Změny zdravotního stavu pražských lesů

Výsledky pilotního monitoringu zdravotního stavu lesa pomocí družicových dat

Pro hodnocení disturbance lesa v oblasti Klánovic a Xaverova byly použity časové a prostorové analýzy pomocí časových řad Landsat (35 let) a Sentinel 2 (5 let). V rámci studie byly vytvořeny mapy rozsahu poškození lesa, korelované s referenčními daty získanými terénním průzkumem a grafy časového vývoje vybraných vegetačních indexů na různých prostorových škálách.

Pro analýzu byly využity bezoblačné snímky družic Landsat-5 a Landsat-8 v časové řadě 1984 - 2019 pro dlouhodobou analýzu a snímky družice Sentinel-2 MSI z období 2015 to 2019 pro podrobnou analýzu recentní dynamiky lesa. Využita byla spektrální pásma modré, zelené, červené, dále NIR, SWIR1 (Short Wavelength Infrared 1) a SWIR2 (Short Wavelength Infrared 2). Na základě těchto dat byly pro všechny časové řezy podle níže uvedených vztahů vypočteny hodnoty tří spektrálních indexů, využívaných pro hodnocení zdravotního stavu lesa: Normalized Difference Vegetation Index (NDVI), Normalized Difference Moisture Index (NDMI) a Normalized Difference Water Index (NDWI):

NDVI = NIR-Red/NIR+Red (1)

NDMI = NIR-SWIR/NIR+SWIR (2)

NDWI = Green-NIR/Green+NIR (3)

Pro interpretaci změn lesní vegetace se ve studii jako významné ukázaly zejména indexy NDVI a NDWI. Index NDVI umožnil sledování dlouhodobé dynamiky vegetace při stanovení zvýšení a / nebo snížení její hustoty vegetace, zatímco index NDWI umožnil detekovat vlhkostní stres vegetace a jeho změny jako prekurzor náchylnosti k narušení.

Změny kvality vegetace byly hodnoceny na třech rozdílných prostorových úrovních – (i) na úrovni celého komplexu lesů Klánovic a Xaverova, (ii) na čtyř vybraných zájmových kompaktních plochách a (iii) na celkem 47 bodových lokalitách, kde byl pozorován zdravotní stav stromů a kde byla souběžně měřena spektrální odrazivost vzorků jehlic pomocí ručního spektrometru.

Výsledky dlouhodobých změn vegetačních indexů v celé ploše lesních komplexů Klánovic a Xaverova, založené na datech Landsat, ukázaly na rostoucí trend v hodnotách indexů NDVI a NDMI od roku 1984 do roku 2019 (Obr. 2). Zároveň ale ukázaly na dlouhodobý pokles hodnoty indexu NDWI od poloviny 90. let. Tyto trendy byly pozorovány u hodnot vegetačních indexů, vypočtených jak z dat družice Landsat, tak z dat družice Sentinel. Rostoucí trend NDVI naznačuje nárůst vegetačního pokrytí spojený s větším obsahem listové plochy. Z pohledu zdravotního stavu lesa je významný pokles hodnot NDWI, který ukazuje na klesající obsah vlhkosti v lesní vegetaci (Obr. 3).

Trend poklesu hodnot indexu NDWI, odrážející rostoucí vlhkostní stres, patrný od 90. let, koresponduje s obdobím nárůstu průměrné teploty vzduchu, pozorovaném na našem území od poloviny 80. let v důsledku klimatické změny. Pokles hodnot vlhkostního indexu NDWI se ještě výrazněji projevuje při analýze homogenních lesních ploch, ve studii konkrétně na příkladu čtyř vybraných ploch, dvou v Xaverovském a dvou v Klánovickém lese. Na těchto plochách, které zahrnují pouze lesní vegetaci, dochází ke kontinuálnímu poklesu vlhkostního indexu NDWI, přičemž nejnižší hodnoty jsou dosahovány v aktuálním suchém období v průběhu posledních 5 let (Obr. 4).

Analýza stavu vegetace na celkem 47 testovacích bodových lokalitách umožnila zjistit typické intervaly hodnot indexů pro různé kategorie lesní vegetace, kterými byl listnatý les, jehličnatý zdravý les, jehličnatý les se známkami disturbance, jehličnatý nový les a travní porost. Především ale ukázala na vývoj, kterými prošly jednotlivé typy ploch při hodnocení pomocí indexů NDVI, NDMI a NDWI v aktuálním období sucha a kůrovcové disturbance v letech 2015-2019.

Výsledky analýzy DPZ na nejpodrobnější prostorové úrovni jednotlivých bodových ploch potvrzují, že vlhkostní stres, který je na celku lesa patrný jako všeobecný trend zasahuje vybrané kategorie lesa selektivně. Negativní trend postihuje zejména dvě kategorie, porost s narušeným zdravotním stavem a mladé stromy. Patrné je to na srovnání normalizovaného vegetačního indexu, hodnotícího obsah zelené hmoty (NDVI) a indexu NDWI, hodnotícího vlhkostní stres (Obr. 5). U kategorie mladých stromů je patrná rostoucí hodnota zastoupení zelené hmoty v indexu NDVI, ale zároveň rychle se prohlubující vodní stres. Ten mladé stromy postihuje nejsilněji, což se projevuje rychle klesajícími hodnotami indexu NDWI (Obr. 5). Prostorové areály s klesajícími hodnotami indexu NDWI je třeba považovat za areály s potenciálně rizikovým vývojem zdravotního stavu a náchylné k poškození mj. šířením kůrovce.

Monitoring šíření kůrovce pomocí bezpilotních technologií

S ohledem na charakter hodnocených lesních komplexů v zázemí Prahy, které představují souvislé lesní komplexy a zároveň potřebu testovat využití různých typy senzorů, byly pro řešení použity multirotorové systémy, které umožňují precizní manévrování a při snímkování i variabilitu v osazení různými typy senzorů. Multirotorové systémy umožňují řadu technických řešení, od kompaktních dronů pro RGB snímkování po pokročilé platformy s výměnným závěsem, umožňujícím použití různých typů senzorů. Ve studii byl takto využit snímkovací systém DJI Inspire 1 Pro s výměnnými kamerami, snímajícími ve viditelném a infračerveném nebo termálním. Dále pak byla použita univerzální snímkovací platforma Mikrokopter Octo XL s multispektrální kamerou Tetracam uMCA 6.

Z pohledu technologií optického UAV snímkování je pro monitoring zdravotního stavu lesa možné využívat RGB senzory, snímající ve viditelné části spektra, NIR senzory nebo multispektrální či hyperspektrální senzory, které dávají možnost rozdělit viditelné i infračervené pásmo do více spektrálních kanálů. Volba konkrétního typu senzoru ovlivňuje jak prostorové rozlišení snímku, promítající se do podrobnosti snímkování, tak možnosti snímání kvalitativních vlastností.

RGB senzory snímající ve viditelné části spektra jsou optimální pro operativní mapování, nabízející vysokou úroveň podrobnosti, vhodnou např. pro účely evidence stavu a změn lesa v daném území. Zároveň jde o typ senzoru, který je finančně dostupný, protože jimi jsou standardně vybaveny běžné typy UAV systémů. Snímkování ve viditelné části spektra má však omezené možnosti získat kvalitativní informace o stavu vegetace.

Snímkování v oblasti infračervené (NIR) části spektra představuje klíčový prvek pro možnost rozlišení zdravotního stavu vegetace a detekce jejího případného narušení. Senzory, které využívají NIR oblast elektromagnetického spektra mohou zachytit kvalitativní změny nebo stres vegetace, promítající se do změny obsahu chlorofylu vegetace, která je pozorovatelná ve vlnových délkách v oblasti blízkého infračerveného záření.

Multispektrální senzory kombinují více spektrálních pásem, analogicky např. k družicovým senzorům. Příkladem může být šestikanálový senzor Tetracam microMCA6 (Obr. 6), který kombinuje tři pásma v oblasti viditelného záření - modrou, zelenou, a červenou a tzv. “red edge” zónu se třemi úzce vymezenými pásmy v oblasti blízkého infračerveného záření. Tato tři pásma pokrývají oblast spektra, ve které se projevují dopady pohlcení záření chlorofylem, označované jako tzv. “red edge” nebo “vegetation edge” a umožňují tak hodnotit charakteristiky zdravotního stavu vegetace a jejího stresu.

Multispektrální senzory kombinují více spektrálních pásem, analogicky např. k družicovým senzorům. Příkladem může být šestikanálový senzor Tetracam microMCA6, který kombinuje tři pásma v oblasti viditelného záření - modrou, zelenou, a červenou a tzv. “red edge” zónu se třemi úzce vymezenými pásmy v oblasti blízkého infračerveného záření. Tato tři pásma pokrývají oblast spektra, ve které se projevují dopady pohlcení záření chlorofylem, označované jako tzv. “red edge” nebo “vegetation edge” a umožňují tak hodnotit charakteristiky zdravotního stavu vegetace a jejího stresu.

Bezpilotní snímkování pomocí RGB senzoru s vysokým rozlišením se ukázalo jako vhodný zdroj informací pro evidenci stavu a změn lesa a dokumentaci vybraných událostí na vybraných lokalitách.

Příkladem je dokumentace změn situace v oblasti paseky u prameniště Blatovského potoka v Klánovickém lese (Obr. 7). Po vichřici Friederike, která zasáhla ČR 18.1.2018 zde došlo k vývratům a polomům, patrným zejména v centrální části paseky. Ortofotomapa, pořízená snímkováním ve výšce 80 m nad terénem pokrývá zájmové území v rozlišení 1,5 cm na pixel. To umožňuje identifikovat polohu jednotlivých stromů, spadlých kmenů a vývratů.

Oblast této paseky byla následně sledována v časové řadě dvou let tak, aby pokryla hlavní změny, ke kterým v oblasti došlo a ukázala tak na možnosti využití UAV snímkování a fotogrammetrické rekonstrukce, využívající RGB snímkování.

Data z NIR senzorů umožila, na rozdíl od dat, snímaných ve viditelné části spektra, zachytit kvalitativní stav vegetace díky změnám odrazivosti v blízkém infračerveném pásmu. Pro analýzu v rámci projektu byl využit N-G-B senzor, kombinující NIR pásmo s modrým a zeleným viditelným pásmem spektra.

Pro detekci disturbance lesa byla využita technika klasifikace pomocí rozhodovacích stromů. Ta umožňuje využít poznatky z pozemního průzkumu, kdy jsou pomocí spektrometrických měření spektrální charakteristiky stromů s různými stupni disturbance. Na základě změřených hodnot pro jednotlivé třídy pak jsou nastaveny prahové hodnoty, pomocí kterých pak probíhá detekce kriticky narušených stromů a klasifikace zájmového území do daných tříd zdravotního stavu.

Pro klasifikaci byla vyvinuta a ověřena nová metoda klasifikace, využívající metody rozhodovacích stromů, využívající hodnoty získané terénním průzkumem jako základ pro prahování jednotlivých kategorií. Metoda umožňuje omezit klasifikaci pouze na kategorie vegetace, které jsou předmětem monitoringu. Pro jednotlivé stromy a části jejich korun pak je provedena klasifikace intezity narušení jejich zdravotního stavu. Výhodou metody je rychlost, jednoznačnost a transparentnost klasifikace i kalibrace a zpětná verifikace výsledků pomocí hodnot, zjištěných terénním průzkumem.

Nejhlubší analytický pohled na kvalitativní stav vegetace podávají multispektrální senzory. V rámci projektu bylo provedeno multispektrální snímkování šestikanálového senzoru Tetracam uMCA na ploše paseky v Klánovickém lese u prameniště Blatovského potoka.

Rozdílné citlivosti senzoru v oblasti infračerveného záření bylo možné využít pro detekci rozdílných druhů vegetace i míry jejího narušení. Z vizualizace pásem, kombinující různé spektrální kanály senzoru je patrné, že jednotlivá pásma senzoru odlišují kvalitativní a strukturní znaky vegetace s rozdílnou citlivostí. Zejména kombinace pásem 5 (900 nm),3 (700 nm) a 1 (550 nm) umožňuje dobře separovat jednotlivé kvalitativní prvky vegetace na prostorové úrovni jednotlivých stromů (Obr. 5).

Paralelně se snímkováním, provedeným v prosinci 2019, proběhl odběr vzorků jednotlivých kategorií intenzity disturbance smrkového porostu a pozemní spektrometrické měření. Pro účely vyhodnocení a porovnání rozdílné spektrální odrazivosti jednotlivých kategorií smrku z pozemního průzkumu byla vypočítána reprezentativní mediánová (MED) křivka pro danou kategorii ze všech příslušných vzorků a pro sledované kategorie narušených stromů i křivky 1. a 3. kvartilu (Q25 a Q75) ukazující rozptyl naměřených hodnot vzorků (Obr. 6).

Výsledky prokazují fyziologický předpoklad, že napadení stromu kůrovcem a navazující narušení transportu vody a živin ovlivňuje odrazivost. V zelené části spektra (okolo 550 nm) je patrné typické zvýšení odrazivosti chlorofylu způsobující zelenou barvu jehlic. Statisticky významné rozdíly mezi všemi kategoriemi smrku jsou však v blízké infračervené části spektra (od 800 nm), kde se nepřekrývají ani interkvartilová rozpětí. Vitální kategorie mají vysokou odrazivost v infračerveném pásmu. Naopak, čím větší je narušení zdravotního stavu smrku, tím nižší ma odrazivost.

S využitím multispektrálního snímkování bylo možné získat jemnější detekci jednotlivých kategorií než v případě širokopásmového NIR senzoru. Pomocí klasifikace využívající principu rozhodovacích stromů, byla analogicky k hodnocení z NIR senzoru byla nejprve oddělena nízká vzrostlá vegetace, na ní proběhlo odlišení stínů a ve výsledném kroku byly odlišeny třídy vitálních a narušených stromů.

Vzhledem k rozlišení snímku (10 cm/pix) tato technologie umožňuje na napadených stromech odlišit zdravotní stav pro jestnotlivé části koruny. Výhodou zvoleného klasifikačního přístupu je rychlost klasifikace, jasná interpretace, možnost operativního nasazení a zároveň přímá vazba na parametry, zjištěné terénním průzkumem.