ERDÉSZETI MEGFIGYELÉSEK

Az erdészeti megfigyelések a kialakult gyakorlatnak megfelelően kiterjedtek a faállományok fatermésének, kiválasztott faegyedek kerületnövekedésének a mérésére, valamint a fák egészségi állapotának a megfigyelésére.

A Megállapodásnak megfelelően a Jelentés tartalmazza a 2008. évben mért és megfigyelt adatokat a kölcsönösen egyeztetett formátumban.

A Jelentés tartalmazza a megfigyelési helyek térképét a földrajzi koordinátáit és azonosító adatait.

A méréseket állandó kísérleti területeken (megfigyelő parcellákon) található sorszámozott fákon végezzük. 2008 tavaszán a parcellák száma 30 db volt, amelyeken meghatározott területen (0,08 - 0,2 hektár) történik a mérés, és az egyes számított értékeket egy hektárra vonatkoztatjuk. Egy helyen (Győrzámoly 6 A) a mérést nem parcellán, hanem csak sorszámozott fákon végezzük.

A 2008. évben újra elvégeztük a hullámtér erdőállományainak légifotókon alapuló egészségi állapotfelvételét. Hasonló vizsgálatokra a Szigetköz monitoringjának keretében 2003 óta nem volt példa. A vizsgálatok kivitelezésében szorosan együttműködtünk a szlovák féllel, akivel még 2007-ben állapodtunk meg egy közös távérzékelési feladat végrehajtásáról.

Távérzékelési technológiák alkalmazása az erdők monitoring jellegű megfigyelésében igen nagy múltra és gazdag irodalomra visszatekintő téma. Kezdetben a nagy területű erdőleltározásban, az erdők mennyiségi viszonyainak felmérésében használták, ma már azonban széles körben elterjedt az erdők minőségi tulajdonságainak meghatározásában is.

A Szigetköz esetében az értékelések összehasonlíthatóságának érdekében a szlovák féllel előzetesen egyeztettünk a módszertannal kapcsolatos kérdésekről. Ezért vélhetően lehetővé válik, hogy a nemzeti jelentésekből a távérzékelési fejezeteket egységes szerkezetben lehessen majd megjeleníteni a közös monitoring jelentésben.

A távérzékelt adatok felhasználása az erdőállományok egészségi állapotának értékelésében azon a két tényen alapul, hogy a növények a fotoszintézis során a spektrum egy jól meghatározott tartományát, tartományait hasznosítják, melyek a közeli infravörös és a vörös hullámhosszaknál mutatnak elnyelési csúcsot. Ezekre a hullámhossz tartományokra érzékeny filmre, vagy digitális úton készített felvételen az elnyelt és visszavert sugárzás mennyisége, az adott pont reflektancia értéke, fajra és a fotoszintézis intenzitására jellemző érték. E mellett a kép textúrája ugyancsak fajra, illetve a lombosodás mértékére jellemző információt hordoz. Éppen ezért a közeli infravörös és a vörös tartomány felé eltolt érzékenységű szenzorral, vagy filmre készített felvétel elemzésével az egészségi állapot illetve a lombvesztés mértéke megfelelő kalibráció után becsülhetővé válik.

A felhasznált digitális képanyagok

A fentieknek megfelelően a jelentésben bemutatott értékelés a VITUKI Argos Stúdiója által készített infraszines digitális ortofotó mozaikon alapszik. Az ortofotó 3 sávot tartalmaz, melyek a közeli infravörös, a vörös és a zöld hullámhossz tartományban rögzítik a reflektancia értékeket, amit a szkennelés során 0-255-ig terjedő intenzitás értékek kódolnak minden sávban. A légifelvételek paraméterei:

    Készítés dátuma: 2008.08.11.

    Felvétel típusa: Mérőkamerás színes infra

    Kamera: RC 30

    H_rel = 3366 m

    f = 153 mm

    M_f = 1:22 000

A felvételekből készített és felhasznált digitális ortofotó mozaik paraméterei:

    Típusa: Szkennelt GEOJPG

    Újramintavételezés: bilináris

    M=1:20 000

    Terepi felbontás: 1 m

Terepi adatgyűjtés

A légifelvételek kiértékelése érdekében a monitoring területeken egészségi állapotfelvételeket készítettünk. A felvételek összhangjának biztosításához 2008.07.27.-én a szlovák kollégákkal közös terepi tréninget tartottunk, ahol megvitattuk és egyeztettük a faegyed és állományszintű lombvesztés becslés módszereit.

A felvételek értékeléséhez használt állományszintű lombvesztés adatokat a 2008.09.04. napon végzett egészségi állapot felvételezés alkalmával határoztuk meg.

