Například HONKOVÁ (2008) se zabývá mapování vegetace s vyuţitím spektrálních indexů.
10
2
VYMEZENÍ A CHARAKTERISTIKA ÚZEMÍ Pro sestavení map charakterizujících vegetační kryt a pro jejich analýzu byla
vybrána oblast v rozsahu střední Evropy. Pro účely této práce byla zhruba vymezena zeměpisnými souřadnicemi v rozmezí 5° v.d. - 25° v.d. a 40° s.š. - 55° s.š (viz. obr. 1). Zahrnuje tak i okolní oblasti, které se do střední Evropy jiţ obvykle nezařazují (např. oblast Itálie). Oblast byla zvolena s ohledem na moţnosti prezentovat prostorovou diferenciaci vegetačního krytu.
Obr. 1 Vymezení zájmové oblasti Do zájmové oblasti zasahují čtyři fyzickogeografické celky (viz. obr. 2). Ze severu oblast hercynské střední Evropy, střed tvoří od západu k východu Alpsko-karpatská oblast, jiho-západ Apeninská oblast a jiho-východ oblast Balkánská. Pro jejich podrobný popis lze odkázat například na práci KRÁLE (1999), ze které bylo dále čerpáno.
11
Obr. 2 Základní fyzickogeografické celky Evropy (upraveno podle KRÁLE, 1999) Oblast hercynské střední Evropy lze rozdělit na dvě základní jednotky, Středoevropskou níţinu na severu a Středoevropské vysočiny na jihu. Protáhlý tvar rovnoběţkovým směrem způsobuje přechodný ráz podnebí mezi oceánskou západní Evropou a kontinentální východní Evropou. Podnebné rozdíly jsou ovlivněny i nadmořskou výškou a tvary reliéfu. Níţinné oblasti Belgie, Nizozemska, severozápadního Německa a Jutského poloostrova jsou spíše zemědělsky vyuţívané s malým zastoupením lesů. Vyskytují se zde atlantské druhy rostlin (např. vřesovec, kručinka, náprstník). V zemědělsky nevyuţívaných částech krajiny jsou typické rašeliniště a vřesoviště. Zbylá část Středoevropské níţiny je na lesní porosty bohatší. Pokrývají zde zhruba jednu třetinu plochy. Dominují tu lesy borovicové, smíšené dubovo-borovicové a listnaté dubovohabrové. Ve Středoevropských vysočinách jsou kotliny, pánve a polohy na úpatí hor,
12
slouţící převáţně jako střediska zemědělství, průmyslu a osídlení, téměř bezlesé. Naopak v horských oblastech jsou rozsáhlé smrkové lesy, dále lesy smíšené bukojedlové a bukové. Alpsko-karpatskou oblast tvoří pásemná pohoří Alp na západě a Karpat na východě. Nepočítáme k ní jen jednotlivá horská pásma, ale i níţiny, kotliny a pahorkatiny, které je obklopují i prostupují. Alpy se vyskytují na rozhraní vlivu oceánského, kontinentálního, boreálního (severského) a středomořského podnebí. Jsou ale také oblastí horského a velehorského podnebí. Karpaty mají ve srovnání s Alpami kontinentálnější klima. Rostlinný pokryv v Alpách závisí kromě podnebí především na nadmořské výšce, expozici a na příkrosti svahů. Je uspořádán do výškových stupňů. Vyskytují se zde jak lesy jehličnaté (smrk, borovice, jedle), tak lesy listnaté. V Přímořských Alpách rostou křovité macchie a vţdyzelené druhy dubů. Ve vyšších nadmořských výškách a drsnějších klimatických podmínkách nacházíme stromy niţších křovitých aţ zakrslých forem, odolné traviny a byliny. Ve výškách 2400 - 3000 m n. m. jiţ dřeviny nerostou a bylinné porosty netvoří souvislý kryt. V Karpatech převládají spíše lesy listnaté a smíšené. Ve vyšších nadmořských výškách se vyskytují smrkové lesy a ještě výše kleče, bylinná pokrývka, mechy a lišejníky. Níţiny (např. Velká uherská níţina, Pádská níţina) jsou převáţně zemědělsky obdělávané. Do Apeninské oblasti spadají kromě vlastního Apeninského poloostrova také přilehlé ostrovy. Hornatý a vrchovinný reliéf (např. horská soustava Apenin) převládá nad rovinami a níţinami. Poloha Apeninské oblasti odpovídá subtropickému pásmu. Rostlinstvo je uspořádáno do výškových stupňů. Nejniţší stupeň zaujímá macchie s občasnými remízkami jehličnanů. Listnaté lesy zasahují aţ do výšky 1500 m n. m. Nad nimi nacházíme smíšené lesy a poté uţ jen bylinné a travnaté porosty. Balkánská oblast je hornatým územím. Do našeho vymezeného území zasahuje dvěmi základními celky, Dinárskou horskou soustavou na západě a Albánsko-řeckou horskou soustavou na jihu Balkánského poloostrova. Balkánský poloostrov leţí na rozhraní mírného a středomořského subtropického pásma. Vegetační sloţku tu tvoří křoviny typu italské macchie a frygana. Ve vyšších polohách se šíří vţdyzelené lesy dubu a postupně se přidávají i jehličnany. Bylinné a křovité porosty jsou spásány dobytkem.
13
3
MODIS (Moderate-resolution Imaging Spectroradiometer) Následující informace o MODIS jsou převzaty z
http://modis.gsfc.nasa.gov/,
http://eospso.gsfc.nasa.gov/,
internetových stránek
http://terra.nasa.gov/
a
http://aqua.nasa.gov/. MODIS je název pro spektroradiometr, který se v současné době nachází spolu s dalšími měřícími přístroji na palubách druţic Terra a Aqua. Tyto druţice jsou součástí mezinárodního systému EOS (systém pozorování Země, Earth Observing System), který provozuje společnost NASA (National Aeronautics and Space Administration) a jeho budování je druhou fází programu ESE (Earth Science Enterprise), zahájeného na začátku 90. let 20. století. Systém EOS se skládá z postupně doplňovaných druţic na polární oběţné dráze a klade si za cíl dlouhodobě měřit a shromaţďovat data o zemském povrchu, oceánech, atmosféře a biosféře pro zkoumání přírodních procesů a cyklů, k lepšímu porozumění globálních změn klimatu a ţivotního prostředí. Terra byla vypuštěna na orbitu v prosinci roku 1999 a Aqua (viz. obr. 3) v květnu o tři roky později. MODIS snímkuje s velkou radiometrickou citlivostí (12 bitů - tzn. počet rozlišitelných úrovní signálu je 4096) v 36-ti spektrálních pásmech elektromagnetického spektra v širokém rozsahu vlnových délek od 0,4 μm do 14 μm (příloha 1). MODIS měří ve třech prostorových rozlišeních 250 m (1-2 pásmo), 500 m (3-7 pásmo) a 1000 m (8-36 pásmo). Se svou šířkou záběru přes 2300 km zvládne zaznamenat do dvou dnů kaţdý bod na celém zemském povrchu a stává se tak uţitečným nástrojem pro sledování biologických a meteorologických procesů se značnou dynamikou. Naměřená data se vyuţívají k odvozování datových produktů, které jsou poskytovány koncovému uţivateli prostřednictvím distribučních středisek. Produkty popisují vybrané rysy pevniny, oceánů a atmosféry. Mohou být pouţity ke studiu procesů a trendů na lokální i globální úrovni.
