4/2007

artiklid
Kvantitatiivne kaugseire pakub tulevikuvõimalusi

25. septembril peeti Tartus Põhjamaade kaugseireteadlaste seminar. Mis on kvantitatiivsed meetodid? Kas neist võiks olla kasu ka metsandusele ja loodushoiule?

Järvselja metsad pildistatuna fotoaparaadiga linnulennult.
DIGITAALSETELT SATELLIIDIPILTIDELT SAAB MITMEKESIST TEAVET
Aerofotograafia kui praegusaja kaugseire eelkäija on olnud metsameestele abiks juba aastakümneid. Tehnika arengu tõttu on aerofotokaamerad nüüdisajal muutumas digitaalseteks, ühtlasi on lennukitelt juba edukalt proovitud lasersondeerimise (lidarite) tehnikat, mille üks rakendusi on puude kõrguste mõõtmine. Peale selle on maalähedastel orbiitidel tiirlemas hulgaliselt satelliite, millele paigutatud aparatuur võimaldab samuti pildistada maapinda ja ka metsi. Satelliitidele paigutatud mitut laadi kaamerad ehk skannerid erinevad pildistatava pildivälja suuruse, lahutusvõime (pildielemendi ehk piksli), kasutatavate spektripiirkondade ehk värvide valiku ja nende arvu, maapinna suhtes vaatenurga jms. poolest. Kosmosesse paigutatud aparaatidega tehtud pilte nimetame satelliidipiltideks. Praegusel ajal salvestatakse peaaegu kõik kosmosest ja lennukitelt tehtud pildid digitaalkujul, nii et lihtsustatult saab satelliidipilte ette kujutada samasugustena kui tavalise digikaameraga tehtud fotosid. Neid pilte saab niisamuti teha visuaalselt nähtavaks arvuti ekraanil, aga nendega saab teha ka palju enamat. Eriti siis, kui pilte on võimalik teisendada füüsikalistesse ühikutesse, mille abil saab näiteks üheselt iseloomustada mingi puistu heledust. Nüüdisajal on üha enam arenenud suund, kus satelliidipiltidelt püütakse ka üht-teist mõõta, mitte üksnes vaadelda.

FÜÜSIKALISTESSE ÜHIKUTESSE TEISENDAMISE KAKS ETAPPI
Kvantitatiivsed meetodid kaugseires kasutavadki just füüsikalistesse, energeetilistesse ühikutesse teisendatud pilte. Ka tavalise digikaamera pilti oleks põhimõtteliselt võimalik mõningate mööndustega teisendada füüsikalistesse ühikutesse, aga seda ei lähe tavatarbijal pildi vaatamiseks vaja.
Pildi füüsikalistesse ühikutesse teisendamine koosneb tavaliselt kahest osast. Esiteks kaliibritakse skannerid, nii et pildi iga piksli heleduse väärtust saaks esitada energeetilistes ühikutes (näiteks w/m2/sr/µm). Teiseks on vaja arvestada, et satelliidi ja maapinna vahele jääb atmosfäär ja selle mõju tuleb kuidagi taandada. Praegusajal osatakse mõlemat osa juba päris hästi teha, ehkki praktikas on probleeme veel küllaga. Näiteks, kust kohast saada atmosfääri muutlikku hetkeolukorda kirjeldavaid suurusi. Muidugi, kui pildistamise hetkel on taevas pilves, siis niinimetatud optilises spektripiirkonnas mingit infot maapinna ja metsade kohta ei saa, ainult mikrolainepiirkonna kiirgus ja seda kasutavad radarid on võimelised läbima ka pilvi.