A felvételek feldolgozásának módszertani lépései

1. Térinformatikai előkészítés

A digitális ortofotó mozaikot első lépésként beillesztettük a térinformatikai adatbázisunkba. Ezt követően lehatároltuk a hullámteret, ahol a monitoring pontok elhelyezkednek. A monitoring területeket központjuk koordinátáival külön rétegként fektettük a képmozaikra. Az elemzésben csak a 0,1 ha méretű, vagy nagyobb fatermési és egészségi felvételezésben használt területek vettek részt.

A mintaterületeket reprezentáló pontok körül létrehoztunk egy a mintaterület méretével megegyező pufferzónát. A pufferzónák alakja kör, ami bármilyen elhelyezkedésű mintaterület esetén megfelelő lefedettséget biztosít (1. ábra).

Következő lépésben a pufferzónák területét, mint tanulóterületeket az ortofotóból sávonként külön-külön egy-egy raszteres állományba írtuk ki. A raszteres állományok 1x1 m-es pixeleinek adatát a raszterpontok középpontjával helyettesített pont adatállomány attribútum táblájához rendeltük (2. ábra). Ezzel a módszerrel mintaterületenként ezres nagyságrendű intenzitás értéket kaptunk, amely a továbbiakban a statisztikai kiértékelés alapjául szolgált. A mintaterületenként kigyűjtött raszterpontok adattáblájához a mintaterületek fafaját és a terepi felvétel során meghatározott lombvesztési értéket is hozzárendeltük. Az így kialakult, a tanulóterületeket reprezentáló adatállományt használtuk az intenzitás értékek és a lombvesztés összefüggéseinek vizsgálatához (1. táblázat).

1. ábra: Példa a mintaterületek pontjai körül létrehozott pufferzónákra	2. ábra: A kivágott képrészlet és a raszterpontok rétegei

2. Statisztikai feldolgozás

A statisztikai feldolgozás célja, hogy felderítse az adatok struktúráját, ezzel segítse a változók közötti kapcsolatkeresés sikerét és főként, hogy használható összefüggéseket adjon az egész hullámtér lombvesztési értékeinek fafajonkénti becsléséhez.

Első lépésként megvizsgáltuk, hogy az egyes fafajok és a meghatározott levélvesztési kategóriák szerint milyen eloszlást mutatnak a képsávok pixelértékei. Erre azért volt szükség, mert a legtöbb általánosan alkalmazott statisztikai elemzésnek előfeltétele az adatok normális eloszlása, de legalábbis az eloszlástípusok egyezése. Az intenzitás értékek eloszlási viszonyait példázza a 3. ábra.

Második lépés annak vizsgálata volt, hogy az egyes fafajok milyen intenzitás érték statisztikákkal jellemezhetőek, továbbá, hogy mennyire jól különíthetők el egymástól az egyes sávok alapján. Ehhez a variancia analízist hívtuk segítségül.

3. ábra:A vörös képsáv intenzitásértékeinek eloszlása a fafajok szerint kategorizálva a tanulóterületek esetében

Mivel külön az egyes fafajokra vonatkozóan és fafajonként az egyes lombvesztési kategóriákban csak kevés minta volt, ezért összevonásokat alkalmaztunk. A nyár fajtákat az 1. fafajcsoportba, a kocsányostölgyet a 2. fafajcsoportba, a füzeket a 3. fafajcsoportba soroltuk. A későbbi elemzésekben elsősorban a nyárak és a füzek vettek részt. Megvizsgáltuk, hogy mutatkozik-e határozott összefüggés a színcstornákat jelentő képsávok, ide értve az NSC sávot is, és a lombvesztési kategóriák értékei között.

A nyár és a fűz fajok esetében a továbbiakban a lombvesztési kategóriák becsléséhez többváltozós, lineáris regressziós modellt (Step forward GLM) használtunk. Ezen analízisek alapján készítettünk lombvesztési kategóriákat ábrázoló térképeket. Azért ezt a módszert használtuk, mert a szlovák fél is ilyen módon állítja elő a lombvesztési kategóriákat ábrázoló térképeit. Így módon lehetőség nyílik a térképek összehasonlítására.

E mellett azonban főkomponens analízissel (centrált, illetve standardizált PCA analízis), valamint diszkriminancia analízissel (GDA) is vizsgáltuk az adatállományt, mert úgy véljük a regresszión kívül más osztályozásra is alkalmas módszerekkel jobb eredményeket lehet majd elérni az állományok egészségi állapot besorolásában.

3. Statisztikai eredmények

Az egyes fafajokra jellemző sávértékek statisztikáit láthatjuk a 2. táblázatban. A statisztikák között az átlag, az átlag hibája, a szórás a minimum és a maximum értékeket tüntettük fel. A szemléletesség kedvéért az átlagokat a 4. ábrán is bemutatjuk.

A variancia analízis kimutatta, hogy habár az átlagok eltérőek, köztük szignifikáns eltérés van, ennek oka nem biztos, hogy a valós különbségekben keresendő, gyökerezhet abban is, hogy a varianciák homogenitásának feltétele nem teljesül, főként, mivel különböző elemszámú mintákról van szó (5. ábra).

