Loading
Пропустить Навигационные Ссылки.

Авторизоваться
Для зарегистрированных пользователей

Разработка алгоритма разделения индекса листовой поверхности (LAI) между верхним и нижним ярусами лесов

Вертикальная структура леса существенно влияет на ключевые процессы обмена энергии и углерода между атмосферой и растительным покровом. В предыдущий отчетный период был разработан алгоритм разделения индекса листовой поверхности (LAI) между верхним и нижним ярусами растительного покрова. Рассчитанный продукт ИКИ MODIS LAI включает в себя оценку LAI верхнего и нижнего ярусов (LAIC, LAIU соответственно) и проективного покрытия крон (f). Были получены карты LAI верхнего и нижнего ярусов и начата работа по валидации продукта. В данный отчетный период проведённая работа касалась 1) улучшения полуэмпирической модели оценки LAI по ярусам лесов и 2) сравнения получаемых карт LAI с наземными измерениями и имеющимися альтернативными LAI продуктами по данным ДЗЗ.

Улучшение полуэмпирической модели разделения LAI

На предыдущем отчётном периоде было выведено полуэмпирическое уравнение разделения LAI по ярусам леса

(1)

 

где LAIC, LAIU, LAIT это значения LAI верхнего яруса (крон деревьев), нижнего яруса и полное LAI леса; f ‒ проективное покрытие крон. Триплет {k, ρ, γ} — это свободные параметры уравнения. Территория исследования была разделена на три области в соответствии типом леса (DNF/ENF/DBF) согласно карте преобладающих пород леса ИКИ РАН для которых система уравнений выше решалась независимо. Под рассматриваемыми типами леса понимались классы: ENF — Evergreen Needleleaf Forest (вечнозелёные хвойные леса), DNF — Decidous Needleleaf Forest (листопадные хвойные леса), DBF- Decidous Broadleaf Forests (листопадные лиственные леса). Используя продукты индекса листовой поверхности ИКИ LAI и проективного покрытия древесного полога ИКИ TCC, методом наименьших квадратов получено решение системы нелинейных уравнений (1) относительно искомых параметров. Итоговые значения параметров приведены в таблице 1. С помощью вычесленных значений параметров были рассчитаны итоговые карты LAIC, LAIU и f.

Tаблица 1 — Итоговые значения параметров уравнения разделения LAI по ярусам в зависимости от типа леса (DNF/ENF/DBF)

Параметр/ класс LC

DNF

ENF

DBF

k

0,40

0,45

0,52

ρ

3,0

1,2

1,8

γ

2,5

1,2

1,6

Валидация продукта ИКИ MODIS LAI

Основной трудностью оценки точности продукта ИКИ LAI является крайне малое количество наземных измерений LAI для лесов России, не только по ярусам, но даже общего значения LAI. Весьма неточной является оценка типичного LAI для разных преобладающих пород леса. Поэтому для оценки точности ИКИ LAI была применена следующая стратегия. Во-первых, проведено сравнение продукта ИКИ LAI с глобальным NASA MODIS LAI продуктом, который строится на основе базового алгоритма, который позднее был оптимизирован для лесов России. NASA MODIS LAI продукт неоднократно валидировался научным сообществом и ключевые работы по оценке его точности приведены в таблице 1. На основе более чем двадцатилетней работы по валидации точность NASA MODIS LAI продукта в среднем оценивается в 20 %. В указанных в таблице 1 работах отмечено, что продукт дает оценку именно полного LAI, которая включает оценку для нижнего полога. В разреженных лесах продукт LAIT может сильно переоценивать LAIC крон.

