Hidrológiai Közlöny 2008 (88. évfolyam)
5. szám - Tamás János–Bozán Csaba: Idősors távvezérelt biomassza produktivitási adatok és a potenciális párolgás elemzése Békés megye térségében
47 Idősoros távérzékelt biomassza produktivitási adatok és a potenciális párolgás elemzése Békés megye térségében Tamás János 1 és Bozán Csaba 2 'Debreceni Egyetem Agrár- és Műszaki Tudományok Centruma, Mezőgazdaságtudományi Kar, Víz- és Környezetgazdálkodási Tanszék, Debrecen, 4032. Böszörményi út 138., tamas@gisserver 1 .date.hu 2Halászati és Öntözési Kutatóintézet, 5540- Szarvas, Anna-liget 8., bozancs(a), haki.hu Kivonat: A térben és időben gyorsan változó biomassza párolgási viszonyainak meghatározását nagy térségekre, a tényleges nagyfelbontású pontos adatok és ezek feldolgozási módszereinek hiánya jelentősen akadályozta. Az új generációs hiperspektrális műholdas szenzorok adatai eddig kevésbé ismert lehetőségeket biztosítanak a feladat megoldására. Vizsgálatainkban Békés megye területére vonatkozó, 7 éves idősor műholdas hiperspektrális adatainak (MÓDIS) felhasználásával matematikai eljárást mutatunk be a biomassza-változás értékelésére. A biomassza növekedés regionálisan térben és időben folytonos függvényekkel jól leírható. A bemutatott modell komponensei: a lineáris trend, a periodikus összetevő, az autoregresszív és a véletlen komponensek. A modell komponensek leválogatásával meghatároztuk és értelmeztük azok hatásait, így a hosszú távú klímahatást, az éves periodicitást, az egymást követő évjáratok autoregresszióját és a modell bizonytalansági tényezőjét. A hosszú távú klímahatások bizonytalansága a modellben jelentős, míg a periodikus és autoregresszív komponensek rövid és középtávú előrejelzések esetében már megbízható értéket adnak. Ismertetjük a Normalizált Vegetációs Index (NDVI) idő és térbeli változásaival összefüggő hatások, így a Potenciális Evapotranspiráció és a Levélfelület Index értékelésének eddigi eredményeit. Az általunk kidolgozott és alkalmazott módszer alkalmasnak látszik az eddigieknél sokkal pontosabb biomassza potenciál meghatározásának elvégzésére. Kulcsszavak: távérzékelés, multispektrális adatok, NDVI, LA1, PET. 1. Bevezetés, célkitűzés A földfelszín nagy tér- és időbeli felbontású, fizikai jellemzőinek hiperspektrális tényleges mérése és az adatok hozzáférése a távérzékelés ezredforduló utáni fejlődésével vált lehetővé. 2003-ban széles körű együttműködési megállapodás (Memorandum of Understanding, MOU) született az USA Mezőgazdasági Minisztériuma (U.S. Department of Agriculture, USDA) és az Amerikai Egyesült Államok Nemzeti Légügyi és Űrhajózási Hivatala (National Aeronautics and Space Administration, NASA) között, miszerint a NASA és az USDA Külföldi Mezőgazdasági Szolgálata (Foreign Agricultural Service, FAS) együttesen támogatják azt a projektet, mely a NASA Terra műholdjának MÓDIS (Moderate Resolution Imaging Spectroradiometer) adatait beépítik egy már meglévő döntéstámogatási rendszerbe (Production Estimates and Crop Assessment Division). Az 1999-ben a NASA által felbocsátott EOS-rendszert (Earth Observing System) képviselő Terra műhold, fedélzetén a MODIS szenzorral az eddigi meterorológiai műholdakhoz (pl.: NOAA-AVHRR-hez) képest egy korszerűbb, több csatornával és jobb térbeli felbontással és rendkívül rövid visszatérési ciklusidővel rendelkező leképező sugárzásmérő berendezés. A fent említett döntéstámogatási rendszer objektíven, aktuálisan és rendszeresen értékeli a globális mezőgazdasági termelés kilátásait az élelmiszer termelés biztonsága érdekében. A távérzékelt biomassza állapotát leíró vegetációs index adatokat összevetik egy referenciaként működő monitoring termesztési környezettel, ami alapján nyomon lehet követni a termesztési szezon fejlődését ( Tucker, 1985). A globális Normalizált Vegetációs Indexet (Normalized Difference Vegetation Index, NDVI) a MODIS adatokból állítják elő, mely a vegetáció állapotának tanulmányozására leggyakrabban használt mutató. A MODIS adatok alapján készített NDVI mutatók számos fejlesztési lehetőségeket mutatnak a vizsgálati területek fotoszintetikus kapacitásának vizsgálatában, ugyanis a növénytermesztési területekre nagy változékonyság jellemző egyaránt térben és időben. A növénytermesztő területek évről évre különböznek egymástól, köszönhetően a különböző termesztési intenzitásnak, agrotechnikának és a természeti hatásoknak, úgymint az aszálynak (Anyamba et ai, 1998, Tamás és Németh 2005). A változatos környezeti jellemzők folyamatos monitorozása elengedhetetlen a klímarendszer és a vegetáció közötti kapcsolat helyes megismerésében. Kern et al. (2007) vizsgálatai rámutattak arra, hogy a növénytakaró távérzékeléssel észlelt állapota és a helyi időjárási viszonyok között szoros összefüggés van, miszerint az évi átlagos NDVI szoros kapcsolatban áll az éves átlag-hőmérséklettel, illetve nemcsak a csapadék mennyisége, hanem annak időbeli eloszlása is jelentős hatással van az NDVI éves menetére és maximális értékére. A kutatásaink további célja a fentiek alapján, hogy meghatározzuk azokat a tényezőket, melyek jellemzik és egyben befolyásolják az NDVI értékét, azaz a növényi biomassza fejlődését. Ennek érdekében első lépésként az NDVI és a párolgás közötti összefüggéseket vizsgáltuk. 2. Adatok és módszer A 7 éves idősor (2001-2007) alap adatállományát a MODIS Terra távérzékelt adatainak havi periódusokra számított átlag NDVI értékekből állítottuk össze. Ezzel elkerülhetővé vált, hogy nagy felhőborítottság mellett adathiány lépjen fel. Térben Békés megye azonos vetületű, 250 m-es földi felbontású raszterét alkalmaztuk az idősor valamennyi időpontja esetében. A MODIS műhold hiperspektrális 36 csatornájából az NDVI számításhoz a vörös (RED = 620-670 nm) és közeli infravörös spektrumot (NIR = 841-876 nm) használtuk. (1) NDVI = (NIR - RED)/(NIR + RED) A két spektrális csatorna eltérése nagyon érzékeny a zöld növényi klorofill okozta abszorbanciára. Az NDVI értéke ± 1 között változik és magasabb NDVI érték kisebb mért relatív reflektanciával jár együtt az ezt érzékelő szenzorokban. Az alkalmazott modell lineáris trendet, periodikus összetevőt, autoregresszív és véletlen komponenseket tartalmaz. A modell komponensek leválogatásával meghatároztuk és értelmeztük azok hatásait, így a hosszú távú klímahatást, az éves periodicitást, az egymást követő évjáratok autoregresszióját és a modell bizonytalansági tényezőjét.