14
Obr. 3 Druţice Aqua se zvýrazněným přístrojem MODIS (převzato z http://aqua.nasa.gov/about/instrument_modis.php)
3.1
Datové produkty MODIS poskytuje řadu hotových datových produktů, zasahujících do různých
oblastí zájmu. Předmětem této práce je vegetační kryt a jeho mapování. Proto bude nadále kladen důraz pouze na ty produkty, jejichţ pouţití se dá vyuţít při mapování charakteristik vegetace. Z nich můţeme jmenovat například vegetační indexy (vegetation indices), index listové pokryvnosti (Leaf Area Index, LAI), podíl fotosynteticky aktivního záření (Fraction Photosynthetically Active Radiation, FPAR), hrubou primární produktivitu (Gross Primary Productivity, GPP), anebo také krajinný pokryv (Land Cover). Analýzou těchto a dalších produktů jsme schopni monitorovat i nepatrné vegetační změny, které mohou signalizovat biosferický stres, jako znečištění, sucha či teplotní extrémy. Díky tomu můţeme předpovídat a popřípadě zabránit různým přírodním hazardům, například poţárům nebo neúrodě (LINDSEY a HERRING, neuvedeno). Příklad mapování vegetace znázorňuje obr. 4, který ukazuje jedno z nejhorších období sucha posledních desetiletí, které postihlo intenzivně zemědělsky obdělávanou oblast kolem řek Paraná a Uruguay v Jiţní Americe na konci ledna roku 2009. Snímek vznikl na základě pozorování MODIS, z porovnání vegetačního indexu ze 17. ledna - 1. února roku 2009 s průměrem indexů během let 2000 - 2008 ve stejné roční periodě. Hnědý
15
odstín znázorňuje niţší růst vegetace oproti průměru. Důsledkem byl propad výnosu plodin včetně bavlny, pšenice, sójy a kukuřice v Argentině, Brazílii a Uruguay.
Obr. 4 Diference hodnot NDVI ze 17. ledna - 1. února roku 2009 a průměru za roky 2000-2008, část Jiţní Ameriky, (převzato z http://earthobservatory.nasa.gov/IOTD/view.php?id=37239) 3.1.1 Vegetační indexy Vegetační indexy (VI) jsou robustní, empirické míry, mapující vegetační aktivitu (přítomnost, mnoţství, kondice) na zemském povrchu. Zvýrazňují vegetační signál z naměřených spektrálních dat, kombinováním několika pásem. Nejčastěji v červeném (RED, 600 - 700 nm) a blízkém infračerveném (NIR, přibliţně 700 - 900 nm) spektru (např. HUETE et al., 1999). Těchto dvou částí spektra se uţívá především z toho důvodu, ţe v nich vegetace vykazuje své typické spektrální chování, odlišné od všech jiných objektů na zemském povrchu. V RED spektru je záření zdravé, fotosyntetizující vegetace silně absorbováno, hlavně díky pigmentačním látkám (např. chlorofyl) obsaţených v listech. Odrazivost zde tak nabývá velmi nízkých hodnot. Naopak v přechodu z vlnových délek RED do NIR odrazivost prudce roste. To je dáno morfologickou strukturou listů, která se u jednotlivých 16
druhů rostlin značně liší. U nezdravé, nefotosyntetizující vegetace odrazivost v NIR oproti fotosyntetizující vegetaci znatelně klesá. Naopak v RED odráţí o trochu více, vlivem niţší produkce chlorofylu. To má za následek ţloutnutí listů. (viz. obr. 5).
Obr. 5 Spektrální křivka odrazivosti zdravé zelené vegetace, nezdravé suché vegetace a půdy (upraveno podle http://speclab.cr.usgs.gov/PAPERS/tetracorder) Jedním z nejjednodušších vzorců pro výpočet vegetačního indexu je jednoduchý poměrový vegetační index (SR, Simple Ratio): SR
NIR RED
,
kde NIR a RED jsou hodnoty jednotlivých pixelů (DN, digital number) z NIR a RED multispektrálního obrazového záznamu. Ze vztahu a z obr. 5 vyplývá, ţe čím větších hodnot bude index nabývat, tím více zelené vegetace bude na ploše daného pixelu. Naopak čím bude hodnota niţší, tím bude vegetace méně a bude trpět stresem. Obecně vegetační indexy souvisí s mnoţstvím zelené biomasy. V praxi se však pouţívá i spousta jiných, komplikovanějších vegetačních indexů, potlačujících některé nedokonalosti a nechtěné vlivy ovlivňující indexy ostatní. Podrobnějším popisem některých vegetačních indexů se zabývá například HONKOVÁ (2008).
17
Z datových produktů MODIS jsou k dispozici dva vegetační indexy - NDVI (Normalized Difference Vegetation Index) a EVI (Enhanced Vegetation Index). Poskytují konzistentní prostorové a časové srovnání vegetačního stavu. Jsou distribuovány ve čtyřech různých prostorových rozlišeních (250 m, 500 m, 1000 m a 5600 m) s 16-ti denním nebo měsíčním časovým krokem (o kompozici produktů podrobněji viz. kap. 3.1.1.1). Vegetační indexy se aplikují v širokém rozsahu vědních disciplín, například při ročním a meziročním monitorování vegetace; globálním biochemickém, klimatickém a hydrologickém modelování; primární produkcí a uhlíkovým cyklem; v zemědělství (výnosnost sklizní, stres rostlin); v krizových protiopatřeních (včasný varovný systém nedostatku potravy a hladomoru) a podobně (HUETE et al., 1999). 3.1.1.1 NDVI (Normalized Difference Vegetation Index) Normalizovaný diferenční vegetační index (NDVI) je index, k jehoţ výpočtu MODIS vyuţívá dvou atmosféricky zkorigovaných pásem v intervalech 620-670 nm z RED a 841-876 z NIR.
Obr. 6 Odrazivost zdravého a nezdravého stromu a výpočet NDVI (převzato z http://earthobservatory.nasa.gov/Features/MeasuringVegetation/ measuring_vegetation_2.php) 18
Vlastní vzorec výpočtu vypadá následovně: NDVI
NIR
RED
NIR
RED
Oproti SR má tak tu výhodu, ţe při uţití v oblastech hustě pokrytých vegetací jeho hodnoty nejsou tak vysoké (RED se blíţí k velmi nízkým číslům), ale teoreticky nabývají vţdy hodnot v rozmezí od -1 do 1. Platný rozsah u MODIS je -0,2 aţ 1. Oblasti s velkou koncentrací vegetace budou nabývat kladných hodnot (blíţících se k číslu 1), vzhledem k velké reflektanci v NIR a malé v RED. Názornou ukázku představuje obr. 6. Naopak voda nebo sníh, jejichţ odrazivost je větší v červené části spektra budou nabývat záporných hodnot. Holá či kamenitá půda, ale i řídká a strádající vegetace (viz. obr. 6) odráţí v RED a NIR podobné mnoţství záření, proto se výsledek indexu bude pohybovat kolem nuly (např. LILLESAND et al., 2004). Pro vizualizaci NDVI v odstínech šedi nebo v pseudobarevné škále (viz. obr. 7) jsou originální hodnoty pixelů v rozmezí -1 do 1 upravovány škálováním. U MODIS jsou hodnoty NDVI násobeny konstantou 10000 a mohou tedy nabývat rozsahu -2000 aţ 10000. Pixelům s chybějícími hodnotami se přiřazuje hodnota -3000 (např. oceány).
a
b
Obr. 7 MODIS NDVI z dubna (a) a července (b) roku 2008, prostorové rozlišení 250 m, 16-ti denní kompozice 19
NDVI se vyuţívá ke konstrukci sezónních, časových profilů vegetační aktivity, umoţňující jejich meziroční srovnání. Ty vyobrazují sezónní a fenologické fáze, délku vegetačního období, počátek a vrchol zeleně apod. (HUETE et al., 1999). Srovnáváním indexů NDVI pořízených v určité části roku s jejich průměrnou hodnotou v rámci několika let (většinou doba odpovídající délce fungování dané druţice) dostáváme odchylku NDVI (NDVI Anomaly). Ta říká, jestli je porovnávaný index typický, anebo je růst rostlin niţší nebo vyšší oproti průměru (viz. obr. 4) (podle http://earthobservatory.nasa.gov/Features/MeasuringVegetation/measuring_vegetation_3.p hp). Výsledné produkty jsou sestavovány s pomocí kompozičních algoritmů, do kterých vstupuje několik obrazových záznamů NDVI pořízených v určité časové periodě, v případě MODIS NDVI 16-ti denní nebo měsíční. Výstupem je jeden obrazový produkt s odfiltrovanými stíny, oblačností, aerosoly atd., reprezentující celou kompoziční periodu. MODIS vyuţívá algoritmu maximálních kompozičních hodnot (MVC, maximum value composite), kdy je do výsledného produktu zaznamenán pixel s největší hodnotou NDVI za daný časový interval. Předpokladem je, ţe se v dané periodě (16 dnů, měsíc) nad kaţdým pixelem alespoň jednou neobjeví oblačnost (například HUETE et al., 1999 nebo HONKOVÁ, 2008). 3.1.1.2 EVI (Enhanced Vegetation Index) Produkt EVI ve srovnání s NDVI minimalizuje některé nepřesnosti v odraţeném záření, způsobené především vlivem aerosolových částic v atmosféře a půdním pokryvem pod vegetací. Poskytuje také detailnější pohled na variabilitu v rámci vysoce zalesněných regionů, jako jsou například deštné lesy v Jiţní Americe. Vypočte se podle vztahu: EVI
G
( NIR ( NIR
C 1 RED
RED ) C 2 BLUE
L)
Index vyuţívá kromě NIR a RED pásma také BLUE pásmo v intervalu 459-479 nm pro odstranění atmosférických vlivů. HONKOVÁ (2008) uvádí, ţe pro druţicová data MODIS se ve výpočtu EVI pouţívá těchto hodnot: L = 1, C1 = 6, C2 = 7,5 a G = 2,5, kde L je canopy background adjusment - úprava určující nelineární, diferenční přenos NIR a RED záření skrz vegetaci; C1 a C2 jsou koeficienty odporu aerosolů a G je přírůstek (gain factor). 20
Škálování u indexu EVI probíhá podobným způsobem jako u NDVI (viz. kap. 3.1.1.1). Rovněţ zde se pohybují vyškálované hodnoty v rozmezí -2000 aţ 10000 (viz obr. 8).
a
b
Obr. 8 MODIS EVI z dubna (a) a července (b) roku 2008, prostorové rozlišení 250 m, 16-ti denní kompozice 3.1.2 LAI (Leaf Area Index) a FPAR (Fraction Photosynthetically Active Radiation) Index listové pokryvnosti (LAI) a s ním související podíl fotosynticky aktivního záření (FPAR, nebo také Fraction of PAR) jsou produkty distribuované s prostorovým rozlišením 1 km a v časové frekvenci 8 dní. LAI je definován jako jednostranná plocha všech zelených listů na jednotku plochy země v listnatém porostu a jako polovina povrchu všech jehlic na jednotku plochy země v jehličnatém porostu. Je tedy kvantitativní mírou hustoty listí a jehlic na daném místě. FPAR je míra podílu fotosynteticky aktivního záření (ve vlnových délkách v intervalu 0,4 0,7 μm) skutečně absorbovaného rostlinami, oproti celkově dostupnému záření ve stejných vlnových délkách, které mohou rostliny vstřebat. Vztah mezi těmito dvěma veličinami je zřejmý. Čím větší má rostlina plochu listů, tím více záření můţe absorbovat pro fotosyntézu.
21
LAI a FPAR jsou klíčové biofyzikální proměnné, kontrolující výměnu energie a hmoty (voda, CO2) mezi zemským povrchem a atmosférou (MYNENI et al., 1999). Jak uvádějí MYNENI et al. (1999), produkty LAI a FPAR vstupují do řady modelů ekosystémů, vyuţívaných k simulování rozsahu pozemních reakcí na variabilitu a změny klimatu. Jsou to například Biosphere-Atmosphere Transfer (BATS) model, Community Land Model (CLM), Terrestrial Ecosystem Model (TEM) atd.
Obr. 9 MODIS LAI a FPAR pro USA, 24. března - 8. dubna roku 2000 (převzato z http://earthobservatory.nasa.gov/IOTD/view.php?id=630 a http://earthobservatory.nasa.gov/IOTD/view.php?id=633) Obr. 9 vyjadřuje souvislost mezi LAI a FPAR. Západní pobřeţí a jihovýchod USA jsou oblasti, kde je více jak 80% povrchu pokryto vegetací (LAI, tmavě zelené pixely) a kde rostliny absorbují 100% fotosynteticky dostupného záření (FPAR, tmavě červené pixely). Postupně přechází v místa, kde listy pokrývají 10 - 50% zemského povrchu (LAI, světle zelené pixely) a absorpce dosahuje 25 - 75% (FPAR, světle červené pixely). Ve zbývajících oblastech se listový pokryv prakticky nenachází (LAI, hnědý odstín) a nedochází tak ani k absorpci (FPAR, ţlutý odstín). 3.1.3 GPP (Gross Primary Productivity) MODIS Gross Primary Productivity je k dispozici v prostorovém rozlišení 1000 m a v 8 denních kompozicích. Produkt GPP je mírou produktivity rostlin anebo jejich růstu. Tzn. určuje, v jakém mnoţství rostliny v rámci fotosyntézy vstřebávají oxid uhličitý z atmosféry a potom s vyuţitím uhlíku vytvářejí novou organickou hmotu (biomasu). Vyjadřuje se v hmotnosti uhlíku připadajícího na jednotku plochy za den.
22
GPP se například vyuţívá při studiích prostorové a sezónní dynamiky toku oxidu uhličitého, jako důleţitého skleníkového plynu, a v globálním klimatickém modelování. Moţností praktického vyuţití je měření výnosů plodin, rozsahu píce, lesní produkce apod. (RUNNING et al., 1999). Obr. 10 prezentuje v nepravých barvách GPP na území Spojených států. V jihovýchodní části a na západním pobřeţí rostliny vyuţívají nad 15 gramů uhlíku na metr čtvereční (zelený a modrý odstín pixelů). V nejhustěji zalesněných oblastech aţ 60 gramů. Ostatní oblasti, například na severu plošina Missouri anebo Mexická plošina na jihu, zastávají uhlíkovou absorpci rostlin menší neţ 15 gC/m2 (hnědý, ţlutý, světle zelený odstín).
Obr. 10 MODIS GPP, USA, 26. března - 10. dubna roku 2000 (převzato z http://earthobservatory.nasa.gov/IOTD/view.php?id=636) 3.1.4 Krajinný pokryv (Land Cover) MODIS Land Cover produkt v sobě zahrnuje pět různých typů klasifikačních přístupů, odvozených na základě klasifikační metody řízených rozhodovacích stromů (supervised decision-tree classification method). Primární typ rozeznává aţ 17 základních informačních tříd krajinného pokryvu, definovaných plánem IGBP (International Geosphere Biosphere Programme), coţ je program zabývající se globálními změnami. Z toho 11 tříd jsou různé druhy přirozených vegetačních povrchů (například vţdyzelené jehličnaté a listnaté lesy, opadavé jehličnaté a listnaté
lesy,
smíšené
lesy,
savany,
zemědělská
https://lpdaac.usgs.gov/).
23
půda,
pastviny
atd.)
(podle
Land Cover je poskytován s prostorovou rozlišovací schopností 500 m, 1000 m a 5600 m s ročním časovým rozlišením. Mapa krajinného pokryvu střední Evropy v roční kompozici za rok 2008 s prostorovým rozlišením 500 m je přiloţena v příloze 2.
24
4
DOSTUPNOST DATOVÝCH PRODUKTŮ Produkty odvozené z pozorování MODIS jsou dostupné z několika zdrojů. Pozemní
produkty (Land products), zahrnující i vegetační produkty má na starosti distribuční a archivační středisko LP DAAC (Land Processes Distributed Active Archive Center) se sídlem v Jiţní Dakotě ve Spojených státech amerických. Oficiální webové stránky, prostřednictvím nichţ lze produkty získat, jsou https://lpdaac.usgs.gov. Data a produkty získané prostřednictvím LP DAAC nemají ţádná omezení na další pouţití, prodej nebo redistribuci. Jsou k dispozici absolutně zdarma.