Таблица 2 — Ключевые исследования по валидации NASA MODIS (MOD15) LAIT на глобальном уровне

Покрытие

Классы леса

Описание

Ссылка

Глобально

Все

Многоуровневая оценка точности с использованием наземных данных с 54 участков в Европе и 3 глобальных ДЗЗ продуктов: CYCLOPES, GEO1 и GLASS и метеорологических данных (температура и осадки)

Yan et al., 2016. Evaluation of MODIS LAI/FPAR Product Collection 6. Part 2: Validation and Intercomparison

Глобально

Все

Произведено детальное сравнение с независимыми глобальными ДЗЗ LAI продуктами GLOBСARBON и CYCLOPES, а также ECOCLIMAP климатологией

Garrigues et al. 2008. Validation and intercomparison of global leaf area index products derived from remote sensing data

Северная Америка

ENF, DBF

Валидация по 10 участкам проекта BigFoot. Произведены детальные измерения на площадках 5×5 км и масштабирование точечных данных к разрешению спутниковых данных

Cohen et al. 2006. MODIS Land Cover and LAI Collection 4 Product Quality Across Nine Sites in the Western Hemisphere

Восточная Сибирь

DNF

Валидация по восточной Сибири на основе спутникового продукта LAIC, а также валидация по участку станции Спасская Падь (под Якутском)

Kobayashi et al. 2010. A satellite based method for monitoring seasonality in the overstory leaf area index of Siberian larch forest

Финляндия

ENF

Валидация по участку елового леса в районе г. Roukolahti (Финляндия)

Wang et al. 2004. Evaluation of the MODIS LAI algorithm at a coniferous forest site in Finland

         

Проведено попиксельное сравнение NASA MODIS LAI (MCD15A2H, версия 6.1) и ИКИ MODIS LAI продуктов. Данные LAI были усреднены за вегетационный перод (июнь-июль-август) 2010 г. На рисунке 1. представлены карты двух продуктов, гистограммы разницы и статистики сопоставления продуктов. Анализ проведен отдельно для трех типов леса. Пространсвенное распределение продуктов схоже, но не идентично. Например, в NASA MODIS LAI четко выражен широтный градиент LAI в восточной Сибири, в то время как в ИКИ LAI он значительно менее заметен. Для всех трех типов леса ИКИ LAI имеет более высокие средние значения, но для большинства пикселов разница незначительна. Наибольшее отличие наблюдается для DNF, так как именно для него модельные данные были значительно изменены. R2 имеет умеренный диапазон вариаций (0,44–0,56) и умеренное значение RMSE (0,79–0,88). Уравнение линейной регрессии наиболее блико к 1:1 в случае ENF, и наиболее сильно отколняется для DBF. Последнее возможно возникает из-за того, что для DBF значения листового индекса наиболее высоки, оценка LAI зашумлена и методы сезонной интерполции ИКИ LAI приводят к нелинейному расхождению значений продуктов. В целом на уровне страны различие между продуктами составляет не более чем 20 %. Ввиду того, что продукты близки как по построению (алгоритм рассчета и входные данные), а также по самим значениям LAIT оценка точности MCD15A2H LAIT может быт перенесена на продукт ИКИ MODIS LAIT.

Рисунок 1 — Сравнение оценок полного LAI леса (LAIT) по данным продуктов ИКИ MODIS LAI (набор данных 1) и NASA MODIS MCD15A2H (набор данных 2) по территории лесов России. Данные были усреднены за вегетационный период (июнь-июль-август) 2010 г. Пространственное распределение данных показано на панелях (а), (б). Красными кружками выделены позиции станций, где проводились наземные измерения LAI по ярусам леса (рисунки 3, 4). Данные представлены в проекции Albers с разрешением 230м. Белым показаны участки суши не занимаемые лесом (тундра, луга, с/х и т.п.). Гистограммы разности данных приведены на панелях (в, д), ниже приведены статистики линейной регрессии между продуктами

Было проведено сравнение продуктов ИКИ MODIS LAI и MCD15A2H с LAIС, продуктом японского института RIGС/JAMSTEC. RIGC LAIC строится на основе данных SPOT-VGT и радиометрических индексах, использующих оптические и SWIR каналы. Для проведения сравнения все три источника данных были приведены к единому пространственно-временному формату: область сравнения — восточная Сибирь, проекция — GEOGRPHIC на разрешении 1/112o, сравниваемая статистика — среднее значение по выборке в течение вегетационного периода 2010 г. Сравнение проводилось только для верхнего яруса, так как данные RIGC LAIC имеют только эту компоненту. По этой причине данные MCD12A2H были обработаны алгоритмом ИКИ для разделения LAI по ярусам. Результаты сравнения представлены на рисунке 2.

Рисунок 2 — Сравнение оценок LAI верхнего яруса леса (LAIC) по данным продуктов ИКИ LAI (набор данных 1) и NASA MODIS MCD15A2H (набор данных 2) and RIGС LAI (набор данных 3) для Восточной Сибири. Данные усреднены за период июнь-август 2010 г. Пространственное распределение LAIC показано на панелях (а)–(в). Белым показаны участки не занимаемые лесом (тундра, луга, с/х и т.п.) Сравнение гистограмм распределения LAIC по продуктам показано на панели (г), а гистограммы разности данных между различными продуктами показаны на панели (д)

Сопоставим пространственное распределение LAIC у трёх продуктов. В целом они схожи, однако MCD15A2H продукт имеет более резко выраженные широтные градиенты LAIC. Этот эффект отражается на гистограммах (панель (д)): MCD15A2H ещё более занижает минимальные значения, но количество высоких значений спадает медленнее. Если рассмотреть разницу продуктов по всей территории лесов восточной Сибири то продукты в целом согласованы, хотя MCD15A2H имеет более высокое отклонение (0,28) чем ИКИ LAIC (0,2) от RIGС LAIC. Все три продукта имеют умеренную корреляцию между собой, но (ожидаемо) ИКИ LAIC и MCD15A2H LAIC имеют лучшее соответствие, так как рассчитаны схожими алгоритмами со схожими входными данными

Была выполнена валидация продукта ИКИ MODIS LAI на основе наземных измерений по двум тестовым участкам, в районе г. Якутск и на Кольском полуострове. Результаты валидации на тестовом участке в районе Якутска представлены на рисунке 3. Приведены сезонные профили как полного LAI леса (LAIT) так и компонент (LAIC и LAIU) продукта ИКИ LAI. Разбивка на компоненты произведена тем же алгоритмом, но применённым не к сезонным средним, а к 7-дневным композитным данным ИКИ MODIS LAI. В целом ИКИ MODIS LAIC достаточно хорошо отслеживает динамику наземных измерений LAIC по всем трём площадкам (а)–(в). На станции Спасская Падь были проведены в 2019 г. более детальные измерения, которые включают оценку LAI нижнего яруса, она хорошо ложиться на спутниковую оценку по данным MODIS (панель (г)). Линейная регрессия наземных и спутниковых оценок компонент LAI имеет R2 = 0,73 и RMSE = 0,50, что является очень хорошим показателем для данного типа измерений.

Рисунок 3 — Валидация продукта ИКИ LAI (LAIT, LAIC и LAIU — полное LAI, LAI верхнего и нижнего ярусов леса, соответственно) с наземными измерениями на трёх станциях вблизи г. Якутск: Молотцовская (62.25°N, 130.9112583°E), Нелегер (62.31416667°N, 129.4975°E) и Спасская Падь (62.255°N, 129.6188°E). Доминирующая порода леса на всех станциях — лиственница. Наземные измерения производились в 2000 г. на первых двух станциях и в 2000/2019 гг. на последней. Затемненные интервалы на графиках выделяют периоды когда MODIS данные имеют дефекты (полосы с заниженным КСЯ). На панелях (а)–(г) приведены сезонные профили данных, а на панели (д) показана фазовая диаграмма сравнения для все данных. Ниже приведены статистики линейной регрессии между данными ИКИ LAI и наземными измерениями

Важной особенностью данного сравнения является то, что модель продемонстрировала способность воспроизвести различия в сезонном ходе LAI между верхним и нижним ярусами. Сезонный профиль верхнего яруса имеет обычную форму перевёрнутой чаши. Однако в сезонном ходе для нижнего яруса возникает провал в пике сезона (рисунок 4). Причина этого падения LAI в том, что к середине сезона лес из проективное покрытие верхнего яруса достигает максимума, что приводит к недостаточному доступу света к нижнему ярусу и понижению LAI нижнего яруса.

Рисунок 4 — Эффект «провала сезонного профиля нижнего яруса» наблюдаемый в независимых исследованиях. Панель (а) показывает наземные измерения сезонного профиля NDVI нижнего яруса (полые кружки) и LAI верхнего яруса (заполненные кружки) на станции Subheric в Финляндии. В то время как сезонный профиль LAI верхнего яруса демонстрирует типичную кривую (перевёрнутая чаша), NDVI нижнего яруса имеет провал в период пика сезона. Данные взяты из работы Rautiainen M., Mõttus M., Heiskanen J., Akujärvi A.,Majasalmi T., Stenberg P. Seasonal reflectance dynamics of common understory types in a Northern European boreal forest. Remote Sens // Remote Sensing of Environment. 2011. V. 115. P. 3020–3028. Панель (б) показывает MODIS NDVI и наземные измерения NDVI сезонного профиля нижнего яруса на станции Hyytiälä в Финляндии. Данные взяты из работы Pisek J., Rautiainen M., Heiskanen J., Mottus M. Retrieval of seasonal dynamics of forest understory reflectance in a Northern European boreal forest from MODIS BRDF data // Remote Sensing Environment. 2012. V. 117. P. 464–468

На рисунке 5 приведены результаты валидация продукта ИКИ LAI на участке с разреженным лесом на Кольском полуострове. Особенностью данного участка является то, что влияние нижнего яруса значительно для данного леса. Спутниковая оценка предоставляет полное LAI леса, в то время как наземные измерения, как правило, нацелены на верхний ярус. Измерения проективного покрытия крон проводились с помощью БПЛА (беспилотных летательных аппаратов — UAV), расчёт производился методами фотограмметрии. Пространственное покрытие измерений UAV составило 120 пикселей MODIS, что позволяет рассчитать надёжные статистики. Для UAV измерений проективное покрытие крон рассчитано на основе используемой модели. Сравниваемые фрагменты данных ИКИ MODIS LAIT, LAIC, UAV LAIC, ИКИ MODIS f and UAV f показаны на рисунке 2.3.1.5. Детального простанствееного соответствия ИКИ LAI и UAV LAI не наблюдается, тем не менее присутствует четкий градиент с северо-запада на юго-восток, соответствующий повышению плотности как LAI, так и проективного покрытия при переходе от еловых к березовым породам леса. Важно, что гистограммы для MODIS и UAV данных как в случае LAIC так и проективного покрытия имеют хорошее соответвие и средние значения разности состаляют –0,14 для LAIС и 2,57 % для прективного покрытия.

Рисунок 5 — Результаты валидации продукта ИКИ LAI (LAIC и f — LAI верхнего яруса леса и проективного покрытия крон, соответственно) с наземными измерениями на Кольском полуострове (67,573223–67,540376° с.ш., 33,947955–34,022029° в.д.) Беспилотные измерения (UAV) проективного покрытия крон проводились 18–20 июня 2019 г. Тип растительности — смешенный лес, берёзово-еловый на юго-востоке и елово-берёзовый на северо-западе. Композитный продукт ИКИ LAI за период 18–25 июня 2019 г. был использован для валидации. Все данные были перепроецированы в проекцию UTM (WGS-1984, зона 36N на разрешении 230 м). Панели (а)-(д) показывают карты ИКИ LAIT, LAIC, UAV LAIC, ИКИ f и UAV f, соответственно. На панели (е) представлено сравнение гистограмм LAIC по данным ИКИ и UAV. Панель (ж) показывает сравнение оценкок проективного покрытия на основе тех же данных.