SATELLIIDIPILTE ARVUTATAKSE TEOREETILISE MUDELI ABIL
Teiselt poolt on füüsikute abiga tuletatud hulk teoreetilisi metsade heleduse mudeleid, mis võimaldavad neidsamu satelliidipiltidelt saadavaid heledusi arvutada, kui antud metsa kohta on küllaldaselt informatsiooni. Peale metsanduses igapäevaste takseertunnuste, nagu puistu tagavara, rinnaspindala, puuliik, puude kõrgus jms., on nende mudelite rakendamiseks vaja teada ka muud infot iga uuritava metsa kohta. Muude vajalike suuruste hulgas on näiteks ökoloogiliselt oluline lehepinnaindeks (LAI), aga ka puistu liitus, millele meie metsakorralduses on seni suhteliselt vähe tähelepanu pööratud (välja arvatud metsa definitsioon seaduses). Puurinde lehepinnaindeks on suhtearv, mis näitab puude lehtede kogupindala suhet vastava metsa pindalasse. LAI annab infot metsa potentsiaalse produktsioonivõime kohta ning ja tema globaalse jaotuse hindamine on viimasel ajal päevakorral kliimamuutuste ning süsinikuringe käsitluste tõttu. Näiteks toodetakse NASA keskmise lahutusvõimega (250 m kuni 1 km) skannersüsteemi MODIS-e piltide põhjal pidevalt ülemaalisi LAI kaarte.
Üksiti on metsa heleduse mudeli rakendamiseks vajalikud veel taimefüsiolooge huvitavad tunnused, näiteks biokeemilised parameetrid (lehtede klorofülli- ja veesisaldus) jms. Need asjaolud teevad kvantitatiivse kaugseire märksa multidistsiplinaarseks, aga näitavad ühtlasi, et metsa heledust ei kujunda üksnes metsas traditsiooniliselt mõõdetavad tunnused.

KUIDAS RAKENDATAKSE KVANTITATIIVSEID MEETODEID KAUGSEIRES?
Kvantitatiivne kaugseire püüab kasutada ära võimalust võrrelda satelliidipildilt saadud puistu heledusi ning mudeli abil arvutatuid. Võrdluse alusel püütakse langetada otsus, kas antud mets vastab neile takseertunnustele, mis on tema kohta esitatud näiteks andmebaasis. Eritluse alus on eeldus, et mudel toimib hästi. Kui leitud erinevused on väga suured, siis on alust arvata, et andmebaasis toodud puistu andmed on valed. Põhjusi tuleb nii mõnigi kord kohapeal kontrollimas käia: lahknevuse võis tingida andmebaasi sisestamise viga või on selle metsaga midagi juhtunud (raie, mille kohta pole info veel andmebaasi laekunud, või mingid olulised kahjustused).
Teised rakendused üritavad samasuguse võrdluse abil hinnata üht või teist selle metsa parameetrit, näiteks tagavara. Tagavara hinnangud pole siiski veel nii usaldusväärsed, et neid valdavalt praktikas rakendada. Potentsiaalselt paremad tulemused tunduvad olevat mikrolaineala piltidel, eriti meeterlainete piirkonnas. Siin on aga seni veel probleeme vastava tsiviilkasutuses oleva tehnika kättesaadavusega. Enam kättesaadavate nähtava ja infrapunase kiirguse piirkondade satelliidipiltide kasutamisel on praegu põhiprobleem mudelite headuse proovimine.
Metsade kaugseire puhul seisneb raskendav asjaolu selles, et metsa kasvades tema heledus enamikus spektri piirkondades oluliselt ei muutu. Ainult väga noores eas kahaneb heledus üldjuhul tuntavalt: vanad metsad on piltidel tumedamad kui noored. Meie oludes on kahjuks raske eristada sama kossseisuga üle 20–30-aastasi metsi, sest nende heledus muutub vähe, ehkki tagavara ja rinnaspindala suurenevad veel tublisti. Kvantitatiivsed meetodid annavad sellele nähtusele ka seletuse: kaks olulist metsa heledust kujundavat tegurit, puistu liitus ja lehepinnaindeks, jäävad sel ajal tavaliselt võrdlemisi muutumatuks.

METSADE KAUGSEIRE TARTU OBSERVATOORIUMIS JA EESTI MAAÜLIKOOLIS
Eestis tegeldakse metsade kaugseirega Tartu observatooriumis ja Eesti maaülikoolis. Meie kasutame oma mudelite katsetamiseks peamiselt Järvselja õppe- ja katsemetskonna metsi. Selle ala kohta on kogutud juba arvestatav hulk satelliidipilte, seal on tehtud kaugseire aparaatidega mõõtmisi nii lennukitelt kui ka maa peal, et paremini tõlgendada satelliidiinfot. Järvseljal asub ühtlasi rahvusvahelise programmi VALERI üks proovialasid. VALERI ülesanne on kontrollida satelliitidelt just taimkattega seotud suuruste hindamise metoodikaid. 2005. aastal tehti Järvselja kohal mõõtmisi Euroopa skannersüsteemi CHRIS PROBA abil, mille eripäraks on suure hulga värvide (18) kasutamine ja sama ala pildistamine eri vaatesuundade alt. Teadusuuringutes lähtutakse praegusest satelliidipiltide kogust ja muidugi ka metsanduse andmebaasidest. Esialgu proovitakse võimalikke praktilisi rakendusi proovialadel. Kui mõne metoodika rakendus sujub proovialal, siis on lootust seda ka mujal rakendada.

