Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "noaa avhrr" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Maska obszarów rolniczych dostosowana do monitoringu wzrostu roślin uprawnych w polsce przy użyciu szeregów czasowych NOAA-AVHRR
Agriculture mask for crop growth monitoring in Poland using NOAA-AVHRR time series
Autorzy:
Turlej, K.
Bojanowski, J.
Bartold, M.
Powiązania:
https://bibliotekanauki.pl/articles/130458.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
piksel
wskaźniki roślinne
teledetekcja
GIS
NOAA AVHRR
pixel
vegetation indices
remote sensing
Opis:
Low spatial resolution of the NOAA-AVHRR images causes that observation footprints of the pixels can overlay the surface of more than one land cover type. The pure signal can be obtained for pixels covering only one land cover class. The extraction of the vegetation index (e.g. NDVI) for one land cover class can be interfered by the presence of other classes within the surface covered by a pixel. Additionally, the inaccuracy of the geometric correction of satellite images can increase the possibility that analysed pixel covers different land cover type than could be expected based on the analysis of the land cover map overlaid on the satellite image. In this study, we presented a new agriculture mask for Poland developed from the CORINE Land Cover 2006 database. The mask of one-kilometre spatial resolution indicates the pixels of the NOAAAVHRR, which should be used for calculation of mean vegetation indices for regions (i.e. voivodeships or provinces). The proposed mask preserves the uniform spatial distribution of pixels within each Polish region. To validate the new mask, we calculated twelve-year-long time series (1997-2008) of Vegetation Condition Index and Temperature Condition Index of agriculture areas for each voivodeship in Poland. The newly received time series of voivodeships showed higher correlation with crop yield than when using the classical agriculture mask, which classifies a pixel as agricultural if at least 50% of its area is covered by the agriculture land.
Niska rozdzielczość przestrzenna materiału zdjęciowego NOAA-AVHRR powoduje, że często w obszarze jednego piksela znajduje się więcej niż jedna klasa pokrycia terenu. W przypadku, gdy odczyt wskaźnika roślinnego (np. NDVI) wykonywany jest z pikseli należących tylko do jednej klasy pokrycia terenu, otrzymywana wartość jest bardziej reprezentatywna. Natomiast, gdy w obszarze piksela znajduje się więcej niż jedna klasa pokrycia terenu, wartość wskaźnika dla określonej klasy jest zaburzana obecnością innych klas. Podobne błędy wynikają z niedokładności geometryzacji zdjęć. W niniejszym opracowaniu prezentowana jest metodologia utworzenia na podstawie bazy CORINE Land Cover 2006 warstwy tematycznej wskazującej piksele obrazów NOAA-AVHRR, które najlepiej służą do odczytów wartości wskaźników roślinnych z obszarów rolniczych. Proponowana metodologia pozwala na uzyskanie równomiernego rozkładu pikseli, dla których wykonywane są odczyty wartości wskaźników roślinnych dla obszaru Polski. Do oceny proponowanej maski pikseli rolniczych wyliczono wartości średnie wskaźników roślinnych VCI oraz TCI dla województw na podstawie bazy danych NOAA-AVHRR (1997-2008). Ciągi czasowe wskaźników, wykazały wyższą korelację z plonem zbóż dla proponowanej maski w porównaniu do maski o stałym progu 50%.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2013, 25; 233-242
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Satellite-derived vegetation indices for Biebrza wetland
Wskaźniki roślinne dla obszaru bagien biebrzańskich wyprowadzone ze zdjęć satelitarnych
Autorzy:
Dąbrowska-Zielińska, K.
Kowalik, W.
Gruszczyńska, M.
Hościło, A.
Powiązania:
https://bibliotekanauki.pl/articles/129631.pdf
Data publikacji:
2003
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
SPOT/VEGETATION
ERS-2/ATSR
NOAA AVHRR
vegetation index
ERS2/SAR
soil moisture
wskaźnik zieleni
ERS-2/SAR
wilgotność gleby
Opis:
The study has been carried out at the Biebrza Basin in Poland. The investigation aimed at finding the best vegetation index characterising different marshland habitats. The various indices were calculated on the basis of all considered spectral bands of low spatial resolution satellites as SPOT/VEGETATION, ERS-2/ATSR, and NOAA/AVHRR. The GEMI and EVI index calculated from SPOT/VEGETATION images was the best for distinguishing vegetation classes. The best correlation between LAI measured at the ground and the derived indices was with GEMI and EVI index. Soil moisture values calculated from ERS2/ SAR well characterised distinguished marshland humidity classes.
Biebrzański Park Narodowy został założony w 1993 roku w celu ochrony unikalnych walorów przyrodniczych bagiennej doliny rzeki Biebrzy. W wyniku panujących warunków wodnych oraz morfologii terenu na obszarze tym wykształcił się największy w Polsce ekosystem torfowisk niskich i wysokich. Na skutek zmian w użytkowaniu rolniczym oraz z powodu budowy kanałów odwadniających, ten unikalny naturalny ekosystem bagienny został zachwiany. Zmienione warunki wilgotnościowe doprowadziły do degradacji gleb torfowych i w konsekwencji do zmiany szaty roślinnej. Obecnie istnieje potrzeba monitorowania niekorzystnego dla środowiska procesu osuszania bagien, a jedynie możliwą do zastosowania na tak dużą skalę metodą, jest metoda teledetekcji. Badania skoncentrowano na obszarze zlokalizowanym w Basenie Środkowym Biebrzy, na którym do tej pory przeprowadzono wiele eksperymentów naukowych, i dla którego zgromadzono wiele informacji niezbędnych do realizacji niniejszego przedsięwzięcia. W opracowaniu uwzględnione zostały dane satelitarne i naziemne archiwalne pochodzące z lat 1995 i 1997 oraz dane otrzymane w trakcie trwania badań lat 2000–2002. Wykorzystano dane satelitarne otrzymywane w optycznym i mikrofalowym zakresie widma elektromagnetycznego. Z zakresu optycznego (Landsat ETM, ERS-2.ATSR, SPOT VEGETATION, NOAA/AVHRR) zostały wyznaczone wskaźniki roślinne charakteryzujące powierzchnię ze względu na stopień uwilgotnienia i fazę rozwoju roślin. Poprzez klasyfikację obszaru wyróżniono łąki na różnych rodzajach siedlisk. Klasyfikowane były zdjęcia wykonane przy użyciu skanerów Thematic Mapper (TM) i Enhanced Thematic Mapper (ETM+) pracujących na satelitach z serii Landsat oraz zdjęcia mikrofalowe wykonane przy użyciu urządzenia SAR umieszczonego na satelicie ERS-2. Przy klasyfikacji wykorzystano wyniki badań terenowych. Z danych mikrofalowych zarejestrowanych przez satelitę ERS-2 obliczono współczynnik wstecznego rozpraszania i wyprowadzono algorytmy wyznaczania wilgotności gleby. Wyznaczono również związek pomiędzy poszczególnymi klasami wilgotności gleby a wskaźnikami roślinnymi uzyskanymi z różnych satelitów oraz wyznaczono obszary, na których zaszły największe zmiany wilgotności. W wyniku przeprowadzonych analiz wybrano następujące wskaźniki roślinne: ARVI, EVI, GEMI, MI, NDVI, których wzory podane są poniżej: ARVI = ( NIR - BLUE ) / ( NIR + BLUE ) EVI = 2.0 * ( NIR - RED ) / ( 1 + NIR + 6 * RED - 7.5 * BLUE ) GEMI =⋅[η * ( 1 - 0.25η ) - ( RED - 0.125 )] / [ 1 - RED ], η = [ 2 * ( NIR2 - RED2 ) + 1.5 NIR + 0.5 RED ] / 9 NIR + RED + 0.5 ] NDVI = ( NIR - RED ) / ( NIR + RED ) MI = ( SWIR - RED ) / (SWIR + RED ) gdzie: ARVI – Atmospherically Resistant Vegetation Index, Kaufman i Tanre, 1992; EVI – Enhanced Vegetation Index, Liu i Huete, 1995; GEMI – Global Environment Monitoring Index, Pinty i Verstraete, 1992; MI –Medium Infrared Index, wyprowadzony przez autorów, 2002; NDVI – Normalized Difference Vegetation Index, powszechnie używany od dawna. Wskaźniki roślinne łączą dane teledetekcyjne z biofizycznymi charakterystykami powierzchni czynnej, a w szczególności z powierzchnią projekcyjną liści, akumulowaną radiacją w procesie fotosyntezy, biomasą, i gęstością pokrycia roślinnością. Istnieje duże zainteresowanie rozwijaniem i wprowadzaniem wciąż nowych indeksów ze względu na ich związek z wieloma cechami roślinnymi, a równocześnie nie czułych na osłabiający wpływ gleby i atmosfery. Pozostaje jednak nadal aktualne, jakie cechy roślin wpływają na wartość wskaźnika, dla jakich warunków dany indeks może być zastosowany, jak również z jaką dokładnością mogą być poszczególne parametry roślinne obliczane. Wskaźniki roślinne, ze względu na łatwość ich obliczania bez konieczności stosowania dodatkowych danych, znalazły zastosowanie w rolnictwie do prognozowania plonów, ustalania terminów nawodnień. Istotnym elementem pracy było znalezienie takich wskaźników roślinnych obliczanych ze zdjęć satelitarnych wykonanych w optycznym zakresie widma, które pozwoliłyby na dokładne szacowanie wskaźnika powierzchni projekcyjnej liści tzw. LAI. Wskaźnik ten jest niezbędny do szacowania wilgotności gleby ze zdjęć mikrofalowych, gdyż odzwierciedla szorstkość badanej powierzchni roślinnej. Analiza zmian wilgotności gleby umożliwiła wyznaczenie obszarów o zróżnicowanym uwilgotnieniu i opracowanie metody jej monitorowania na obszarach bagiennych. Najsilniejszą zależność otrzymano dla wskaźników EVI i GEMI obliczonych z danych satelitarnych SPOT VEGETATION (R2 = 0.81), najsłabszą dla wskaźnika GEMI obliczonego z danych NOAA/AVHRR (R2 = 0.41). Wyprowadzone na podstawie analizy statystycznej algorytmy o najwyższych korelacjach mogą być zastosowane do szacowania wskaźnika LAI dla roślinności bagiennej.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2003, 13b; 349-359
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies