Övervakning av vegetation med lågupplösande satellitdata Lars Eklundh Institutionen för Naturgeografi och Ekosystemanalys
Lågupplösande satellitdata NOAA AVHRR: dagliga data 1-5 km 5 våglängsband 1982 idag Terra/Aqua MODIS: dagliga data 250 m 1 km 36 våglängdsband 2000 - idag Gratis globala satellitdata från NASA: https://wist.echo.nasa.gov/
Studier av dynamisk tidsvariation Sahel vegetationsindex Nildalen
Miljöförändringar i Sahel nederbördsindex 20 nb-stationer i Västafrika 1941-1998 (P. Lamb) Förändring i NDVI 1982-2000 Minskning Ökning Eklundh and Olsson, 2003, Geophys. Res. Letters, 30, 1430-1433.
Kan vi lita på trender i dessa data? Årligt vegetationsindex integrerat NDVI 130 120 110 100 - Test av påverkan av satellitdrift på trenderna 90 80 70 60 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 År 1992 1993 1994 1995 1996 1997 1998 1999 2000 - Utveckling av mer robusta trendskattningar utifrån spatial - temporala modeller Lindström, et al. 2006, Influence of solar zenith angles on observed trends in the NOAA/NASA 8- km Pathfinder normalized difference vegetation index over the African Sahel, International Journal of Remote Sensing, 27, 1973 1991 Bolin et al., 2009, Fast estimation of spatially dependent temporal vegetation trends using Gaussian Markov Random Fields, Computational Statistics and Data Analysis, in press.
Förbättrad förklaring genom samanalys av satellitdata och ekosystemmodeller Hickler et al., 2005, Precipitation controls Sahel greening trend. Geophysical Research Letters, 32, L21415. Seaquist et al., 2008, Disentangling the effects of climate and people on Sahel vegetation dynamics. Biogeosciences Discussions, 5, 3045-3067.
Övervakning av vegetationens kolupptag Syfte: mer exakta skattningar av kolbalansen samt möjlighet att kartera den i tid och rum Princip: den fotosyntetiska ljus-absorptionen är relaterad till vegetationsindex MODIS mäter NDVI och EVI med 250 m upplösning Kunskap krävs om effektivitet i konverteringen till kol: temperatur, fuktighet, näring Rymdstyrelsen
Validering av satellituppskattningar Spektralmätningar Kolmätningar från fluxtorn
Skog Några resultat Myrmark 0.6 Measured NEE (g C m -2 day -1 ) 0.4 0.2 0-0.2-0.4-0.6-0.8 Olofsson and Eklundh, 2007, Remote Sens. Env., 110, 240-251. Olofsson et al., 2007, Remote Sens. Env., 110, 252-261. Olofsson et al. 2007, Adv. in Space Research, 39, 125-130. Olofsson et al. 2008, Biogeosciences, 5, 817-832. -0.8-0.6-0.4-0.2 0 0.2 0.4 0.6 Modelled NEE (g C m -2 day -1 ) Modelled NEE = ƒ(evi, PAR, LST); R 2 = 0.81 Schubert et al. 2009, Manuscript.
Säsongsvariation och fenologi från satellit med TIMESAT Extrahera tidsserier för varje punkt i bilderna Skapa utjämnade kurvor Extrahera fenologiska parametrar Kartera fenologin
Fenologi vegetationens säsongsväxlingar Water Validering gentemot monitoringdata för skog: Jönsson et al. (manuscript) Säsongsstart 2000 från satellit Rymdstyrelsen
Fenologiska förändringar och relationer till klimat NOAA AVHRR Temperatur från klimatmodell Förändring i säsongslängd 1982-2005 Förändring i februaritemperatur 1982-2004
Plötsliga förändringar: insektsangrepp Röd tallstekel Foto: Norsk Institut for skog og landskap
Kartläggning av angrepp av röd tallstekel Åsnes kommun Norge, 2005 friskt år insektsår Eklundh et al., 2009, Mapping insect defoliation in Scots pine with MODIS timeseries data, Remote Sens. Env., accepted manuscript. MODIS satellitdata Laserskanning från flygplan
Tidiga insektsvarningar på webben 2008 Fjällbjörkmätare http://www.skogoglandskap.no
Skador på björk i Abisko juni / juli 2003 juni / juli 2004 Bild: DN / Helena Bylund (SLU)
Skadeutveckling i tid och rum 2004 22-30 april 9 17 juni 25 juni -3 juli 12-20 augusti
Sammanfattning Lågupplösande satellitdata är väl lämpade för att övervaka trender och dynamiska processer i vegetation över mycket stora ytor, t.ex. kolbalans, fenologi, insektsangrepp, m.m. Fria data och utveckling av nya effektiva analysmetoder gör satellittekniken allt mer effektiv För att studera komplexa samband i miljön samt öka tillförlitligheten i tolkningarna behöver satellitdata kombineras och integreras med data från andra källor samt med modeller som simulerar ekosystemen
Tack! Mer information: http://www.nateko.lu.se/remotesensing E-post: lars.eklundh@nateko.lu.se