METSADE RINNASPINDALA KAART SATELLIIDIPILDI ABIL
Kaugseire rakenduse näitena on pildil tükike Prantsuse kosmilise skanneri SPOT4 HRVIR ülesvõttest Järvselja alalt, esitatuna valevärvipildina. SPOT4 HRVIR pildi piksli suurus on 20 meetrit maapinnal. Valevärvipildi tegemisel on kasutatud skanneri punast, lähedast ja keskmist infrapunast spektri piirkonda. Valgete joontega on pildile peale kantud metsaeraldiste võrgustik. Niisugusel valevärvipildil on okasmetsad tumedad, peaaegu mustad, lehtmetsad rohelised, lagedad alad lillad ja roosad, noorendikud kollaka ja helerohelise tooniga jne. Näeme, et eri metsatüübid eristuvad sellisel valevärvipildil kaunis hästi.
Teisel pildil on esitatud sama ala rinnaspindala kaart hinnatuna selleltsamalt satelliidipildilt. Millised värvid üht või teist rinnaspindala tähistavad, saab teada pildi servas olevalt skaalalt. See rinnaspindala kaart on praegu saadud veel üsna lihtsa regressiooniseose abil (vt. joonis 1), aga annab ettekujutuse kaugseire meetodite võimalustest. Satelliidipildilt hinnatud rinnaspindala kaarti saame võrrelda Järvselja andmebaasis olevate numbritega. Ehkki üldiselt pole kooskõlal viga, on mõne konkreetse metsa puhul rinnaspindala erinevused siiski võrdlemisi suured. Teadlaste ülesanne on sedalaadi metoodikaid igati katsetada ning hinnata, kui hästi sellised kaardid vastavad tegelikkusele ja kui suur on nende viga (määramatus), enne kui neid praktikas rakendada.

MIS TULU ANNAB KAUGSEIRE?
Üht-teist tarvilikku metsandusele saab satelliidipiltidelt juba praegu. Üsna hästi õnnestub avastada lageraieid ja määrata raiutud ala pindala; see põhineb enamasti kahe eri ajal tehtud pildi võrdlusel ja heleduse muutuste suuruse hindamisel. Nõnda koostatud raiete kaarte on kasutatud ka Eestis, et saada raiete kohta objektiivne ülevaade ning kontrollida raieteatisi.
Soomes ja Rootsis on edukalt võetud tarvitusele nn. kNN-meetod, mis rajaneb ühtaegu statistilise metsakorralduse (SMI) andmetel ja satelliidipiltidel. Kaasates satelliidipildid, saadakse võrreldes tavapäraste SMI proovitükkide põhjal tehtavatele kokkuvõttetabelitele lisaks digitaalsed metsade kaardid. Kuigi kNN-meetodi abil ei saa usaldusväärseid hinnanguid üksikute puistute, vaid üldjuhul 1000 hektarist suuremate alade kohta, on see tunduvalt detailsem, kui siiani maakonna tasemel tehtavad kokkuvõtted. Seda meetodit juurutatakse ka Eestis. Et meetod hästi töötaks, peavad statistilise metsakorralduse andmed olema täpselt seotud geograafiliste koordinaatidega. Perspektiivis tuleb kõikide kaugseire rakenduste puhul ilmtingimata analüüsida satelliidipilte koos elektronandmestikuga, nagu toimib säästva arengu metsanduse seire infosüsteem.
Kas kaugseirele jääb metsanduses ainult n.-ö. riigikontrolli funktsioon lageraiete avastamiseks, või midagi enamat, näitab tulevik. Selle nimel teevad praegu tööd paljude maade teadlased, sealhulgas Põhjamaade ning ka Tartu observatooriumi ja Eesti maaülikooli teadlased.


Tiit Nilson Nilson, Tartu observatooriumi vanemteadur, geofüüsikadoktor
Mait Lang Lang, Tartu observatooriumi ja Eesti maaülikooli vanemteadur, filosoofiadoktor



Tiit Nilson; Mait Lang

Artiklile ei ole kommentaare
Teie nimi:
Teie e-mail:
Kommentaar:


15/11/2012
23/04/2012
23/04/2012
02/04/2012
19/04/2010
19/04/2010
18/12/2009



Mis see on?
E-posti aadress:
Liitun:Lahkun: