Satelliidipiltide aegrea kaliibrimisest heleduse sesoonse käigu uurimiseks

1. Satelliidipiltide aegrea kaliibrimisest heleduse sesoonse käigu uurimiseks Tiit Nilson1, Tõnu Lükk1, Sandra Suviste2, Heidi Kadarik2 1Tartu Observatoorium 2Tartu Ülikool

2. Satelliidipiltide aegread võimaldavad uurida taimkattega seoses • Pikema-ajalisi muutusi e. trende, nagu suktsessioonilised muutused. Siiski praegu vaid maksimaalselt ca 20 a. ulatuses • Sesoonseid muutusi, kui pildid pärit vegetatsiooniperioodi eri ajahetkedelt. Antud töös vaatame just erinevate metsatüüpide heleduskordajate sesoonseid muutusi 9. mai 2000 31. mai 2002 6. juuni 2000 18. juuli 2002 29. august 1997

3. Tartu Observatooriumis olemas Järvselja ala Landsat TM ja SPOT piltide aegrida, alates 1986. aastast, kokku 25 pilti • Piltidele tehtud atmosfäärikorrektsioon, mille tulemusena on pildid taandatavad maapinnalähedase heleduskordaja ühikutesse • Saadud sesoonsed read on paraku hajuvad, peamiselt just sensori kaliibrimisandmete ja oluliste atmosfääri parameetrite (aerosooli optiline paksus, veeauru hulk jm.) ebausaldusväärsuse tõttu

4. Näide: Rabamännikute heleduskordajate aegread spektri rohelises, punases, lähedases ja keskmises infrapunases kanalis. Iga punkt esindab ühte pilti. Ajatelg, nn. fenoloogiline aeg Isegi fenoloogilise aja teljestikus on pilt väga hajuv. Kui võtta mõni teine metsatüüp, siis saame samuti hajuva graafiku. Veidi parem on olukord kanalites TM5 ja TM7. Erinevaid objekte võrreldes on selgesti näha, et mõne pildi heledused on teiste suhtes süstemaati-liselt üle või alla hinnatud

5. Kuidas siluda saadud aegridu, et neid saaks hakata uurima heleduse sesoonsete muutuste põhjuste kindlakstegemiseks? • Suurt lootust, et saame piltide atmosfäärikorrektsiooni kvaliteeti oluliselt parandada, ei ole • Vana tuntud meetod püsiva heledusega objektide kasutamiseks. Eestis raskusi selliste objektide leidmisega. Hakkame ka sellega tegelema (Sandra Suviste teema) • Proovime piltide kaliibrimiskoefitsiente muuta nii, et read muutuksid siledamaks • Kasutame selleks eeldust, et mõnede objektide heleduse aegread peaksid fenoloogilise aja teljestikus olema siledad • Millised objektid selleks valida?

6. Konkreetne näide • Valime metsad objektideks, mille heleduskordajate sesoonsed käigud esitatuna fenoloogilise aja teljestikus peaksid olema piisavalt siledad, seda kõigis Landsat TM kanaleis (välja arvatud TM6). Eeliseks olemasolevate metsanduslike andmebaaside ja paketi PixelWin kasutamise võimalus • Neil objektidel peaks olema enam-vähem kindel sesoonne käik, muutuste kiirus võiks oleneda vaid temperatuuride summast. Ilmselt sobivad paremini heaboniteedilised metsad, kus limiteerivaid faktoreid vähe. Ka rabamännikud, mis esindavad muutustele vähe alluvaid ökosüsteeme. • Antud näites valime silumiseks Järvselja andmebaasist • Heaboniteedilised kuusikud (kokku 57.3 ha) • Heaboniteedilised kaasikud (69.9 ha) • Heaboniteedilised männikud (22.7 ha) • Rabamännikud (436 ha) –esindab heledamat objekti • Valikust on välja jäetud noorendikud ja hiljuti raiutud metsad

7. Pildi kaliibrimiskordajate parandamine • Paneme valitud objektide heleduse aegreast läbi sileda kõvera (kas polünoomi või splaini) ja arvutame hälbe tegelike heleduskordajate ja sileda kõvera vahel • Leiame järjest igale pildile uued kaliibrimiskordajad (tõusu b ja vabaliikme a) nii, et ruutkeskmine hälve üle valitud objektide oleks minimaalne • Parandatud kordajate a ja b leidmiseks saab tuletada lihtsa valemi (vähimruutude meetodil)

8. Valemid parandatud kordajate bijja aij arvutamiseks DNijk on i-nda pildi j-nda kanali k-nda objekti keskmine heledus DN ühikutes, Rsmijk on vastav silutud heleduskordaja.

9. Kuidas kaliibrimiskordajate parandamise tulemusena muutuvad valitud 4 objekti aegread? Heaboniteedilised kaasikud Enne silumist Pärast silumist

10. Enne Pärast

11. Rabamännikud enne silumist

12. Rabamännikud pärast silumist

13. Kuidas silumine mõjutas teiste taimkatte tüüpide sesoonseid heleduskõveraid?

14. Hea- ja kehvaboniteediliste kaasikute võrdlus. Silutud read

15. Männikute võrdlus. Silutud read

16. Kuusikute ja lepikute võrdlus Lepikud on kaunis sarnase heledus- kordajaga kui hea- boniteedilised kaasikud

17. Puudeta madalsoo sesoonsed käigud Eristatud on kuivad (<30m) ja märjad (>30m) aastad, vastavalt veetaseme kõrgusele Emajõe suudmes Praagal

18. Problemaatilised asjad • Kas valitud objektide korral võime ikka nõuda sesoonsete kõverate siledust? Sellega võime välja siluda mõnede faktorite mõju. Absoluutset siledust nõuda ei saa kasvõi seetõttu, et astronoomiline ja fenoloogiline aeg ei käi päris sünkroonselt • Tulemus oleneb valitud siledate kõverate kujust, mis mõnevõrra subjektiivne • Silutud reast kipuvad välja langema SPOT pildid, eriti SPOT3. Tõenäoline põhjus - veidi erinev päikese kõrgus • Aegrea esimese punkti asukoht on problemaatiline

19. Kui väikese metsa heleduse sesoonset käiku tasub veel jälgida? • Silumiseks valitud objekti kogupindala peab olema piisavalt suur. Järvseljal sobib selleks hästi rabamännik, mida pindalaliselt palju • Kui jälgida silutud aegreas mingi konkreetse metsa heleduse ajalist (sesoonset) käiku, siis peab see mets olema piisavalt suure pindalaga, et piltide paikapööramisest ja võimalikust naabruse muutusest tingitud mõjud oleksid väikesed. Alates ca 5 ha suurusest on mõtet hakata uurima ajalisi muutusi. Siit ka järeldus näiteks hooldusraiete jm. väikeste muutuste uurimiseks.

20. Järeldused • Silumise tulemusena on saadud arvestatava kvaliteediga heleduskordajate sesoonse käigu kõverad, mida saab juba hakata analüüsima. Näiteks, võrreldes neid mudelarvutuste tulemustega, saame välja selgitada peamised faktorid, mis kujundavad sesoonse käigu (puurinde ja rohurinde LAI, lehtede klorofülli- ja veesisaldus, Päikese kõrgus) ja nende kvantitatiivse mõju • Silumine toob paremini esile mõnede metsa- ja sootaimestiku tüüpide puhul aastast aastasse toimuvates heleduse muutustes teiste faktorite mõju, nagu on seda Emajõe Suursoo puhul veetaseme kõrgus Praagal