A nyárak csoportjában 10%-tól 50%-ig mindenféle lombvesztési kategória előfordult, míg a füzeknél 15, 20 és 40%-os lombvesztési kategóriák fordultak elő. A nyárak illetve a füzek csoportjában az egyes lombvesztési kategóriák között eltérés mutatkozott a képsávok jellemző, átlagos értékeire vonatkozóan. A különbségek leginkább a zöld színcsatorna értékeiben mutatkoztak meg (6. ábra). Az NSC sáv, vagy csatorna esetében nem találtunk kiemelkedő korrelációt a lombvesztési értékek és az intenzitás értékek között (3. táblázat).

Láthatóan a zöld, a vörös és az NSC csatornák mutatják a legszorosabb kapcsolatot a levélvesztés százalékos értékeivel, de a korrelációs együtthatók meglehetősen alacsonyak.

A főkomponens analízis osztályozási céllal való alkalmazása nem hozott egyelőre túlságosan előremutató eredményeket, mivel az egyes levélvesztési csoportok fafajonként véve sem különülnek el túlságosan jól körülhatárolható módon a színcsatornák alkotta paramétertérben.

A diszkriminancia analízis sokkal biztatóbb eredményeket hozott, amennyiben a fafajta ismert változóként szerepel a kiindulási adatok között. Ebben az esetben az egyes csoportok szétválasztási (osztályozási) sikeressége 76-77% között mozog. Azonban korai lenne azt állítani, hogy ez a módszer összességében pontosabb kategorizálást tesz lehetővé, mivel esetünkben az alkalmazható elemszám, ami a területek számát illeti, nagyon alacsony (30 terület), ami ahhoz vezet, hogy az elemzés túlparametrizált lesz.

A regresszió analízis eredményeit az alábbiakban foglaljuk össze.

A nyárak esetében a különböző színcsatornák értékei és a lombvesztési kategóriák között az alábbi becslőfüggvény teremt kapcsolatot:

A felvételekből készített és felhasznált digitális ortofotó mozaik paraméterei:

    Levélvesztés % = -0,20988*infravörös - 0,50288*vörös + 0,67194*zöld + 39,88848

    A becslés standard hibája = ą10,74

    R² értéke = 0,313

    Korrelációs együttható = 0,56

A füzek esetében a kapcsolatot a következő függvény közelíti:

    Levélvesztés % = -0,81287*NSC + 1,05627*zöld - 1,4653*infravörös + 44,27604

    A becslés standard hibája = ą8,69

    R² értéke = 0,353

    Korrelációs együttható = 0,59

4. Az eredmények térképi ábrázolása

A becslőfüggvényeket használtuk a lombvesztési térképek előállításához, amihez az egyes erdőrészletek üzemtervi adatait is felhasználtuk, a fafajok területi elhelyezkedésének meghatározásához (7. ábra). Az üzemtervi adatok alapján az egyes fafajok, fafajcsoportok (füzek, nyárak) által borított területrészeket leválogattuk, míg a többi terület kimaszkolásra került. A becslést csak a megfelelő fafaj által elfoglalt területekre, a fafajnak megfelelő függvénnyel készítettük el, majd a kapott értékeket 5 kategóriába soroltuk, amit a jelkulcsban feltüntettünk.

7. ábra:Az erdőtervi adatok (fafaj és kor) segítik a lombvesztés térképi ábrázolását

5. A térképi eredmények értékelése

Statisztikai szempontból nézve az eredményeket, megállapíthatjuk, hogy az összefüggések erőssége még nem a legmegbízhatóbb, ami adódhat abból, hogy az egyes mintaterületek esetében, egyes értékelésbe vont pixelek nem a lombkoronát, hanem a koronák közötti árnyékos területeket reprezentálják. Ezért az egyes lombvesztési kategóriák "túl széles" intenzitástartományt fednek le, ami nehezebbé teszi a pontos becslést. A 2009-es év folyamán terveink között szerepel a felvételek további értékelése, melynek során az árnyékos területek kiszűrése révén statisztikai értelemben megbízhatóbb eredményeket nyerhetünk.

Mindazonáltal a regressziós összefüggések alapján készített térképek a terepi tapasztalatokkal egybevágóan jelzik, hogy Dunakiliti térségében, valamint Kisbodak és Lipót között az erdőállományok levélveszteségi mutatói kedvezőtlenebbek, mint az alsóbb szakaszokon, ahol egyfelől jelentősebb a visszaduzzasztás, másfelől vastagabb a kavicságy feletti hordalékréteg.

További vizsgálatok tárgyát képezi a szlovák kollégákkal közösen, hogy milyen összefüggés van a levélvesztés és a fatermőképesség között.

8. ábra:A Győrzámoly és Lipót községhatárok közötti lombvesztési tematikus térkép

9. ábra:A Dunakiliti és Kisbodak községhatárok közötti lombvesztési tematikus térkép