A Sárvári Farkas-erdő Sentinel-2 űrfelvétel alapú erdőmonitoring terve
DOI:
https://doi.org/10.17164/EK.2021.009Kulcsszavak:
erdőmonitoring, távérzékelés, űrfelvétel, felhőszolgáltatás, Sentinel-2, Google Earth EngineAbsztrakt
A Sárvári Farkas-erdőre kifejlesztett űrfelétel alapú távérzékelési erdőmonitoring rendszer olyan felhőszolgáltatásokon alapul, ahol a nagyfelbontású ESA Sentinel-2 űrfelvételek feldolgozása, elemzése és megjelenítése online a Google Earth Engine rendszerében történik. A monitoring rendszer célja az erdő egészségi állapotváltozásának folyamatos és térbelileg pontos megfigyelése és elemzése a vizsgálati időszakra, 2017 és 2020 között, vegetációs és nedvességi indexekből készült térképek és grafikonok segítségével. Validálásként a terepi kárbejelentő lapokkal vetettük össze a távérzékelt adatokat.
Hivatkozások
Amerikai Nemzeti Repülési és Űrhajózási Hivatal (NASA) 2022: MODIS Specifications. Online: https://modis.gsfc.nasa.gov/about/specifications.php
Európai Űrügynökség (ESA) 2022a: Sentinel-2 MSI, Radiometric Resolutions. Online: https://sentinels.copernicus.eu/web/sentinel/user-guides/sentinel-2-msi/resolutions/radiometric
Európai Űrügynökség (ESA) 2022b: Sentinel-3 OLCI, Radiometric Resolution – 21 bands in VIS/SWIR. Online: https://sentinels.copernicus.eu/web/sentinel/user-guides/sentinel-3-olci/resolutions/radiometric
Gao B.-C. 1996: NDWI – A normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment, 58: 257–266.
Gorelick N., Hancher M., Dixon M., Ilyushchenko S., Thau D. & Moore R. 2017: Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment.
Hamunyela E., Rosca S., Mirt A., Engle E., Herold M., Gieseke F. & Verbesselt J. 2020: Implementation of BFASTmonitor Algorithm on Google Earth Engine to Support Large-Area and Sub-Annual Change Monitoring Using Earth Observation Data. Remote Sens.,12: 2953.
Huete A. R., K. Didan Y. E., Shimabukuro P., Ratana S. R., Saleska L. R., Hutyra W., Yang R. R., Nemani & R. Myneni 2006: Amazon rainforests green-up with sunlight in dry season, Geophys. Res. Lett., 33, L06405, https://doi.org/10.1029/2005GL025583.
Nemzeti Földügyi Központ Erdészeti Főosztálya (NFK EF) 2020: Országos Erdőkár Nyilvántartási Rendszer. Online: https://erdoterkep.nebih.gov.hu/erdokar/index.htm
Osei J.C., Andam-Akorful S. & Osei Jnr E. 2019: Long Term Monitoring of Ghana’s Forest Reserves Using Google Earth Engine. https://doi.org/10.20944/preprints201909.0016.v1.
Somogyi Z., Koltay A., Molnár T. & Móricz N. 2018a: Forest health monitoring system in Hungary based on MODIS products. In: Molnár V. É. (ed): Az elmélet és a gyakorlat találkozása a térinformatikában IX.: theory meets practice in GIS, Deb receni Egyetem, IX. Térinformatika Konferencia és Szakkiállítás. Debrecen, ISBN 978-963-318-723-4, 325-330.
Somogyi Z., Koltay A., Molnár T. & Móricz N. 2018b: Távérzékelésen alapuló Erdőállapot Monitoring Rendszer (TEMRE). Erdészeti Lapok, 153: 9:277–279.
Chen S., Woodcock C., Bullock E., Arevalo P., Torchinava P., Peng S. & Olofsson P. 2021: Monitoring temperate forest degradation on Google Earth Engine using Landsat time series analysis. Remote Sensing of Environment, 265. 112648. https://doi.org/10.1016/j.rse.2021.112648.
##submission.downloads##
Megjelent
Hogyan kell idézni
Folyóirat szám
Rovat
License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