4.1
Staţení produktů Samotné staţení produktů je moţné uskutečnit s vyuţitím několika internetových
nástrojů. Například s pomocí vyhledavače WIST (NASA Warehouse Inventory Search Tool) anebo LP DAAC Data Pool. Seznam a odkazy na tyto a další nástroje lze nalézt pod záloţkou Get Data na adrese https://lpdaac.usgs.gov/lpdaac/get_data. V následující části autor popíše stručný návod, jak jednoduše stáhnout datové produkty s pomocí výše zmíněných aplikací. 4.1.1 WIST (NASA Warehouse Inventory Search Tool) WIST je internetový klient pro vyhledávání a objednávání dat a produktů. Je přístupný z internetové stránky https://wist.echo.nasa.gov/api/. Pro jeho uţívání je nutné si nejprve vytvořit uţivatelský účet, kde uţivatel vyplní své základní informace. Po zaregistrování a přihlášení uţ můţeme s WIST plně pracovat.
Obr. 11 Vytvoření účtu je prvním krokem k práci s WIST Skrz WIST se pohybujeme pomocí navigačního toolbaru s pěti základními funkcemi: Search, Results, Granule List, Folder a Shopping Cart. Tento toolbar je umístěn vţdy na vrcholu kaţdé webové stránky WIST. V panelu Search se kladením prostorových a časových kritérií dotazujeme na konkrétní produkty, které chceme vyhledat. V první části je dobré zatrhnout moţnost By
25
Discipline, čímţ si můţeme vybrat obor, druţici a přístroj, se kterými souvisí vyhledávané produkty. Při vyhledávání MODIS vegetačních produktů zvolíme moţnost MODIS/Terra nebo MODIS/Aqua v kategorii Land.
Obr. 12 Výběr oboru, druţice a přístroje V tomto okamţiku nám v okénku výše vyjede seznam dostupných relevantních datových sad produktů, které si pak omezíme na konkrétní sady nebo sadu, kterou chceme. Například vegetační indexy.
Obr. 13 Výběr konkrétní datové sady produktů. V části Choose a Data Search Type vybereme Primary Data Search. Dále následuje výběr zájmové oblasti - Choose Search Area.
Obr. 14 Výběr zájmové oblasti 26
Zvolíme moţnost ortografického vyhledávání regionu (Ortographic). Na glóbu, který se nám objeví, můţeme táhnutím myší označit pravoúhelníkem zájmový region. Tímto výběr produktů omezíme jenom na ty scény, které do pravoúhelníku zasahují. S glóbem můţeme rotovat, přibliţovat se a přidávat některé vektorové vrstvy. Souřadnice rohů našeho regionu (ve formátu zeměpisné šířky a délky) se dají zapsat i manuálně bez vyuţití glóbu.
Obr. 15 Manuální zápis souřadnic rohů zájmové oblasti Poté specifikujeme datový a časový rozsah v části Choose a Date/Time Range. Poslední věci, které můţeme a nemusíme nastavit jsou v sekci Choose Additional Options, kde můţeme například zadat maximální moţný počet vyhledaných poloţek pro jednu datovou sadu, nastavit maximální dobu vyhledávání apod. Potom stisknutím tlačítka Start Search zahájíme proces vyhledávání produktů, podle zadaných kritérií. To nás zavede do panelu Results, kde proběhne vyhodnocení našeho dotazu. Vypíší se zde typy datových sad a v rámci nich počet poloţek, odpovídající zadaným kritériím, které WIST vyhledal v archivech.
Obr. 16 Vyhodnocení dotazu v panelu Result Pokud je výsledkem vyhledávání pouze jedna datová sada, jako na obr. 16, WIST nás automaticky přepne do výpisu jednotlivých produktů této sady, do Granule List. U kaţdého produktu jsou uvedeny jeho základní informace jako například ID, centrální bod scény či datum pořízení. Zatrhnutím označíme ty produkty, které budeme chtít objednat. 27
Kliknutím na Add selections to cart je vloţíme do nákupního košíku a přesuneme se do panelu Shopping Cart, kde dokončíme objednávku.
Obr. 17 Poloţky v nákupním košíku Na náš e-mail, který jsme zadali při registraci následně dojde potvrzení o objednávce a po určité době také zpráva s odkazem na staţení objednaných produktů. Produkty pak stáhneme přes FTP (File Transfer Protocol). Podrobnější
WIST
tutoriál
v anglickém
jazyce
lze
nalézt
na
stránce
https://wist.echo.nasa.gov/~wist/api/Tutorial/index.html. Výhodou WIST je, ţe nám podle zadaných kritérií rychle vyhledá všechny relevantní produkty, které právě potřebujeme. Ty si pak můţeme všechny naráz objednat a následně stáhnout v jednom zkomprimovaném souboru (jedna objednávka můţe obsahovat aţ 2000 produktů). Nevýhodou však je, ţe e-mailová zpráva s odkazem na staţení souboru nemusí dojít okamţitě a chvíli si tak musíme počkat. Pro někoho můţe být nevýhodou i nutnost registrace. 4.1.2 LP DAAC Data Pool Data Pool umoţňuje uţivatelům přímý přístup k zájmovým produktům bez nutnosti se registrovat. Stáhnout je můţeme rovněţ přes FTP. Přístupový internetový odkaz je ftp://e4ftl01u.ecs.nasa.gov/ a skrývá se pod ním rozsáhlá adresářová struktura. Jde tedy o to se postupně proklikat jednotlivými sloţkami aţ ke konečnému produktu. K tomu však potřebujeme znát význam zkratkovitého označení jednotlivých sloţek. Například MODIS Terra se značí zkratkou MOLT a MODIS Aqua jako MOLA. Po otevření vybrané sloţky uţ můţeme vybírat z produktových kolekcí a v nich z jednotlivých produktů.
28
Obr. 18 Seznam adresářů v LP DAAC Data Pool
4.2
Datový soubor Název datového souboru nám podává základní informace o konkrétním produktu.
Například soubor MOD13Q1.A2008017.h18v03.005.2008038115537.hdf označuje: MOD13Q1 - krátký název produktu Seznam a popis veškerých produktů distribuovaných LP DAAC lze nalézt na adrese https://lpdaac.usgs.gov/lpdaac/products/modis_products_table. .A2008017 - juliánské datum pořízení (A-YYYYDDD) Juliánské datum je formát data, který je kombinací aktuálního roku a počtu dní od začátku roku (např. 1. ledna 2007 se vyjadřuje jako 2007001 a 31. prosince 2007 jako 2007356) (podle http://office.microsoft.com/cs-cz/excel/HP030561141029.aspx). .h18v03 - identifikátor scény (horizontálníXXvertikálníYY) Většina produktů MODIS je v sinusoidálním zobrazení a vyuţívá čtvercový souřadnicový systém identifikace jednotlivých scén.
29
Obr. 19 MODIS sinusoidální čtvercový souřadný systém pro identifikaci scén (převzato z https://lpdaac.usgs.gov/lpdaac/products/modis_overview) .005 - verze kolekce .2008038115537 - juliánské datum produkce (YYYYDDDHHMMSS) .hdf - datový formát Datový formát HDF je pouţíván pro všechny produkty z LP DAAC. Pro jeho spuštění existuje celá řada softwarových nástrojů. Jak komerčních (např. PCI Geomatics), tak nekomerčních (např. MultiSpec).
K datovému souboru ve formátu HDF bývá přiloţen i metadatový soubor ve formátu XML.
30
5
POUŢITÉ SOUBORY Pro
sestavení
databáze
byly pouţity
datové
soubory
MODIS,
staţené
prostřednictvím WIST, podle postupu uvedeného v kapitole 4.1. Z dostupných produktů charakterizujících vlastnosti vegetačního krytu (viz. kap. 3.1) byly vybrány vegetační indexy odvozené z pozorování druţice Terra v 16-ti denní kompozici s nejlepší moţnou prostorovou rozlišovací schopností 250 m (MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid V005). Aby zcela pokryly naše zájmové území střední Evropy, bylo pořízeno vţdy 6 scén z celosvětového pokrytí, a to h18v03 aţ h18v05 a h19v03 aţ h19v05 (viz. obr. 19) ve čtvercovém souřadném systému, který je u produktů MODIS uţíván k identifikaci jednotlivých scén (podrobněji viz. kap. 4.2). Pro analýzu a vystiţení ročního chodu změn v jednotlivých fenologických fázích rostlin byly pouţity snímky z roku 2008. Pro charakterizování změn ve vývoji vegetace za celé období, pro které jsou snímky k dispozici (2000 - 2009), byly zvoleny snímky z měsíce dubna, který lze v oblasti střední Evropy povaţovat za počátek vegetačního období. Jeden soubor vegetačních indexů ve formátu HDF obsahuje jedenáct vrstev, které jsou popsány v tab. 1. Tab. 1 Popis vrstev produktu MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN
Grid
V005
(upraveno
podle
https://lpdaac.usgs.gov/lpdaac/products/
modis_products_table/vegetation_indices/16_day_l3_global_250m/v5/terra) HDF layers
Units
Bit type
Fill / No data
Valid range
Scale
250m 16 days NDVI
NDVI
16-bit signed integer
-3000
-2000, 10000
10000
250m 16 days EVI 250m 16 days VI Quality detailed QA 250m 16 days red reflectance (Band 1)
16-bit signed integer 16-bit bits unsigned integer 16-bit signed reflectance integer
-3000
-2000, 10000
10000
65535
0, 65534
-
-1000
0, 10000
10000
EVI
250m 16 days NIR reflectance (Band 2)
reflectance
16-bit signed integer
-1000
0, 10000
10000
250m 16 days blue reflectance (Band 3)
reflectance
16-bit signed integer
-1000
0, 10000
10000
250m 16 days MIR reflectance (Band 7)
reflectance
16-bit signed integer
-1000
0, 10000
10000
250m 16 days view zenith angle
degree
16-bit signed integer
-10000
-9000, 9000
100
31
250m 16 days sun zenith angle
degree
16-bit signed integer
-10000
-9000, 9000
100
250m 16 days relative azimuth angle
degree
16-bit signed integer
-4000
-3600, 3600
10
-1
1, 366
-
250m 16 days composite day of the year
Julian day 16-bit signed of year integer
Vysvětlivky: HDF layers - názvy jednotlivých vrstev, které produktový soubor obsahuje. Podávají nám 3 druhy informací: o prostorovém rozlišení (250 m), o časové kompozici (16 dní) a o tematice (NDVI) obrazového záznamu. Units - jednotky vrstvy Bit type - bitové rozlišení Fill / No data - doplňková hodnota, která se přiřazuje pixelům s chybějícími údaji. Valid range - platný rozsah hodnot, ve kterém se pohybují pixely Scale - škálování (podrobněji viz. kap. 3.1.1.1)
32
6
ČASOPROSTOROVÁ DIFERENCIACE CHARAKTERISTIK VEGETAČNÍHO KRYTU Z vytvořené databáze snímků s vegetačními indexy byl pro analýzu časoprostorové
diferenciace charakteristik vegetačního krytu a sestavení map vybrán produkt MODIS NDVI. Jeho technické informace (rozsah, bitové rozlišení atd.) jsou uvedeny v tab. 1 v kapitole 5.
6.1
Úprava vstupních dat Před samotnou tvorbou map, která byla provedena v programu ArcGIS, bylo nutné
vstupní data nejdříve upravit a exportovat do jiných formátů. ArcGIS soubory ve formátu HDF nepodporuje a nedokáţe je zobrazit. Vzhledem k tomu, ţe se originální data NDVI nachází v 16-ti bitovém rozlišení (16-bit signed integer), bylo dále vyuţito pouze těch formátů, které toto rozlišení podporují. Tím bylo zajištěno, ţe další postup bude prováděn na originálních, nikoliv na dále přeškálovaných hodnotách. V PCI Geomatice, kde se soubory HDF můţeme pracovat, byly převedeny na soubory s koncovkou PIX. Formát PIX byl následně v ArcGIS převeden na IMG.
6.2
Sestavení výsledných map Cílem práce bylo sestavení map v měřítku střední Evropy s vyuţitím vytvořené
databáze produktů (viz. kap. 5). Prvním krokem bylo spojení samostatných scén (jiţ ve formátu IMG) do jednoho rastru s pouţitím funkce mosaic to new raster. Dále byla pro vizualizaci NDVI navrţena pseudobarevná škála v rozsahu -2000 aţ 10000, která tvoří legendy map. Doplňkovým hodnotám -3000 (moře) byl přiřazen modrý odstín. Pro snazší orientaci jsou mapy doplněny vektorovými vrstvami řek a státních hranic. Výsledné mapy mají měřítko 1:8 500 000 a jsou v sinusoidálním zobrazení. Pro lepší názornost časové diferenciace byly ještě vytvořeny animované mapy ve zvolených obdobích. Mapové výstupy i animace jsou přiloţeny v příloze 3. Vytvořené mapy NDVI nám podávají informace o časoprostorovém rozdělení mnoţství vegetace a jejím zdravotním stavu ve střední Evropě. Kaţdý pixel nese svoji DN hodnotu a podle ní je na mapě prezentován barevným odstínem z pseudobarevné škály. Jak jiţ bylo uvedeno dříve, hodnoty mohou být kladné nebo záporné, v závislosti na spektrálních vlastnostech převládajících povrchů v pixelu. Se zápornými či velmi nízkými
33
hodnotami se na mapách můţeme setkat například u jezer anebo v horských oblastech ve vyšších nadmořských výškách, kde se rostlinná pokrývka vyskytuje pouze nesouvisle a objevují se povrchy pokryté sněhem či ledovci. U povrchů s vegetací jsou kladné hodnoty NDVI ovlivněny jednak samotným typem vegetace (např. listnatý les bude díky své listové struktuře dosahovat vyšších hodnot neţ les jehličnatý), ale také klimatickými podmínkami a vlastnostmi půdního substrátu. Stejný vegetační druh proto můţe v rozdílných oblastech dosahovat jiných hodnot studovaných charakteristik. Důleţitým faktorem je roční doba pořízení snímků, ze kterých je NDVI počítán. Podle data se na hodnotách NDVI projeví fenologické fáze rostliny, ve kterých se právě nachází. Na následujících obrázcích (obr. 20 - obr. 23) je zdokumentováno, jak se projevují hodnoty vegetačního indexu vybraných povrchů ve zvolených oblastech na výsledných mapách. Mapový výřez NDVI vţdy zastupuje kompozici z 9. - 24. června. Pro srovnání byly mapy NDVI doplněny ještě dvěma dalšími obrázky stejné oblasti z mapy krajinného pokryvu (příloha 2) a z topografické mapy z mapového serveru http://www.mapy.cz/. Obr. 20 představuje oblast kolem jezera Balaton. Ze severu k němu zasahuje Bakoňský les s převahou listnáčů a jih je tvořen zemědělsky vyuţívanou Velkou uherskou níţinou. Na obr. 21 je zachycena horská oblast Bergamských Alp na jihu od hranice mezi Švýcarskem a Itálií. Níţinatý terén Hornorýnské níţiny s protékajícím Rýnem prezentuje obr. 22. Na Rýnu leţí významné město Štrasburk. Západní část tvoří pohoří Vogézy se zastoupením smíšených lesů. Pro obr. 23 byla vybrána část Velkopolské jezerní plošiny mezi Poznaní a Gorzów Wielkopolski s jehličnatými lesy.
a
b
c
Obr. 20 Jezero Balaton a okolí; a - mapa NDVI, 9. - 24. června 2008, 250 m; b - mapa krajinného pokryvu, 2008, 500 m; c - topografická mapa (převzata z http://mapy.cz/)
34
a
b
c
Obr. 21 Bergamské Alpy (a,b,c - bliţší popis viz. obr. 20)
a
b
c
Obr. 22 Okolí Štrasburku (a,b,c - bliţší popis viz. obr. 20)
a
b
c
Obr. 23 Oblast mezi Poznaní a Gorzów Wielkopolski (a,b,c - bliţší popis viz. obr. 20) Pro doplnění předcházejících informací, byly na základě výše uvedených mapových výřezů (obr. 20 - obr. 23) z červnové mapy NDVI, vypočteny konkrétní hodnoty indexů pro vybrané druhy povrchů. Na kaţdém výřezu bylo zvoleno několik trénovacích ploch, reprezentujících určitý typ povrchu. Z nich poté byly pomocí funkce zonal statistics
35
vypočteny průměrné hodnoty uvedené v tab. 2. Jak je z tabulky patrné, nejvyšších hodnot dosahuje listnatý a smíšený les s hodnotami přes 8000. Kolem 7000 se pak pohybuje jehličnatý les a zemědělsky obdělávaná půda. Pro zemědělské plochy jsou hodnoty NDVI více variabilní, coţ můţe být dáno například rozdílnými typy pěstovaných plodin na jednotlivých polích. Určitou roli bude hrát také omezení prostorovou rozlišovací schopností snímků (250 m). Jeden pixel prezentující zemědělskou plochu můţe ve skutečnosti reprezentovat poměrně heterogenní povrch, ve kterém se kromě samotných polí můţe nacházet i směsice jiných povrchů, které mají vliv na výslednou hodnotu, například polní cesty, silnice, remízky, travní porosty, potoky apod. Větších hodnot NDVI nabývá také zástavba (kolem 5000), ale jak napovídá vysoká směrodatná odchylka, pouţitý vzorek není tak reprezentativní. Městské prostředí je také velmi heterogenní a výslednou hodnotu spektrálních odrazivostí pixelů ovlivňuje kromě zástavby také přítomnost městské vegetace, např. parků, lesíků, trávníků atd. Pixely se proto od sebe mohou výrazně lišit.
Tab. 2 Průměrné červnové hodnoty NDVI vybraných povrchů ve střední Evropě v roce 2008. NDVI*10000
Směrodatná odchylka
Počet natrénovaných pixelů
horská oblast
-3
459,22
10176
jehličnatý les
7197
458,69
13121
listnatý les
8957
252,40
5202
smíšený les
8572
442,97
15308
vodní plocha
-168
932,15
7212
zástavba
4987
1353,40
2659
zemědělská plocha
7128
881,99
11666
36
6.3
Časové profily NDVI Jedním z moţných způsobů, jak lépe vystihnout dynamiku vegetace na daném
místě, je vytvoření časové řady z vypočtených vegetačních indexů. Při uţití pro více míst s odlišnými typy povrchů můţeme provést jejich porovnání. Na následujících grafech (obr. 25, 27) byly pro srovnání vybrány 3 rozdílné povrchy, a to s převahou jehličnanů, s převahou listnáčů a se zemědělskou půdou. Jejich lokalizace je uvedena na obr. 24. Vstupními daty jsou hodnoty NDVI v 16-ti denní kompozici. Kaţdý čtvereček na křivce prezentuje průměrnou hodnotu NDVI zvolených oblastí.
Obr. 24 Lokalizace vybraných ploch s odlišnými typy vegetačních povrchů a jejich názornou ukázkou, 1 - jehličnatý les, 2 - listnatý les, 3 - zemědělská krajina (fotografie převzaty z http://maps.google.com a http://www.troskotovice.cz/index.php?nid=835&lid=CZ&oid=418061)
37
10000 9000 8000
NDVI*10000
7000 6000 5000 4000 3000 listnatý les
2000
jehličnatý les
1000
zemědělská plocha 29.9 . 15.1 0. 31.1 0. 16.1 1. 2.12 .
13.9 .
28.8 .
12.8 .
27.7 .
11.7 .
25.6 .
9.6.
24.5 .
8.5.
6.4. 22.4 .
5.3. 21.3 .
2.2. 18.2 .
1.1. 17.1 .
0
čas
Obr. 25 Časový profil průměrných hodnot NDVI vybraných povrchů pro 16-ti denní kompozice (vymezeny vţdy prvním dnem) za rok 2008 Změny hodnot NDVI v průběhu roku korelují se změnami mnoţství zeleně na ploše pixelu. Časové profily NDVI lze proto pouţít ke studiu průběhu fenologických fází, za něţ se povaţují rozpoznatelné a zpravidla kaţdoročně se opakující projevy vývoje sledovaných rostlin, například rašení, první listy, plné olistění, počátek kvetení, konec kvetení, ţloutnutí listí, opad listí atd. Názornou ukázku uvádí obr. 26.
a
b
c
d
e
Obr. 26 Vybrané fenofáze u listnatého stromu, a - rašení, b - první listy, c - plné olistění, d - ţloutnutí listí, e - opad listí (upraveno podle COUFALA et al., 2004) U vytvořených časových řad je dobře rozpoznatelný především počátek (rašení, počátek tvorby listí), délka trvání a konec (ţloutnutí a opad listí) vegetačního období. To však platí, jak je patrné z obr. 25, jen pro opadavé dřeviny. Hodnoty vegetačního indexu neopadavého jehličnatého lesa se celoročně pohybují s menšími či většími výkyvy kolem 38
hodnoty 7000. Lokální extrémy v průběhu křivek je nutné brát s jistou rezervou, protoţe mohou být způsobeny rušivými vlivy, které se mohou projevit i přes jejich filtrování kompoziční periodou (blíţe viz. kap. 3.1.1.1; příkladem můţe být déle trvající oblačnost nad daným místem). Názornou ukázkou začátku vegetační doby je u listnatého lesa i zemědělské krajiny strmý nárůst hodnot NDVI v průběhu dubnových kompozic. U listnáčů se poté NDVI zvyšuje aţ nad hranici 9000, u polí pouze k 8000. Nepřehlédnutelným rozdílem je mezi nimi délka trvání a výskyt maxima vegetačního období. Hodnoty NDVI u sledované zemědělské plochy klesají poměrně brzy, jiţ v červnu. To můţe být ovlivněno více faktory, například sklizní raných plodin nebo strádáním rostlin v důsledku sucha. U listnatého lesa končí podle grafu vegetační období aţ v říjnu vlivem opadu listí. Nízké hodnoty na začátku roku lze připsat sněhové pokrývce, naopak netypicky vyšší hodnoty na konci roku mohly být zapříčiněny její neexistencí. Sledované fenologické projevy pomocí MODIS NDVI jsou nicméně pouze přibliţným odhadem skutečných biologických parametrů. To je limitováno jiţ dříve zmíněným prostorovým rozlišením 250 m a heterogenitou jednotlivých pixelů. 9000 8000 7000
NDVI*10000
6000 5000 4000 3000 2000
listnatý les jehličnatý les
1000
zemědělská plocha 009 7.4. 2
008 6.4. 2
007 7.4. 2
006 7.4. 2
005 7.4. 2
004 6.4. 2
003 7.4. 2
002 7.4. 2
001 7.4. 2
6.4. 2
000
0
čas
Obr. 27 Časový profil průměrných hodnot NDVI vybraných povrchů pro dubnové 16-ti denní kompozice (vymezeny vţdy prvním dnem) mezi roky 2000 - 2009 Křivky znázorněné na obr. 27 prezentují změny vegetačního indexu vybraných povrchů mezi dubnovými kompozicemi v průběhu let 2000 aţ 2009. To můţe indikovat 39
změny v mnoţství biomasy, nástup vegetačního období rostlin, a nebo teplotní a sráţkové poměry v jednotlivých rocích (chladnější teplotní podmínky - rašení stromů se opoţďuje a dubnové hodnoty NDVI budou tudíţ niţší; vyšší teploty - brzké olisťování stromů dubnové hodnoty NDVI zvyšuje). Hodnoty NDVI zemědělsky vyuţívané krajiny můţe kromě počasí měnit také změna pěstovaných plodin v průběhu daných let. Opět si lze povšimnout méně variabilních hodnot u jehličnatého porostu. Na obrázcích 28 a 29 jsou pro ukázku a pro doplnění grafů představeny části vytvořených map, vizualizující časoprostorové změny ve vybraných kompozicích.
1.1.-16.1.
5.3.-20.3.
6.4.-21.4.
8.5.-23.5.
9.6.-24.6.
11.7.-26.7.
15.10.-30.10.
2.12.-17.12.
Obr. 28 Mapová sekvence vybraných kompozic za rok 2008
40
6.4.-21.4. 2000
7.4.-22.4. 2003
7.4.-22.4. 2006
7.4.-22.4. 2007
Obr. 29 Mapová sekvence vybraných dubnových kompozic za roky 2000 - 2009
41
7
DISKUZE VÝSLEDKŮ Oproti klasickému mapování charakteristik vegetace má mapování metodami DPZ
řadu výhod, ale najdou se i některé nevýhody. V následujícím textu rozebírajícím obě metody bylo čerpáno převáţně z TOUKILOGLOU (2007). Při klasickém pozemním mapování rozsáhlých oblastí se provádí terénní průzkum. Ten je však obvykle časově velmi náročný a při účasti většího počtu průzkumníků se negativně projeví na koncové ceně. Takto získaná data navíc rychle zastarávají a nehodí se pro studium dynamicky se měnících vegetačních vlastností, které je nutné zaznamenávat s velkou frekvencí. Je třeba si také uvědomit, ţe pozemní metody jsou zaloţeny pouze na vzorkovacích technikách, které nemusí být u všech aplikací vyhovující. Například při odhadování rychlosti deforestace lesů není vzorkovací postup vůbec adekvátní, ledaţe by bylo sesbíráno velmi velké mnoţství vzorků. To by však ale na druhé straně ještě víc negativně ovlivnilo finanční stránku a dobu potřebnou k průzkumu. Při globálním mapování se jako velký problém můţe rovněţ ukázat neúplnost, zastaralost nebo nedostupnost těchto dat z některých zemí. Díky technickému pokroku posledních let, se oproti výše uvedeným metodám, stává mapování s vyuţitím DPZ čím dál tím víc výhodnější a je vyuţíváno ve stále širším okruhu oborů. To je dáno především díky rychlosti, opakovatelnosti a konzistenci pořizování dat a cenové efektivnosti. Během krátké doby (v závislosti na časovém rozlišení) tak získáme informace o rozloţení vegetace na jakémkoli území a o její dynamice za daný časový interval. Rovněţ podmínky pro zpracování dat se stále zlepšují a druţicová data jsou uţivatelům dostupná jako nikdy dřív. Nevýhodou se můţe ukázat omezené prostorové rozlišení, odvíjející se od typu uţitého skeneru, anebo také samotná povaha dálkového průzkumu, kdy signál putující od zemského povrchu na čidla skeneru můţe být v různé míře ovlivněn (např. oblačností, pozorovacím úhlem atd.). Předmětem práce bylo sestavení map vybraných vegetačních charakteristik s vyuţitím vhodných produktů radiometru MODIS na území střední Evropy. K sestavení map poslouţila vytvořená databáze s vegetačním indexem NDVI. Mapy tak vyjadřují stav, ve kterém se nacházela vegetace na území střední Evropy v roce 2008 a v dubnu v letech 2000 aţ 2009. Podle hodnot NDVI lze z map odvodit její rozmístění, kvantitu nebo fenologické fáze. Změny hodnot NDVI jsou také odrazem faktorů, které mají vliv na spektrální projev pixelů s vegetací, např. zdravotní stav. Mohou poukázat na výskyt 42
sněhové pokrývky, nedostatek vláhy nebo znečištění prostředí. Mapy tak poslouţí například ke studiu chování vegetačního krytu střední Evropy v závislosti na průběhu meteorologických podmínek v daných letech. Práce také obsahuje stručný návod, jak se snadno dostat ke všem volně dostupným produktům MODIS, které pak čtenáři mohou pouţít ke svému vlastnímu výzkumu. V průběhu zpracování práce se objevilo několik problémů. První byl spíše techničtějšího rázu. Při konstrukci databáze se ukázala poměrně velká paměťová náročnost pouţitých dat (kolem 40 GB). To však v dnešní době neustále se zvětšujících kapacit paměťových médií nemusí být aţ taková překáţka. Poměrně časově náročný byl pak převod všech snímků mezi jednotlivými formáty. Při analýze se ukázalo jiţ zmíněné omezení způsobené hrubším prostorovým rozlišením pouţitých snímků (250 m). Tato nevýhoda by mohla být redukována uţitím dat z přístrojů s lepším rozlišením, např. Landsat (30 m) nebo ASTER (15 m), se kterými je mapování vegetačních charakteristik taky moţné. Problém však je, ţe s lepším prostorovým rozlišením se zhoršuje rozlišení časové a ani Landsat ani ASTER nemohou snímat zemský povrch s takovou frekvencí co MODIS. MODIS byl navrţen pro mapování na globálním nebo regionálním měřítku a jeho vyuţití při studiu dynamických vlastností a změn vegetace je zde nesporné. Kromě NDVI pouţitého v práci, lze k tomuto účelu vyuţít i ostatní produkty, které charakterizují vegetaci v dalších ohledech, např. EVI, LAI, FPAR, GPP apod.
43
8
ZÁVĚR Při realizaci bakalářské práce byly pouţity produkty ze skeneru MODIS. Jako
vhodný produkt pro zmapování časoprostorové diferenciace charakteristik vegetačního krytu ve střední Evropě byl vybrán normalizovaný diferenční vegetační index (NDVI). Nejdříve byla vytvořena databáze snímků NDVI z roku 2008 a z dubnových snímků z let 2000 - 2009 v 16-ti denních kompozicích s prostorovým rozlišením 250 m. Tato databáze poslouţila k sestavení mapových výstupů NDVI, pokrývajících zájmové území. Ty byly dodatečně doplněny vektorovými vrstvami řek a státních hranic. Analýzou map byly sestrojeny časové profily vybraných vegetačních povrchů. Výsledné mapy podávají představu o časoprostorové diferenciaci rostlinného krytu ve střední Evropě ve zvolených letech.
44
SEZNAM POUŢITÉ LITERATURY COUFAL, L., et al.: Fenologický atlas. 1. vyd. Nakladatelství Český hydrometeorologický ústav, Praha, 2004. 264 s. ISBN 80-86690-21-0. DOBROVOLNÝ, P.: Dálkový průzkum Země. Digitální zpracování obrazu. 1. vyd. Masarykova univerzita v Brně, Brno, 1998. 210 s. ISBN 80-210-1812-7. HALOUNOVÁ, L., PAVELKA, K.: Dálkový průzkum Země. 1. vyd. Vydavatelství ČVUT, Praha, 2005. 192 s. HONKOVÁ, M.: Mapování vegetace s využitím spektrálních indexů. Brno, 2008, 94 s. Diplomová práce na Přírodovědecké fakultě Masarykovy univerzity. Geografický ústav. Vedoucí diplomové práce doc. RNDr. Petr Dobrovolný, CSc. HUETE, A., et al.: MODIS vegetation index (MOD 13). Algorithm theoretical basis document [online]. 1999, Ver. 3 [cit. 2010-03-15]. Dostupný na WWW:
. KOLÁŘ, J.: Dálkový průzkum Země. Populární přednášky o fyzice. Sv. 35. SNTL, Praha, 1990. 176 s. KOVAŘÍK, V.: Anglicko-český a česko-anglický slovník dálkového průzkumu Země. 1. vyd., Vojenská akademie v Brně, Brno, 2001. 98 s. KRÁL, V.: Fyzická geografie Evropy. 1. vyd. Academia, Praha, 1999. 348 s. ISBN 80200-0684-2. LILLESAND, T.M., KIEFER R.W, CHIPMAN, J.W.: Remote Sensing and Image Interpretation. 5th Edition. John Willey & Sons, New York, 2004. 763 s. ISBN 0-47115227-7. LINDSEY, R., HERRING, D.: MODIS: Moderate-resolution imaging Spectroradiometer [online], [cit. 2010-02-25]. Dostupný na WWW: . MYNENI, R. B., et al.: LAI and FPAR [online], [cit. 2010-03-18]. Dostupný na WWW: .
45
MYNENI, R.B., et al.: MODIS Leaf Area Index (LAI) And Fraction Of Photosynthetically Active Radiation Absorbed By Vegetation (FPAR) Product (MOD 15). Algorithm Theoretical Basis Document [online]. 1999, Ver. 4.0 [cit. 2010-03-18]. Dostupný na WWW: . PAVELKA, K.: Dálkový průzkum Země 10: Operační systémy. 2. vyd. Vydavatelství ČVUT, Praha, 2004. 87 s. ISBN 80-01-03058-X. RUNNING S.W., et al.: Terrestrial gross and net primary production (GPP/NPP) global data set [online], [cit. 2010-03-19]. Dostupný na WWW: . RUNNING S.W., et al.: MODIS Daily Photosynthesis (PSN) and Annual Net Primary Production (NPP) Product (MOD 17). Algorithm Theoretical Basis Document [online]. 1999, Ver. 3.0 [cit. 2010-03-19]. Dostupný na WWW: . SKIDMORE, A.: Environmental modelling with GIS and remote sensing. 1st Edition. Taylor & Francis, Londýn, New York, 2002. 268 s. ISBN 0-415-24170-7. STRAHLER A., et al.: MODIS Land Cover Product. Algorithm Theoretical Basis Document (ATBD) [online]. 1999, Ver. 5.0 [cit. 2010-03-23]. Dostupný na WWW: . TOUKILOGLOU, P.: Comparison of AVHRR, MODIS and VEGETATION for land cover mapping and drought monitoring at 1 km spatial resolution [online]. 2007 [cit. 2010-0513]. Dostupný na WWW: . XIE, Y., SHA, Z., YU, M. Remote sensing imagery in vegetation mapping: a review. Journal of Plant Ecology [online]. 2008, vol. 1, no. 1, s. 9-23 [cit. 2010-05-09]. Dostupný na WWW: . ŢELEZNÝ, M.: Dálkový průzkum Země [online], [cit. 2010-05-04]. Dostupný na WWW: .
46
DALŠÍ ZDROJE Absolute Astronomy - Phenology: Facts, Discussion Forum, and Encyclopedia Article [online], [cit. 2010-05-03]. Dostupný na WWW: . Aqua Project Science - About Aqua [online], [cit. 2010-02-28]. Dostupný na WWW: . CLARK, R.N., et al.: Imaging Spectroscopy: Earth and Planetary Remote Sensing with the USGS Tetracoder and Expert Systems [online]. 2002, Ver. 12f [cit. 2010-03-15]. Dostupný na WWW: . Earth Observatory - Drought in Southern South America: Image of the Day [online], [cit. 2010-03-12]. Dostupný na WWW: . Earth Observatory - Gross Primary Productivity: Image of the Day [online], [cit. 2010-0318]. Dostupný na WWW: . Earth Observatory - Measuring Vegetation (NDVI & EVI) [online], [cit. 2010-03-15]. Dostupný na WWW: . Earth Observatory - Measuring Vegetation (NDVI & EVI) [online], [cit. 2010-03-16]. Dostupný na WWW: . Earth Observatory - Measuring Vegetation (NDVI & EVI) [online], [cit. 2010-03-16]. Dostupný na WWW: . Earth Observatory - MODIS Measures Fraction of Sunlight Absorbed by Plants: Image of the Day [online], [cit. 2010-03-18]. Dostupný na WWW: . Earth Observatory - MODIS Measures Total U.S. Leaf Area: Image of the Day [online], [cit. 2010-03-18]. Dostupný na WWW: . 47
Eyes in space map changing Congo rainforests [online], [cit. 2010-05-09]. Dostupný na WWW: . Google Maps [online], [cit. 2010-05-01]. Dostupný na WWW: . International Geosphere-Biosphere Programme - About IGBP [online], [cit. 2010-03-23]. Dostupný na WWW: . LP DAAC: ASTER and MODIS Land Data Products and Services [online], [cit. 2010-03-11]. Dostupný na WWW: . LP DAAC: ASTER and MODIS Land Data Products and Services - About LP DAAC [online], [cit. 2010-03-27]. Dostupný na WWW: . LP DAAC: ASTER and MODIS Land Data Products and Services - Get Data [online], [cit. 2010-03-28]. Dostupný na WWW: . LP DAAC: ASTER and MODIS Land Data Products and Services - MODIS Overview [online], [cit. 2010-03-11]. Dostupný na WWW: . LP DAAC: ASTER and MODIS Land Data Products and Services - MODIS Policies [online], [cit. 2010-03-27]. Dostupný na WWW: . LP DAAC - MCD12Q1 [online], [cit. 2010-03-23]. Dostupný na WWW: . Mapování vegetace s vyuţitím druţicových snímků [online], [cit. 2010-05-05]. Dostupný na WWW: . Mapy.cz [online], [cit. 2010-05-01]. Dostupný na WWW: . MARS: Monitoring Agriculture with Remote Sensing - JRC - European Commission [online], [cit. 2010-05-11]. Dostupný na WWW: . MODIS Website - Data [online], [cit. 2010-02-27]. Dostupný na WWW: .
48
MODIS Website - Design Concept [online], [cit. 2010-02-27]. Dostupný na WWW: . NASA’s Earth Observing System [online], [cit. 2010-02-25]. Dostupný na WWW: . NASA: TERRA (EOS AM-1) - About Terra [online], [cit. 2010-02-27]. Dostupný na WWW: . Terrestrial Biophysics & Remote Sensing Lab - MODIS Vegetation Index time series [online], [cit. 2010-05-03]. Dostupný na WWW: . Troskotovice - Vinohrad [online], [cit. 2010-05-01]. Dostupný na WWW: . Visible Earth: Europe MODIS Landcover [online], [cit. 2010-03-23]. Dostupný na WWW: . Víte, co je to fenologie? [online], [cit. 2010-05-02]. Dostupný na WWW: . Vloţení juliánských dat [online], [cit. 2010-03-30]. Dostupný na WWW: .
49
SEZNAM POUŢITÝCH ZKRATEK ASTER
Advanced Spaceborne Thermal Emission and Reflection Radiometer
AVHRR
Advanced Very High Resolution Radiometer
BLUE
viditelná modrá část elektromagnetického spektra
DMC
Disaster Monitoring Constellation
DN
Digital Number
DPZ
dálkový průzkum Země
EOS
Earth Observing System, systém pozorování Země
ESE
Earth Science Enterprise
EVI
Enhanced Vegetation Index
FPAR
Fraction Photosynthetically Active Radiation, podíl fotosynteticky aktivního záření
FTP
File Transfer Protocol
GIS
geografické informační systémy
GPP
Gross Primary Productivity, hrubá primání produkce
IGBP
International Geosphere Biosphere Programme
LAI
Leaf Area Index, index listové pokryvnosti
LP DAAC
Land Processes Distributed Active Archive Center
MARS
Monitoring Agriculture with Remote Sensing
MODIS
Moderate-resolution Imaging Spectroradiometer
MVC
Maximum value composite, algoritmus maximálních kompozičních hodnot
NASA
National Aeronautics and Space Administration
NDVI
Normalized Difference Vegetation Index, normalizovaný diferenční vegetační index
NIR
near infrared, infračervená část elektromagnetického spektra
RED
viditelná červená část elektromagnetického spektra
SR
Simple Ratio, jednoduchý poměrový vegetační index
VI
Vegetation Index, vegetační index
WIST
NASA Warehouse Inventory Search Tool
50
SEZNAM PŘÍLOH Příloha 1. Tabulka - Spektrální pásma radiometru MODIS s hlavními oblastmi jejich vyuţití (převzato z https://lpdaac.usgs.gov/lpdaac/products/modis_overview). Vysvětlivky: Band - pásmo Range nm - rozsah v nanometrech (nm) Range um - rozsah v mikrometrech (um) Key use - oblast vyuţití
Příloha 2. Mapa - Krajinný pokryv střední Evropy v roce 2008. Příloha 3. CD - „Mapování charakteristik vegetačního krytu obrazových dat MODIS - Mapy NDVI + animace“
51
Příloha 1
Příloha 2
