Využití digitalizovaných leteckých snímků k mapování subalpínské vegetace – případová studie

Verze PDF

Tradiční terénní metody mapování vegetace pomocí Braun-Blanquetovy stupnice umožňují popsat vegetaci velmi detailně, jde však o metodu velmi pracnou, časově náročnou a mnohdy ovlivněnou subjektivitou interpreta. Dálkový průzkum umožňuje tyto problémy částečně eliminovat, avšak výsledky se mohou velmi lišit. Dálkové snímání je zaměřeno spíše na dominantní druhy, jejich biomasu – obsah chlorofylu v listech, listovou plochu, obsah vody, fyziognomii jako je velikost rostlin, šířka listů a jejich postavení atd. Naopak klasické metody se soustředí spíše na složení flory a strukturu společenstva. Následující studie se snažila zodpovědět otázky týkající se užitečnosti využití multispektrálních dat získaných leteckým snímkováním při klasifikaci subalpínské vegetace. Do jaké míry se mohou lišit druhy vegetace rozlišené na jednotlivých snímcích, jaké jsou rozdíly mezi daty získanými mapováním v terénu a těmi, získanými dálkovým průzkumem a do jaké míry je možné určit změny ve vegetaci podle dat získaných za určitý časový úsek.
Při mapování subalpínské vegetace krkonošské náhorní plošiny (1300-1400 m n.m.) byly použity multispektrální letecké snímky z roku 1986, 1989 a 1997. Studovaná oblast je velmi heterogenní, co se týká vegetace a abiotických faktorů prostředí (geomorfologie, textura, půda, mikroklima a režim disturbance). Vegetační pokryv je složen z luk, křovin, slatinišť a rašelinišť. Typickým rostlinným druhem je borovice kleč (Pinus mugo). Naskenované fotografie byly zpracovávány rozdílnými digitálními metodami dálkového snímání. Data z mapování pomocí tradičního postupu byla převedena do vizuální mapy a taktéž byla digitalizována. Následně byly obě formy mapování (dálkové snímání a terénní průzkum) srovnány. 

Využitelné výstupy: 

Z výsledků vyplývá, že dálkově získaná data mohou poskytnout cenné informace o vegetaci subalpínské oblasti s poměrně vysokou klasifikační přesností a nízkým stupněm nejasností. Nicméně celou řadu vegetačních typů nebylo možno identifikovat (vzhledem k jejich spektrálním či druhovým podobnostem). Rozeznávání vegetačních typů však nebylo hlavním cílem práce.
Stanoviště s homogenní vegetací vykazovala vyšší klasifikační přesnost ve srovnání s heterogenními, atypickými či přechodnými, která byla mapovatlená jen obtížně nebo zcela nemapovatelná. Metoda řízené klasifikace ukázala vyšší přesnost – vedla k vytvoření 9 tříd s celkovou přesností 81,1 % a ukázala se být úspěšnější. Neřízená klasifikace vytvořila 6 odlišných tříd a tři třídy smíšené s celkovou přesností 60,6 %, přesto by však neřízená metoda klasifikace mohla sloužit jako rychlá a jednoduchá metoda pro mapování homogenních porostů Pinus mugo. Nejběžnějšími druhy vegetace byla společenstva tvrdolistých trav 40,4 % celkové plochy, bylin 23,1 %.
Stanoviště s borovicí byla dále studována z pohledu vegetačních změn pomocí leteckých snímků, které odhalily, že se plocha stanovišť kosodřeviny v průběhu 10 let zdvojnásobila.
Shoda terénních a leteckých dat se pohybovala od 24 do 75 %. Nejvíce shody bylo potvrzeno na homogenních plochách porostů Pinus mugo a společenstev tvrdolistých trav.
Celkově se však prokázalo, že metoda dálkového průzkumu je v porovnání s terénním mapováním časově a pracností méně náročná a vhodná k mapování změn vegetace v čase.   

Grafické přílohy: 
Využití digitalizovaných leteckých snímků k mapování subalpínské vegetace – případová studie.
Využití digitalizovaných leteckých snímků k mapování subalpínské vegetace – případová studie.
Využití digitalizovaných leteckých snímků k mapování subalpínské vegetace – případová studie.
Využití digitalizovaných leteckých snímků k mapování subalpínské vegetace – případová studie
Zdroj: 
Müllerová J., 2004: Use of digital aerial photography for sub-alpine vegetation mapping: A case study from the Krkonoše Mts., Czech Republic. Plant Ecology 175: 259-272.
Zadal: 
Štěpka Radová
EEA Grants Investice do rozvoje vzdělávání
Podpořeno grantem z Islandu, Lichtenštejnska a Norska. Supported by grant from Iceland, Liechtenstein and Norway.