Bekő László 1 – Lukácsy György 2 – Hunyadi Gergely 3
Szőlő termőhely térképezés légi távérzékelt felvételek alkalmazásával Vineyard Mapping Using Aerial Remote Sensing Imagery
[email protected] Róbert Főiskola, Távérzékelési és Vidékfejlesztési Kutatóintézet, kutató 2 Budapesti Corvinus Egyetem, Szőlészeti Tanszék, egyetemi adjunktus 3 Envirosense Hungary Kft, kutató mérnök
1Károly
Összefoglalás Napjainkban egyre nagyobb teret nyernek a korszerű légi távérzékelési technológiák által szolgáltatott adatok és információk a különböző termőhely térképezési feladatokban. A szőlő termőhelyek különböző szerkezeti és környezeti paraméterei nagymértékben befolyásolják a rajtuk termesztett szőlő minőségét. Ezen környezeti tényezők becslése hagyományos módszerekkel meglehetősen nehézkes, illetve a meglévő adatbázisok sok esetben elavultak, felújításra szorulnak. A Károly Róbert Főiskola, Távérzékelési és Vidékfejlesztési Kutatóintézete által alkalmazott aktív és passzív légi távérzékelési technológiák által szolgáltatott széles körű információk jól alkalmazhatók a szőlő termőhelyek különböző szerkezeti és biofizikai változóinak becslésére. Jelen tanulmányunkban a különböző légi adatgyűjtési alkalmazásokkal készített felvételeket és azok felhasználásának lehetőségeit mutatjuk be a Tokaj Kereskedőház Zrt. által elindított komplex ültetvény és termőhely felmérési munkában.
Kulcsszavak: légi lézerszkennelés, hiperspektrális felvételezés, magasság modell, szőlőparcella
BEVEZETÉS
A szőlő termőhelyek környezeti tényezői, mint a parcellák elhelyezkedése, tájolása, tengerszint feletti magassága, térbeli változásai hatással vannak a rajta termelt szőlő minőségére és a termésmennyiség alakulására (Hall, E. et.al. 2002). Sok esetben egy nagyobb szőlőparcellán belül lévő azonos korú, fajtájú és művelési módú szőlő produktivitását nagymértékben befolyásolják a topográfiai tényezők változásai, a talaj fizikai és kémiai jellemzői, valamint a mezoklimatikus hatások is (Bramley, R.G.V.–Hamilton, R.P. 2004). A szőlő termőhelyi tulajdonságokat jellemző változók térképezése jelentős mennyiségű alapadatot igényel és ezeknek az adatoknak a hagyományos módon történő előállítása időigényes és drága lehet (Hall, E. et.al. 2002). A meglévő termőhelyi térképek sok esetben elavultak, méretarányaik kicsik a rendkívül elaprózódott parcellák tulajdonságainak a meghatározásához, ezért felújításra szorulnak. A távérzékelés, mint adatnyerési módszer és a hozzá kapcsolódó eszközök rendszere, továbbá az ilyen módon nyert adatok kiértékelésének technológiája az első meteorológiai és erőforráskutató műholdak megjelenésétől napjainkig gyors ütemben fejlődik. A távérzékelés megjelenése óta eltelt több évtizedes kutatómunka és gyakorlati alkalmazások során kapott eredmények bizonyítják, hogy a távérzékelés a leghatékonyabb eszköz a természeti erőforrások felmérésében és a változások nyomon követésében. A passzív távérzékelési technológiák közül a hiperspektrális légifelvételezés a látható tartományon kívül a közeli infra-vörös tartományban is képes adatot rögzíteni. Az ilyen technológiával készített felvételek nagy információ tartalmúak, a csatornák keskenysávúak és
33
33
folyamatos spektrumot tartalmaznak. Egy-egy felvétel akár 100 vagy akár több száz csatornát is tartalmazhat, szemben a multispektrális adatok 4-8 csatornájával. Az ilyen felvételek lehetőséget biztosítanak olyan anyagi vagy biofizikai tulajdonságok meghatározására is, amelyek a hagyományos módszerekkel nem lehetségesek. Ez annak köszönhető, hogy egy hiperspektrális szenzor jóval szélesebb hullámhossztartományban gyűjt adatokat, így az emberi szem számára nem látható tartományokat is tartalmaz. Ezen technológiák nagy területről, gyors és összefüggő megfigyelés lehetőségét kínálják. A hiperspektrális szenzorok által szolgáltatott gazdag spektrális információk, lehetővé teszik akár faji szintű felismerést, továbbá a különböző biofizikai indexek segítségével a növényborítás egészségi állapotára is lehet következtetni (Clark et.al., 2005; Underwood et.al., 2007). Az aktív technológiával működő légi lézerszkennelés során létrejött több millió pontot tartalmazó pontfelhőből a különböző felszíni objektumokat reprezentáló koordináták leválogathatóak. Az így létrehozott különböző pontosztályokból nagy pontosságú felszínmodellek interpolálhatóak, melyekből további származtatott információk nyerhetőek ki. A korszerű aktív és passzív távérzékelési eljárásokkal készített felvételek digitális feldolgozása és elemzése során előállíthatóak azok az alapadatok (pl.: sortávolság, sortájolás, sorközművelés, vagy tőkehiány stb.), melyek a szőlő termőhelyek és parcellák elhelyezkedéséről, méretéről, környezeti jellemzőikről, parcellán belüli változékonyságról szolgáltatnak információt. Az így előállított információk hozzájárulhatnak a termesztési gyakorlathoz, valamint a szőlőterületek egészségi állapotának felméréséhez is (Montesinos Aranda, S.–Quintanilla, A. 2006). Számos szőlőterületekkel kapcsolatos távérzékelési tanulmány (Lamb et.al. 2004; Zarco–Tejada et.al. 2005) használja az alacsony térbeli felbontású multispektrális műholdfelvételek adatait növényi állapot vizsgálatokra. A Tokaj Kereskedőház Zrt. egyedüli állami tulajdonú borászatként egy komplex ültetvény állapot és termőhelyi potenciál felmérést indított el a Tokaji borvidéken, mely hazánk legészakibb termőhelye, a Tokaj-Zempléni hegyvidék agroökológiai körzetben alakult ki, ahol a szőlőtermelés 5500 hektáron folyik, és a termesztésre alkalmas területek meghaladják a 11000 hektárt (Lukácsy et.al. 2014). Jelen munkánkban a Tokaj Kereskedőház Zrt. által indított komplex ültetvény és termőhely felmérési munka keretében, a Károly Róbert Főiskola Távérzékelési és Vidékfejlesztési Kutatóintézete által készített légi multiszenzoros felmérésekből származó adatokat mutatjuk be. Megvizsgáljuk, hogy a különböző légi adatfelvételező rendszerekkel készített felvételek és az azokból előállítható információk, milyen módon alkalmazhatóak egy komplex termőhely térképezési rendszerben. Bemutatjuk az alkalmazott technológiákat, az eddig elkészített légifelvételek főbb paramétereit, illetve az ezekből előállítható különböző mutatókat is.
ANYAG ÉS MÓDSZER
Kutatóintézetünk a Tokaj Kereskedőház Zrt. megbízásából 2013-as évtől kezdve készít légifelvételeket a Tokaji borvidék területéről. Ezek az adatgyűjtések a ténylegesen szőlővel borított területeken kívül a borvidék tágabb környezetéről, a korábban felhagyott és potenciálisan szőlőtermesztésre alkalmas területeket is magába foglalják (1. ábra).
34
1. ábra A légi felmérés célterülete A célterületről készített felvételeket két csoportba oszthatjuk, az egyik a fotografikus szenzorrendszerrel készített nagy geometriai felbontásra képes, négy spektrális csatornát tartalmazó ortofotók, illetve a széles spektrális tartománnyal rendelkező, akár több száz különálló csatornát tartalmazó hiperspektrális felvételek. Intézetünk légi hiperspektrális adatfelvételezésre finn gyártmányú, Aisa FENIX 1K típusú hiperspektrális szenzort (www.specim.fi) alkalmaz CESSNA C-206 "Skywagon” típusú repülőgépbe építve (2. ábra). Az Aisa FENIX 1K „topof-the-range” (380 – 2500 nm spektrális tartomány) szenzor a teljes spektrális tartományban, 1024 pixel szélességben képes légi adat felvételezésre. A szenzor több, mint 600 csatorna rögzítésére alkalmas, a terepi (geometriai) felbontás a repülési magasságtól és a szenzor beállítástól függően 0,5-3m között, míg a radiometriai felbontást is 1,75-7nm között változhat. A repülőgép különböző irányú mozgásait, valamint a direkt georeferenciához szükséges pozíció adatokat nagy pontosságú Oxford OxTS3003 GNSS/INS rendszer rögzíti.
2. ábra Alkalmazott hiperspektrális szenzor és a hordozó repülőgép
Az alkalmazott szenzorrendszerek másik csoportja a digitális képet létrehozó lézerszkennelés (LiDAR), melynek az eredménye a három dimenziós pontfelhő, melyben minden pontnak van x,y,z koordinátája. A főiskola lézerszkennelése Leica ALS70-HP típusú eszközt alkalmaz (3. ábra). Az rendszer egy kifejezetten nagy magasságból és nagy pontossággal végrehajtott terepi felmérésekhez kifejlesztett légi lézerszkenner, mely közös, stabil platformra van építve a Leica RCD30 típusú 60 MP felbontású mérőkamerával, amely a légi lézerszkenneléssel egy időben képes a felvételezésre. Az adatgyűjtő rendszer egy kétmotoros Piper Aztec típusú repülőgépbe van építve.
35
35
3. ábra Alkalmazott LiDAR valamint digitális mérőkamera rendszer és a hordozó repülőgép
A hiperspektrális felvételek radiometriai és geometriai korrekciója után a látható és közeli infravörös (VNIR) tartományú felvételekből, a termőhelyen található szőlők minőségi tulajdonságait és fajtaösszetételét vizsgáltuk a különböző biofizikai változókon és irányított osztályozási módszereken keresztül. A rövid hullámú-infravörös (SWIR) felvételeket a talajparaméterek becslésére alkalmaztuk. A lézerszkennelt pontfelhő feldolgozása utána nagy raszterfelbontású magassági modelleket deriváltunk, melyekből további származtatott adatokat állítottunk elő. A nagy felbontású ortofotókat, a kiválasztott spektrumokat, valamint a magassági modellekből készített normalizált digitális felszín modellt (nDSM=DSM-DTM) objektum alapú képkiértékeléssel a szőlősor szintű paraméterek becslésére használtunk fel. Az elkészített légifelvételek főbb paramétereit az 1. táblázat szemlélteti.
1. táblázat A légifelvételezések főbb paraméterei LiDAR, ortofotó Szenzor Leica ALS70HP
Hiperspektrális Aisa Fenix1k 1000-2450 380-1000 nm nm
4 pont/m2
Szenzor Spektrális tartomány Spektrális mintavételezés Csatornaszám Terepi felbontás Sávok közötti átfedés Előfeldolgozás
2,5 pont/m2
Mozaikkészítés
ENVI 5.0
Vertikális pontosság
0,06 m
Felvételezés időpontja
Vegetációs időszak Vegetációs időszakon kívül
Látószög (FOV) Sávszélesség
50° 1000 m
Szenzor (orto) Terepi felbontás (GSD) Csatornák száma Sávok közötti átfedés Képkockák közötti hossz átfedés Átlagos pontsűrűség Átlagos pontsűrűség nadírban
Leica RCD30 12 cm 4 (R G B NIR) 20% 60%
3,5 nm
6,3 nm 420 1m 25%
CaliGeoPRO
Az adatok térinformatikai feldolgozását és elemzését Esri ArcGIS 10.2 és ENVI/IDL 5.0 szoftverekkel végeztük. Az objektum alapú műveleteket Trimble eCognition 8.8 szoftverrel hajtottuk végre.
EREDMÉNYEK
36
A légifelvételek feldolgozása, minőségellenőrzése és geometriai pontosságának vizsgálata után az első feladat a borvidéken található, ténylegesen szőlőtermesztésbe vont területek, parcella szintű meghatározása volt. A parcellák körvonalát félig automatikus objektum alapú képkiértékeléssel végzetük, mely során a területnövelő módszert alkalmaztuk. A folyamatba a magassági adatokat, illetve a belőle előállított további rétegeket, valamint a hiperspektrális felvétel kiválasztott spektrumait és a számított NDVI réteget alkalmaztuk. A kapott eredményt a dűlőtérképekkel validáltuk és manuálisan ellenőriztük. Az eredményül kapott vektorgrafikus réteg a ténylegesen művelt szőlőparcellákat jelölte (4. ábra). Ezen kívül természetesen nagyobb térbeli egységet vizsgálatunk, melyek tartalmazták a felhagyott, illetve a termesztésre potenciálisan alkalmas területeket is.
4. ábra Szőlőparcella vektorgrafikus réteg és egy nagyított részlete
A parcellák területe rendkívül változatos képet mutat, az átlag méret 1,1 ha, a legnagyobb egybefüggő parcella mérete több mint 30 ha, míg a legkisebb kiterjedésűé alig éri el a 0,1 ha-t. A távérzékelt adatok alapján meghatározott, ténylegesen megművelt szőlőparcellák mérete összesen 5307 ha. A parcellákban elhelyezkedő szőlőterületek biofizikai állapotát meghatározó széles és keskenysávú vegetációs indexeket számítottunk a hiperspektrális felvétel maghatározott hullámhosszú csatornáiból (pl.: Foto-kémiai Reflektancia Index, Karotin Reflektancia Index, Fotoszintetikusan Inaktív Pigmentek Indexe, stb.). Az adatok előállítsa során két részre tagolódnak a rétegek. Az egyik oldalon egy komplex rendszerbe integrálható 25x25 méteres rácshálóra átlagolva készülnek el a különböző biofizikai és szerkezeti mutatók, mint például a LiDAR adatokból előállítható tengerszint feletti magasság, kitettség, lejtőszög, fagyzugos vagy lefolyástalan területek. Az ilyen módon, logikailag egymás alá rendezett rétegek komplex geoadatbázisban kezelve minden egyes pixelről sokoldalú információt szolgáltathatnak a gazdálkodóknak. Az általános, átfogó információk mellett, a parcella szintnél részletesebb paraméterek térképezését is elvégeztük. A nagy geometriai felbontású ortofotó vörös csatornáján elvégzett élkiemelés során kapott réteget vontuk be a szegmentálási eljárásba. A művelet során létrejött parcellánkénti objektumokat az ortofotó vörös és infravörös csatornájából transzformált NDVI értékekkel osztályoztuk. A határ feletti NDVI értékkel rendelkező szegmenseket minősítettük szőlősornak, melyből szőlősor borítottságot és egyéb szőlősor paramétert tudtunk előállítani (5. ábra).
37
37
5. ábra Szőlősorok azonosítása (1. kép: LiDAR adatokból számított nDSM modell, 2. kép: ortofotóból számított NDVI térkép, 3. kép vektorgrafikus szőlősor réteg)
A szőlősor detektáláson túl fontos volt a Kereskedőháznak, illetve a a Kereskedőházzal kapcsolatban levő szőlőtermesztőknek is a hiányzó tőkék detektálása, illetve azok aránya az egyes sorokban, parcellákban. A sorfolytonosság kimutatásához a légifelvételekből kinyert sor szegmenseket használtuk fel, a nagymértékű tőkehiányokat már a szegmenstérképen azonosítani lehetett vizuális interpretációval, de az egy vagy adott esetben két egymást követő hiányzó tőkét már nem. Ilyen esetekben szükség volt referencia szőlősor létrehozására, mely az adott sor kezdő és végpontját összekötő vektor volt. Miután félig automatikus módszerrel elkészítettük ezeket a sor vektorokat, a két réteg metszetéből tudtuk meghatározni a tőkehiányokat (6. ábra). Mivel a borvidéken több millió szőlősor található, ezért ezen adatok terepi kontrollmérésekkel történő validálása még jelenleg is folyamatban van.
6. ábra Szőlőtőke hiány detektálása (a tőkehiány piros színnel jelölve)
Az alaprétegek előállítása utána az egyes parcellák nyitottságát határoztuk meg távérzékelt adatokból. Ez azt jelenti, hogy egy parcella mennyire van beárnyékolva mesterséges vagy természetes objektumokkal (pl.: fasor, domboldal, épület stb.). Ezen paraméter meghatározásához a lézerszkennelésből származó magassági adatokat, valamint az ezekből előállított, az egyes mesterséges és természetes objektum földfelszíntől számított magasságát reprezentáló normalizált digitális felszínmodellt, lejtőszög térképet, valamint a hiperspektrális felvételből számított növényborítás réteget alkalmaztuk. Az eredményül kapott mutatószám határozta meg az egyes parcellák, illetve nagyobb parcelláknál a percella részletek zártságát vagy nyitottságát (7. ábra).
38
7. ábra Egy minta parcella nyitottságának meghatározása (a percella a kiszámított érték szerint közepesen nyitott)
KÖVETKEZTETÉSEK
Kutatásunk során bebizonyosodott, hogy a korszerű távérzékelési módszerek a mezőgazdasági monitoring eljárások mellett jól alkalmazhatóak szőlő termőhely térképezésben is. A légi adatgyűjtési módszerek a hagyományos terepi adat felvételezéssel szemben, nagy területről gyors és széleskörű adatnyerést tesznek lehetővé, mely adatok feldolgozásával sokoldalú paraméterek becsülhetőek az egyes szőlő termőhelyekre. A termőhelyi méreten túl akár parcella, szőlősor vagy tőke szintű mennyiségi és minőségi mutatók is becsülhetővé válnak. A bemutatott technológiák és adafeldolgozó, elemző módszerek segítségével előállíthatóak azok a rétegek, melyek egy komplex termőhely értékelő rendszerbe illeszthetőek. A szőlősorok detektálására és kinyerésére kidolgozott módszer megfelelő megbízhatósággal működik, de a tőkehiány pontos detektálásához szükséges referencia szőlősorok létrehozásának metodikáját még fejleszteni kell.
KÖSZÖNETNYILVÁNÍTÁS
A kutatás az Európai Unió és Magyarország támogatásával a TÁMOP-4.2.2.D-15/1/KONV-2015-0010 azonosító számú „Távérzékelési és zöldenergia témájú célzott komplex alapkutatási programok előkészítése, hálózatosodás és felkészülés nemzetközi programokban és kezdeményezésekben való részvételre” című projekt keretei között készült el.
IRODALOMJEGYZÉK Bramley, R. G. V. – Hamilton, R. P. (2004): Understanding variability in winegrape production systems, Australian Journal of Grape and Wine Research, 10(1), 32–45. Clark, M. L., – Roberts, D. A., – Clark, D. B. (2005): Hyperspectral discrimination of tropical rain forest tree species at leaf to crown scales. Remote Sensing of Environment, 96, 375−398. Hall, E. – Louis, J. – Lamb, D. (2003): Characterising and mapping vineyard canopy using high-spatial-resolution aerial multispectral images, Computers and Geosciences 29, 813-822
39
39
Lamb, D. W. – Weedon, M. M. – Bramley, R. G. V. (2004): Using remote sensing to predict grape phenolics and colour at harvest in a Cabernet Sauvigon vineyard: timing observation against vine phenology and optimising resolution, Australian Journal of Grape and Wine Research 10 (1), 46–54. Lukácsy Gy. – Tombor A. – Goreczky A. – Nagy L. – Szabó J. – László P. – Burai P. – Bekő L. – Jung A. – Kristóf D. – Bisztray Gy. D. – Báló B. (2014): Evaluation of state of vineyards and characterization of vineyard sites of the integrated area of Tokaj Kereskedőház Ltd. in Tokaj region, TERROIR KONFERENCIA – Tokaj, Eger (2014. július 7-10.) Montesinos Aranda, S. – Quintanilla, A. (2006): “BACCHUS”: methodological approach for vineyard inventory and management, European Commission DG Research, 29. 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, 63−83. Zarco-Tejada, P. J. – Berjon, A. – Lopez-Lozano, R. – Miller, J. R. – Martin, P. – Cachorro, V. – Gonzalez, M. R. – De Frutos, A. (2005): Assessing vineyard condition with hyperspectral indices: Leaf and canopy reflectance simulation in a row-structured discontinuous canopy, Remote Sensing of Environment 99, 271–287.
40
