Ekologia z satelity – część 3.

Omówiłem już wcześniej NDVI – było to jakby rozpoczęcie tematu. Nie umieściłem w tamtej notce prostego wzoru, jaki się stosuje do obliczania wartości NDVI:

Grafika ze wzorem pobrana ze strony Wikipedii.

We wzorze każdy ze współczynników może przyjmować wartości od 0,0 do 1,0. Stąd NDVI może przyjmować wartości od -1,0 do 1,0. Największe wartości NDVI przyjmuje w przypadku obszarów o największej koncentracji roślinności, podczas gdy w przypadku śniegu bądź chmur wartość może spadać poniżej 0. Inne rodzaje pokrycia powierzchni ziemi to woda, która (przynajmniej w większej odległości od brzegu) nie odbija prawie wcale tych długości promieniowania (stad wartości zbliżone do 0 bądź lekko poniżej zera) oraz naga ziemia, która odbija odrobinę więcej bliskiej podczerwieni niż czerwieni, co daje wartości w rejonie 0,1 lub 0,2.
Inna zaleta tego wzoru jest to, ze redukuje liczbę danych początkowych. Z dwóch wartości daje jedną, którą można operować w równaniach i analizach.

Wraz z rozwojem technik satelitarnych, w niektórych częściach świata NDVI zyskał szalona popularność. Szybko znalazł zastosowanie nie tylko w leśnictwie (przykład z północno-wschodnich Chin):

Rycina pobrana z pracy MODIS-Based Estimation of Biomass and Carbon Stock of Forest Ecosystems in Northeast China (Xia, Huang, Han) – niestety autorzy nie podali w jaki sposób mierzyli NDVI – na skali widoczne są wartości, które z pewnością nie odpowiadają normalnej skali NDVI.

… ale też i w rolnictwie. Na rycinie poniżej (pobranej z tutoriala RS) pokazuje susze w lipcu 2004 we wschodniej Afryce (materiał na osobny wpis).

Również Europa była wielokrotnie pokazywana w barwach NDVI:

Rycina pobrana ze strony WDC

Jednakże NDVI ma swoje słabe strony. NDVI został wynaleziony do zastosowania głownie w leśnictwie. Dlatego też, kiedy stosowany na obszarach o mniejszej (innej) roślinności może zawieść.
Inne wady to miedzy innymi:

• elementy atmosfery takie jak pyły, para wodna i rożne aerozole mogą powodować błędną interpretacje wyników
• chmury mogą całkowicie uniemożliwić uzyskanie informacji dotyczących roślinności
• efekt gleby a w szczególności wilgotności gleby. Wówczas odbicie jest wypadkowa samej gleby i ilości wody w niej zawartej
• anizotropia – w skrócie problem z kątami odbijania a długością fali (nie jestem fizykiem)
• efekty spektralne

Ponadto jako ze NDVI jest technika używaną od dość dawna, istnieją problemy korelacji starych danych, uzyskiwanych w rożnych skalach czasowych i przestrzennych z danymi współczesnymi – rozwój techniki pozwolił na uzyskiwanie coraz dokładniejszych obrazów.

Aby rozwiązać te problemy wypracowano kilka innych indeksów, które na różne sposoby radziły sobie z ograniczeniami NDVI. Inne metody to zastosowanie bardziej skomplikowanego indeksu EVI (w którym dodatkowo używa się koloru niebieskiego) czy FAPAR.

Read Full Post »

Ekologia z satelity

Uznałem, że przyda się kolejny nudny przerywnik między notkami debunkującymi głupoty, kłamstwa i przeinaczenia.

Tym razem trochę więcej o wykorzystaniu satelitów na przykładzie mechanizmów używanych w moim projekcie.

Jednym z głównych narzędzi w tej dziedzinie wiedzy jest  NDVI (Normalized Difference Vegetation Index). Polega to na rejestrowaniu rożnych długości światła odbitego od powierzchni i wszystkich obiektów znajdujących się na powierzchni Ziemi. Jak widać na tym rysunku:

Rycina pobrana ze strony Earth Observatory

założenia są genialnie proste – porównywanie odbicia światła o długości fali istotnej w procesie fotosyntezy. Stąd można wyciągać dalsze informacje. Jeżeli częstotliwość przelotu satelity nad badanym obszarem jest odpowiednia (zależny od rozmiaru piksela – im większy obszar objęty zdjęciem, tym większa częstotliwość jest możliwa) można uzyskiwać dokładne informacje dotyczące okresu wegetacji. Dla moich badań te informacje mogą być niezwykle istotne. Nie ma (a przynajmniej jeszcze nie znalazłem) metody, która lepiej opisywałaby warunki żywieniowe gryzoni na wybranym terenie. Mając dane dotyczące populacji zarówno przestrzennie (odłowy gryzoni na 27 powierzchniach reprezentujących różnorodne środowiska badanego obszaru – co pół roku) i czasowo (odłowy gryzoni na 4 powierzchniach badawczych co 3 tygodnie przez cały rok) oraz dane dotyczące poziomu infekcji (badania serologiczne próbek) mamy w miarę spójny obraz populacji i jej stanu zdrowia. Brak jednak rzetelnej, powtarzalnej i kwantyfikowalnej metody opisu środowiska. Wartości indeksu wegetacji mogą powiedzieć bardzo wiele o środowisko i pożywieniu gryzoni. Jeśli przedstawimy te wartości na wykresie, możemy zaobserwować takie aspekty, jak:

• początek okresu wegetacji jak i koniec
• stopień intensywności wzrostu i spadku procesów fotosyntezy (czyli po prostu – z punktu widzenia gryzoni – produkcja żywności)
• maksymalne wartości fotosyntezy
• długość okresu wegetacji
• itd

Używam tutaj określenia „okres wegetacji” zamiennie z fotosynteza zakładając ze te terminy są jednoznaczne podczas omawiania NDVI.

Można także uzyskiwać kolorowe mapy, dające wizualizacje uzyskanych danych (przykładowo Kanał Panamski, kolory sztuczne):

Zdjęcie pobrane ze strony Remote Sensing Tutorial.

Jest to jedno chyba z najprostszych sposobów na wytłumaczenie
działania. Wiele różnorodnych satelitów ma zainstalowane bardzo rożne
rodzaje detektorów. Wspomniana długość światła (widzialne czerwone i
podczerwone) jest jedna z wielu możliwych kombinacji.

Będąc przede wszystkim ekologiem, raczej nigdy nie będę ekspertem w dziedzinie wykorzystania satelitów w badaniach ekologicznych. Mam jednak pewne doświadczenie nabyte w obecnym projekcie, dlatego mogę skierować szukających szerszych informacji do lepiej zorientowanych osób i lepszych źródeł. Jako że współpracuję z Uniwersytetem w Louvain la Neuve, mogę bezczelnie polecić znanych mi fachowców. Jednym z nich jest Eric Lambin, w tym roku nagrodzony przez National Academy of Science.  Ponadto w Louvain la Neuve pracuje Sophie Vanwambeke, która specjalizuje się w opracowywaniu danych geograficznych i epidemiologicznych.

Przykładowa literatura (jest tego sporo, łatwo znaleźć przy pomocy Google):

Multi-level Analyses of Spatial and Temporal Determinants for Dengue Infection S Vanwambeke, BHB van Benthem, N Khantikul, C Burghoorn-Maas, K Panart, L Oskam, E Lambin, P Somboon  Int J Health Geogr. 2006; 5: 5.

Read Full Post »

Ekologia i epidemiologia z satelity

W celu chwilowego odetchnięcia od bzdur i idiotów te bzdury rozprowadzających, postanowiłem się skupić na tym co tak naprawdę mnie interesuje. Zwłaszcza w kontekście bredni o dżumie rozprzestrzenianej na Ukrainie.

Pracuję w środowisku interdyscyplinarnym, skupiającym zoologów, botaników, matematyków, geografów, weterynarzy, meteorologów i ekologów. Ponadto na konferencjach, w których dotychczas brałem udział spotykałem także ludzi z WHO, ekspertów od kontroli chorób, nawet przedstawicieli rządów krajów, w których niektóre choroby zakaźne stanowią problem. Pomimo dobrego samopoczucia większości Europejczyków i coraz częstszej histerii wywołanej szczepionkami (a nie samymi chorobami) tendencje światowe występowania groźnych chorób zakaźnych nie są tak optymistyczne, jak nam w Europie mogłoby się wydawać. Wiele chorób nadal zabija ludzi w najlepsze – w 2008 roku malarią zarażonych było 247 milionów osób, z czego blisko 881 tysięcy zmarło. Inne (spośród dziesiątek) choroby to chociażby leiszmanioza (12 milionów zarażonych na świecie), gruźlica (1,6 miliona zmarłych w 2005) a nawet – mimo niewielkiego obecnie występowania na świecie w porównaniu z Czarną Śmiercią – dżuma, która występuje w wielu rejonach świata – w zachodniej części Stanów Zjednoczonych, Chinach, Indiach, Kazachstanie i na Madagaskarze.

Madagaskar i Kazachstan są szczególnie interesujące z mojego punktu widzenia, gdyż są to tereny badawcze, na których pracują inni członkowie mojego projektu. Sandra Telfer zajmuje się występowaniem dżumy na Madagaskarze, podczas gdy całkiem spora grupa badaczy z Wielkiej Brytanii, Belgii i Kazachstanu interesuje się tą chorobą na terenie Azji Środkowej.

Jednym z ciekawszych elementów studiowania epidemiologii jest często możliwość odejścia od szalek i preparatów mikroskopowych i skupienie się na tzw. szerszym spojrzeniu. Przykładem takiego spojrzenia są prace Stephena Davisa i Herwiga Leirsa dotyczące dżumy w Kazachstanie. Zajmują się oni modelem matematycznym (opublikowanym w Science) pozwalającym przewidywać epidemie dżumy na terenie kazachskiego stepu. Głównym gospodarzem bakterii Yersinia pestis na terenie Kazachstanu jest myszoskoczek wielki (niestety muszę się posiłkować angielska Wikipedią, bo polski tekst o tym gryzoniu jest po prostu tragiczny). Na tym właśnie gatunku teraz się skupię. Myszoskoczki żyją w koloniach. Kolonie te najczęściej składają się z członków jednej rodziny. Kolonia taka zajmuje obszar o kształcie mniej więcej koła. Na terenie tego koła myszoskoczki „czyszczą” cala wegetacje. Tworzą się w ten sposób plamy gołej ziemi, otoczone normalna wegetacją. Na podstawie obserwacji (w gigantycznym uproszczeniu!) jaki odsetek koloni jest zasiedlony (liczebność gryzoni zmienia się z roku na rok – wiele systemów mieszkalnych w okresach niskiej liczebności pozostaje pusta) można obliczyć prawdopodobieństwo wystąpienia dżumy. Problemem jest to, ze monitorowany obszar jest nie przymierzając – porównywalny rozmiarami z terytorium Belgii. Dlatego tez szuka się metod, które znacznie obniżyłyby koszty takiego monitorowania. I tu z pomocą przychodzi Google. Oto widok z wysokości 2km:

Białe plamki widoczne na zdjęciu to właśnie kolonie myszoskoczków.

Jedynym problemem może być częstotliwość aktualizacji, bądź (podobno najczęstszy problem ludzi, którzy chcą na serio pracować z Google Earth) brak zdjęć o odpowiedniej rozdzielczości.

Jednak widać tutaj potencjał do wykorzystania przy prognozowaniu ryzyka. Przy nakładzie kosztów (odejmując satelity, które i tak już są na orbicie) znacznie niższym niż analizy laboratoryjne (przy przetestowaniu skuteczności modelu w przewidywaniu wystąpienia epidemii) taka metoda może być bardzo skuteczna do monitorowania rozległych terenów Azji Środkowej. Należy jednak zaznaczyć, że metoda ta opiera się o wieloletnie obserwacje głównego gatunku nosicielskiego w środowisku naturalnym i transfer tej metody na inne tereny (na których główny gatunek – gospodarz jest inny i ma inną biologię/ekologię) może być zupełnie nieefektywny.

Read Full Post »