Obrazy satelitarne z projektu Sat4Envi wsparciem dla rolnictwa

9 października 2020
F. Adele Payman on Unsplash
F. Adele Payman on Unsplash

Nowoczesne obserwacje satelitarne dają niespotykane dotąd możliwości w zakresie lokalnego (regionalnego) i globalnego monitorowania rolnictwa. Umożliwiają one oglądanie powierzchni Ziemi w rozdzielczości przestrzennej 10-20 metrów, z częstotliwością czasową rzędu 1-2 dni*. Dziś taki monitoring satelitarny prowadzi przede wszystkim Sentinel-2, ale zbierane przez niego informacje stanowią kontynuację poprzednich systemów satelitarnych wykorzystywanych na potrzeby rolnictwa, takich jak Landsat. Produkty tych programów, w postaci zdjęć i obrazów, są już dostępne w ramach projektu Sat4Envi, którego liderem jest IMGW-PIB.

AUTORZY:
Elżbieta Kuligowska, IMGW-PIB/Zakład Teledetekcji Satelitarnej
Bartosz Wieczorek, IMGW-PIB/Zakład Teledetekcji Satelitarnej

Dane z satelity Sentinel-2 umożliwiają określenie właściwości gleb i uwarunkowań w zakresie upraw rolnych oraz mapowanie aktualnego stanu rolniczych czynności uprawowych. Wszystko to pomaga badaczom oraz samym rolnikom w ocenie użyteczności gruntów, przewidywaniu ilości i jakości zbiorów w danym okresie, monitorowaniu zmian sezonowych i wprowadzaniu krajowych czy regionalnych systemów pomocy we wdrażaniu polityk zrównoważonego rozwoju. Obrazy z Sentinel-2 można również wykorzystać do szacowania zmian w produkcji rolnej i produktywności pastwisk – między innymi wywołanych suszą, a także monitorowania spadku produktywności ziemi i degradacji gleby w wyniku nadmiernej uprawy, wypasu lub niewłaściwego nawadniania. Mapy rolnicze pozwalają na niezależne i obiektywne szacowanie zasięgu upraw w danym kraju lub czasu trwania w nim sezonu wegetacyjnego, co może posłużyć do wsparcia działań na rzecz zapewnienia bezpieczeństwa żywnościowego na obszarach szczególnie pod tym względem wrażliwych.

Przykładem użytecznego dla tego typu analiz produktu jest kompozycja barwna RGB Agriculture tworzona z wykorzystaniem kanałów spektralnych czujnika MSI (Multispectral Instrument) znajdującego się na satelitach Sentinel-2. Warto na początek zaznaczyć, że mamy tu do czynienia z kompozycją barwną typu False Color. Różni się ona od bardziej „naturalnych” kompozycji True Color tym, że obraz powstaje na bazie barw dopasowanych do poszczególnych kanałów spektralnych obieranych przez satelitę. Ponadto dzięki zastosowaniu bliskiej i średniej podczerwieni uzyskuje się większe kontrasty (separację widmową pozyskanego obrazu), co ułatwia interpretację danych.

Kompozycja barwna RGB Agriculture pozwala na dokładne odwzorowanie szaty roślinnej: pola uprawne mają kolor wyraźnie zielony, goła ziemia – purpurowy, a roślinność nieuprawna – bardziej stonowane odcienie zieleni. Zastosowanie podczerwieni nie jest przypadkowe, ponieważ ułatwia śledzenie zmian wegetacyjnych. Wczesną wiosną pola uprawne przyjmują jaśniejszy ton zieleni, ponieważ charakteryzują się wyższym współczynnikiem odbicia promieniowania podczerwieni bliskiej niż prezentowane w odcieniach brązu lasy liściaste, na których jeszcze nie rozwinęły się liście. Ten wyraźny kontrast zanika z biegiem czasu, kiedy różne rodzaje roślinności liściastej są w pełni rozwinięte i przyjmują jasnozieloną barwę. Natomiast lasy iglaste przez cały rok pozostają w kolorze ciemnozielonym. Kompozycja ta pokazuje także wyraźnie różnice między pustymi polami uprawnymi a polami w zaawansowanym stadium uprawy. Ponadto, wspomagając się dodatkowymi kanałami spektralnymi, możliwe jest nawet rozróżnienie poszczególnych gatunków roślin. W kompozycji Agriculture dobrze wyróżnione są też sztuczne elementy obszarów miejskich czy ciągów komunikacyjnych, które mają niski współczynnik odbicia promieniowania, dzięki czemu widoczne są w barwach fioletu lub szarości.

Prezentowane przykłady kompozycji RGB Agriculture przygotowali naukowcy z IMGW-PIB w ramach projektu Sat4Envi. Podstawą do opracowania obrazów były zdjęcia z satelity Sentinel-2 zebrane w latach 2019-2020. Przedstawiono wyniki prac dla trzech różnych okresów w roku, tak aby uzyskać jak największe zróżnicowanie szaty roślinnej w różnym etapie wegetacji – zimą (6 grudnia 2019 r.), wczesną wiosną (9 kwietnia 2020 r.) oraz latem (2 sierpnia 2020 r.).

Zima 2019

Obraz RGB Agriculture z 6 grudnia 2019 roku

Na zdjęciu z 6 grudnia 2019 r. uzyskano bardzo wyraźny obraz pokrywy śnieżnej zalegającej w Tatrach i na polach uprawnych – odcienie cyjanu i ciemnoniebieskie (barwa zależy od kąta oświetlenia obszarów). Zakopane ma tu, zgodnie ze wcześniejszym opisem, barwę szarą. W miarę przesuwania się na północ dominować zaczyna kolor zielony i brązowy – to obszary leśne. Barwę ciemnozieloną przyjmują lasy iglaste, a brązową – liściaste, chociaż w tym przypadku bardzo trudno jest uchwycić różnice kompozycji kolorów dla pozbawionego listowia lasu i wilgotnego, niezarośniętego gruntu w tle. Na obrazie RGB Agriculture wyraźnie widoczny jest również zasięg naturalnych i sztucznych zbiorników wodnych – na przykład Jeziora Dobczyckiego – w kolorze ciemnogranatowym. Duże miasta – w tym Kraków – są głównie szare i fioletowe. Nie widać tu zbyt wiele śniegu, pojawia się on natomiast na wyżynach, na polach uprawnych na północ do Krakowa (w okolicach Skały i Słomnik, jak również w okolicy pasów startowych lotniska w Balicach (na wschód od Krakowa). Mimo zaawansowanej zimy widoczna jest także trawiasta płyta lotniska (kolor jasnozielony), od której wyraźnie odcinają się pasy startowe (obszary zurbanizowane, kolor fioletowy). Podobną, choć nieco bardziej intensywną, barwę zieleni przyjmują też krakowskie Błonia – wielka, trójkątna łąka leżąca w pobliżu centrum miasta. W samym Krakowie widoczne są też popularne kąpieliska – Bagry, Zalew Kryspinowski i Zalew Budzyński.

Dzięki wykorzystaniu specyficznych właściwości odbicia promieniowania w różnych pasmach spektralnych, uzyskujemy możliwość „wydobycia” szczególnego elementu obrazu, jakim są chmury na tle śniegu. W paśmie widzialnego zakresu światła zarówno chmury, jak i śnieg bardzo dobrze odbijają promieniowanie słoneczne o tym samym zakresie fali. Dla osoby nieznającej dobrze topografii terenu (np. rozmieszczenie pasm górskich) te elementy obrazu satelitarnego mogą być nie do odróżnienia (chmura i śnieg zlewa się w biały obszar). Wykorzystując kombinacje kolorów RGB, takie jak np. „Agriculture”, jesteśmy w stanie odróżnić „biel” chmury wodnej od „bieli” śniegu poprzez zastosowanie kanału podczerwieni średniej (kanał 11 dla MSI Sentinel-2). Jest to możliwe, ponieważ śnieg i lód bardzo silnie absorbują promieniowanie elektromagnetyczne, podczas gdy chmura wodna odbija je. Ta specyficzna właściwość pozwala odróżnić nisko zalegającą chmurę/mgłę w kotlinach górskich (na pograniczu Polski i Słowacji w południowo-wschodniej części charakteryzowanego obszaru) od miejsc wolnych od zachmurzenia, ale z zalegającym śniegiem.

Wiosna 2020

Obraz RGB Agriculture z 9 kwietnia 2020 roku

Na zdjęciu z 9 kwietnia 2020 r. najbardziej rzuca się w oczy brak śniegu – występuje on tylko w wyższych partiach górskich. Tatrzańskie piętra roślinne (regle) są w dużej mierze odsłonięte, podobnie lasy wokół Zakopanego i Nowego Targu – kolor ciemnozielony. Śnieg zalega jeszcze pomiędzy Nowym Targiem a Mszaną Dolną, w Gorczańskim Parku Narodowym (ciemna zieleń lasów i odpowiadający połaciom śniegu cyjan) – widać go m.in. na masywie Turbacza. Nie ma go natomiast w Puszczy Niepołomickiej (barwa zgniłozielona), zniknął też zupełnie z okolic Krakowa. Wokół Krakowa i Proszowic widzimy natomiast zarówno tereny silnie zabudowane (fiolet/szarość) jak i „puste” obszary w odcieniach brązu i różu – to prawdopodobnie ziemia zalegająca na polach uprawnych. Pojawiają się liczne obszary z początkiem wegetacji roślinnej w barwach jasnozielonych. W Krakowie jest to np. mały zielone kwadrat położony na północ od Błoń – to Park Jordana. Krakowski Las Wolski, podobnie jak Puszcza Niepołomicka, dopiero budzi się do życia – ma kolor zieleni zmieszanej z brązem. Pod tym względem znacznie różni się od wyraźnie ciemnozielonych lasów iglastych, co dowodzi, że zdjęcia RGB Agriculture znakomicie podkreślają różnice pomiędzy poszczególnymi gatunkami roślin – w tym przypadku drzew – dominujących na danym obszarze.

Lato 2020

Obraz RGB Agriculture z 2 sierpnia 2020 roku

Ostatnia kompozycja barwna została utworzona z danych zarejestrowanych 2 sierpnia 2020 roku. To niemal środek lata – widzimy, że śniegu w Tatrach praktycznie już nie ma. Na najwyższych szczytach gór występuje charakterystyczny kolor – magenta – odwzorowujący w tej kompozycji barwnej odsłonięte „nagie” skały. Wyraźne są natomiast poszczególnie piętra roślinne wysokich gór, a także pojedyncze, rzucające długie i ciemne cienie, białe chmury cumulus nad Tatrami. Chmury pojawiają się także nad Gorcami oraz wokół Tarnowa. Podobnie jak przy opisie obrazu dotyczącego okresu zimowego, tak i tu możemy scharakteryzować rodzaj widocznego zachmurzenia poprzez jego kolor. Chmury wodne piętra niskiego, takie jak niewielkie cumulusy widoczne nad Tatrami, Gorcami i innymi wyższymi partiami gór, przyjmują kolor biały. Chmury piętra wysokiego, jak obłoki widoczne w okolicach Tarnowa zbudowane z drobnych kryształków lodu, to kolor cyjanowy.

Wokół Zakopanego jest zielono – znajdują się tu pastwiska, brak jest natomiast dużej ilości pól uprawnych. Puszcza Niepołomicka i Las Wolski przybrały dojrzalsze, bardziej intensywne barwy zieleni – drzewa są tam pokryte liśćmi. Najwyraźniej okolice Krakowa i nie tylko dotknęła susza – trawa na terenie lotniska w Balicach, a nawet w części Parku Jordana i Błoń przybiera barwę brązu Uwagę zwracają również plamy w kolorze brązowym i różowym na północ od Krakowa – to pola uprawne, na których zebrano już plony. Dużo jest również obszarów z gołą ziemią (jasny fiolet) – tam także jest już po żniwach. Wciąż rosnących roślin uprawnych jest zatem o tej porze roku mało, ale i te pola nietrudno znaleźć – na zdjęciu są one pokazane w barwach jasnozielonych. Szaro-fioletowe „żyły” to obszary zabudowane i miejskie, koncentrując się wzdłuż dolin rzecznych.

Jak czytać obrazy RGB Agriculture

Przykłady zobrazowania poszególnych typów powierzchni na obrazach RGB Agriculture w różnych porach roku
Przykłady zobrazowania poszczególnych typów powierzchni na obrazach RGB Agriculture w różnych porach roku
Odwzorowaniu chmur i śniegu na obrazach RGB Agriculture w różnych porach roku
Odwzorowaniu chmur i śniegu na obrazach RGB Agriculture w różnych porach roku

* Częstotliwość czasowa 1-2 dni odnosi się do pozyskania obrazów w rozdzielczości przestrzennej [10-20 m] dla obszarów objętych monitoringiem przez wszystkie satelity ESA Copernicus misji Sentinel-1 [ścieżka zstępująca i wstępująca] oraz misji Sentinel-2 [tylko ścieżka zstępująca]. Dla przeważającej części obszaru Polski (ponad 80% powierzchni kraju) częstotliwość pozyskania obrazów tylko z satelitów misji Sentinel-2 wynosi 2-3 dni.


Zdjęcie główne: Adele Payman | Unsplash

(Visited 170 times, 1 visits today)

Don't Miss