Hidrológiai Közlöny, 2019 (99. évfolyam)
2019 / 4. szám
62 Hidrológiai Közlöny 2019. 99. évf. 4. sz. Az elmúlt két évtizedben a távérzékelés a mezőgazdasági aszály megfigyelésére és a terméshozam becslésére hasznos eszközként jelent meg, amely több hagyományos megoldást, mint például a szántóföldi kisérleteket vagy szimulációs modelleket egészíti ki. Elsősorban a repülőgépekre vagy műholdakra szerelt távérzékelésre használható szenzorokkal történik a felvétel, melyekkel egy régió minden egyes területének minden egyes pontja, minden termesztési évben potenciálisan detektálható (Lobell 2013). A távérzékeléssel történő terméshozam becslésére számos módszer ismert (Moulin és társai 1998, Gallego és társai 2010). A korai próbálkozások főleg az egyszerű vegetációs indexekre (VI) épültek, amelyeket a vörös (RED) és közeli infravörös (NIR) hullámhosszakon számítottak ki (Tucker 1979, Sellers 1987), a spektrum többi részét inkább a kifinomultabb mérésekre használták fel (Gitelson és társai 2003). A búza és a kukorica esetében a vegetációs indexek segítségével 80%-os biztonsággal megbecsülhető a termésveszteség (Wiegand és Richardson 1990, Shanahan és társai 2001, Nagy és társai 2018). Kutatások igazolják, hogy a terméshozam becslése nagy pontossággal lehetséges távérzékelési technikákkal (Tamás és Bozán 2009, Nagy és Tamás 2013, Tamás és társai 2015b, Becker- Reshef és társai 2010, Lobell és társai 2010). Vizsgálatunk célja egy olyan modellfolyamat kidolgozása volt, amely információt szolgáltathat a releváns aszályindexek és termésveszteségek hatékonyabb becslésére. Jelen tanulmányban az aszály hatásait távérzékelési módszerrel vizsgáltuk vízgyűjtőszinten. A modellfolyamat azonosítja azokat a rendelkezésre álló és legalkalmasabb távérzékelt adatokat és földrajzi információs rendszerek (GIS) transzformációs kalibrációs eszközeit, amelyekkel a távérzékelésre alapozott mezőgazdasági aszály megfigyelése és prognózisa megvalósítható. A kutatás során a földhasználati, talajfizikai, meteorológiai és a műholdas adatokat integráltuk be egy olyan modellbe, amelynek alkalmazásával lehetővé válik egy növényspecifikus aszálykockázat elemzés. A modellkészítés lépései az alábbiak voltak: adatgyűjtés és feldolgozás; biomassza adatok és aszálykockázati szintek azonosítása és kalibrációja, valamint aszály kockázatelemzés és térképezés (1. ábra). 1. ábra. Az alkalmazott modell fő lépései (NDVI: Normalizált Vegetációs Index, SDSS: térbeli döntéstámogató rendszer) Figure 1. The main steps of the applied model (NDVI: Normalized Vegetation Index, SDSS: spatial decision support system) Kutatás során vizsgált terület a Tisza vízgyűjtőterületén elhelyezkedő Békés, Borsod-Abaúj-Zemplén, Csongrád, Hajdú-Bihar, Heves, Jász-Nagykun-Szolnok és Szabolcs-Szatmár-Bereg megyék szántóterületei voltak. Hidrológiailag a Kárpát-medence egyike a Föld legzártabb medencéinek, a vizsgált alföldi régió pedig mérsékelten száraz, arid jellegű. A terület 72%-a szántóterület, emiatt jellemző rá az intenzív mezőgazdasági tevékenység. AZ ADATOK GYŰJTÉSE ÉS FELDOLGOZÁSA A Landsat (és a hozzá hasonló multispektrális műholdak, mint pl. SPOT) a legtöbb mezőgazdasági területről megfelelő térbeli felbontással szolgáltatott adatokat, azonban a 16 naponként készült felvételek között gyakori a felhőborítottság megjelenése, amely nehezebbé teszi egy vegetációs időszakon belül a felvételek megfelelő értékelését (Lobéi 2013). Másik probléma a hozam detektálásának pontosságában a térbeli felbontás. Reeves és társai (2005) 1 km-es MODIS adatokat használtak fel arra, hogy a búza hozamát Észak-Dakotában és Montanában megbecsüljék, viszont az átlagos farmméret (amely körülbelül 14-15 ha) kisebb a keieí-közép-európai régiókban, mint az USA-ban. Emiatt a mezőgazdasági termelés aszálymonitorozására, hozamcsökkenés megállapítására közvetlenül olyan adatsorok nem alkalmasak, mint a faPAR (Fraction of Absorbed Photosynthetically Active Radiation - Fotoszintetikusán aktív sugárzás elnyelési aránya) vagy az AVHRR (Advanced Very High Resolution Radiometer - speciális igen nagy felbontású radiométer) adatok, kicsi térbeli felbontásuk miatt (>lkm) (Gobron és társai 2009). Ebben a tanulmányban a távérzékelési adatok forrása a MODIS NDVI (MOD 13 16-napos) adatai voltak. A képeken 16 napos klorofill intenzitás és biomassza mennyiség eredményei figyelhető meg a felhőtlen, tiszta felvételeken. Ezenkívül a MODIS NDVI felvételeknek 250 m-es térbeli felbontása van, ami 6,25 ha/pixel-t jelent, ez az érték már elégséges lehet a kelet-közép-európai régióban a szántóföldi és regionális léptékű hozam monitorozására. Az NDVI kalibrációjára öt fő lépést hajtottunk végre: 1. MODIS adatok átszámítása, 2. adatsorok kiemeléséhez maszkolás kialakítása, 3. a MODIS NDVI idősorok kialakítása maszkokkal, 4. adat mátrixok kialakítása az NDVI képsorokból, 5. az NDVI adatmátrixok és a hozamadatok normalizálása. Az ArcGIS 10.2 szoftvert használtuk az NDVI felvételek feldolgozására és a modellek létrehozására. Először elkészítettük azokat a Boolean maszk rétegeket, amelyekkel a MODIS adatok kivághatóak. A nemzetközileg elérhető földhasználati CORINE Landcover (CLC) 2012. évi adatbázisa és a USGS Shuttle Radar Topography Mission (SRTM) digitális domborzati modellek adatai alapján leválogattuk az alföldi szántóterületeket (200 m tengerszint feletti magasságig). Ezután az NDVI adatok osztályozásával a lehetséges búza és kukorica termőterületek kerültek leválogatásra (2. ábra). A búza és a kukorica termőterületek szántó területekből való leválogatásához az adott év február végi (vagy márciusi, hótakaró függvényében) és július közepi MODIS NDVI adatait használtuk.
